Bias-Mitigierung durch Symmetrie

Nishit Singh präsentiert in diesem wissenschaftlichen Paper eine Methode zur Erkennung und Reduzierung von Bias in maschinellem Lernen, indem Fairness als symmetrische Operation betrachtet wird. Der Ansatz basiert auf der Invarianz des Klassifikators gegenüber dem Wechsel sensibler Attribute bei konstanten Merkmalswerten. Die Methode erzielt eine Reduktion von Bias um 90% mit geringem Genauigkeitsverlust und ist leicht zu implementieren, ohne Kenntnis über kausale Graphen zu benötigen. Dies hat wichtige Implikationen für die ethische Nutzung von AI-Systemen in sozialökonomischen Kontexten.