公平性和机器学习领域中，什么是新的，什么是旧的？

《ACM Journal on Responsible Computing》：What is new, and what is old, in fairness and machine learning

规范独特性视域下官僚决策与技术系统的道德再审视。本文探讨机器学习决策系统的规范独特性，对比Solon Barocas等学者著作，指出官僚决策与机器学习结合带来新挑战，强调技术可行替代方案引发的社会义务重构需求，呼吁避免技术脱政。

　　

摘要

本文结合索伦·巴罗卡斯（Solon Barocas）、莫里茨·哈特（Moritz Hardt）和阿尔文德·纳拉亚南（Arvind Narayanan）的著作《公平与机器学习》（Fairness and Machine Learning），探讨了机器学习决策系统中的规范独特性问题。随着基于机器学习的辅助工具在官僚决策中的广泛应用，这次又有什么不同呢？我认为，对规范独特性的关注可能会掩盖机器学习的一个更为重要的影响：即可行替代方案的存在不仅对新技术系统的设计提出了新的合理性要求，也对现有的以人为中心的决策机制提出了挑战。我认为，将传统的官僚决策结构非政治化会导致我们错失一个机会——即在实践可能性不断扩大的世界中，重新评估彼此之间应尽的责任。