编辑推荐：
公平合成数据（Fair Synthetic Data，FSD）技术旨在通过生成具备理想化公平性属性的合成训练数据集，降低人工智能预测中的算法偏见。研究人员主张，当前FSD路径并未实质性改善公平性，反而增强了模型所有者的社会自主性，使其免于问责。研究人员确立：实
公平合成数据（Fair Synthetic Data，FSD）技术旨在通过生成具备理想化公平性属性的合成训练数据集，降低人工智能预测中的算法偏见。研究人员主张，当前FSD路径并未实质性改善公平性，反而增强了模型所有者的社会自主性，使其免于问责。研究人员确立：实现算法公平需要遵循规范性承诺，并接受超出技术权衡的真实世界牺牲。研究人员将合成训练数据本身重新界定为一种域无关（domain-agnostic）的模型性能提升技术，并指出合成数据研究者把公平性当作数据问题，而非其本来的规范性问题。研究人员重构了文献中支持FSD具有实质性公平潜力的三类理由：早期偏差修正、公平社会表征、规范性人工物建构；前者与后者在概念上脆弱，后者中的公平社会表征路径具备潜力，但只有当相关技术通过可能世界语义（possible worlds semantics）被重新概念化、且受保护属性（protected attributes）的选择建立于可辩护的社会本体论（social ontology）之上时才成立。基准分析显示，FSD相较传统方法无显著统计公平性优势，且可信度更低；同时FSD可降低实施成本、限制预测者接受规范性审视的程度。这构成悖论：被提议作为公平方案的技术，反而使组织脱离算法公平领域所主张的义务。FSD延续更广泛的技术解决方案主义趋势，即创新帮助组织回避与社会的互惠关系。论文最后给出FSD负责任部署的宽泛建议。
研究背景方面，合成训练数据（Synthetic training Data，SD）在机器学习话语中迅速扩张，从前沿大语言模型训练到医疗疾病预测均被寄望于缓解数据稀缺与隐私问题。算法公平（algorithmic fairness）旨在让预测系统在社会中更公平地分配机会与结果，但其成功标准无法被无偏量化，公平性本身是本质上可争议的概念（essentially contested concept）。现有组织多采用合规或声誉压力驱动的最便宜方案，可能产生公平杰利蝾螈（fairness gerrymandering）。在此情形下，公平合成数据（Fair Synthetic Data，FSD）被宣传为可从数据源头消除偏见的方案。研究人员指出，FSD文献几乎全是计算机学者提出生成统计公平合成集的方法，缺乏批判性规范分析；因此有必要追问：SD生成方法是否是促进公平对待与公平结果这些道德政治目标的正确手段。
研究人员开展的研究是一项哲学分析，结合规范性分析、概念分析与社會理论分析三种模式。研究人员在2024年春通过Web of Science与Google Scholar以synthetic training data、synthetic data、fairness、bias、fair ML、algorithmic fairness等词检索，并做前向与后向引文追溯，最终纳入7篇提出原创FSD生成技术、专门为满足统计公平约束而设计的计算论文，排除仅以隐私或通用性能为目标的SD文献。研究人员得出核心结论：FSD并非算法公平干预，而是把通用性能导向技术用于规范性要求很高的专门领域；当前FSD主要给模型所有者带来更大社会自主性（social autonomy），并未给预测对象带来更公平的社会结果，且在统计上相对传统公平机器学习（fair ML）无显著优势、可信度更弱。该结论的重要意义在于揭示技术解决方案主义（techno-solutionism）如何使组织借创新回避与社会互惠，提醒学界不要把技术便利进步误认为伦理进步。论文发表于《Big Data》。
作者为开展研究用到的主要关键技术方法如下：第一，规范性分析，映射公平干预背后的规范理由并检验FSD文献自身论证；第二，概念分析，依据关系型数据本体论把SD重新定义为缓解数据稀缺的域无关技术，而非一种数据种类；第三，可能世界语义（possible worlds semantics）重构，用Kripke与Lewis框架分析表征型FSD中个体跨世界对应与受保护属性（protected attributes）的必然性；第四，统计基准评估，借鉴AI基准批判文献审视FSD在Adult、German credit等旧数据集上的公平指标表现；第五，社会理论分析，将SD视为削弱模型所有者对社会依赖与问责的社会政治现象。
研究结果部分保留原文小标题并简述如下。
Background部分，含Normative demands in algorithmic fairness与Synthetic data as a general-purpose growth technique两节。研究人员通过分析指出，算法公平必须同时处理模型数学约束与规范理想选择，组织因监管、声誉或纯准确性动机而平衡公平与其他目标；公平性实施还要求模型之外的真实世界牺牲。通过对realness、provenance、purpose三轴分析，研究人员认为只有面向数据稀缺的功能定义站得住，故SD最好理解为域无关的数据操纵技术，而非特殊数据种类。
Why use synthetic data for fairness?部分，研究人员指出FSD文献把公平当成数据集问题，并提出三类薄规范理由：在源头纠偏、建构公平社会表征、把数据集作为独立公平标准；但这些理由多来自SD专家对通用技术能力的信仰，而非FSD适合公平任务的证据。
Theoretical viability of FSD techniques部分，下分三节。Early bias correction: Technical, not normative advantage节中，研究人员认为源头加合成样本只是补数据缺口，是解决技术问题的优雅方案，当作规范问题属范畴错误。Fair representations of society, possible worlds, and social-ontological challenges节中，研究人员区分统计表征、科学表征、社会政治表征与潜空间习得表征（learned representations），指出模态表征型FSD若把性别、族裔等构成个人身份的必要属性误当偶然属性排除，会对错误个体做预测；唯有受保护属性与真正偶然属性对齐并有社会本体论辩护才可行。Datasets as normative artefacts: Utopianism with no source of legitimacy节中，研究人员批评把合成集当独立公平范本的乌托邦路径：若用统计标准检验就回到传统fair ML，若靠研究者私判则缺乏政治合法性，且脱离不公平真实地面貌易引发执行性（performativity）问题。
Statistical performance of FSD部分，研究人员综述文献发现Abroshan等略逊传统in-processing，DECAF仅可比，FairGAN+、Tiwald、PreFair因对照非公平模型而虚高，Sikder等模态表征路径有5%至10%提升；但多数研究只用1996 US Adult与1994 German credit，时代错位使外推困难，且基准易被博弈，故FSD无激进统计优势、结构性更易过度优化、可信度更低。
Operational benefits of FSD部分，研究人员总结FSD有实施灵活、成本低、可在既有隐私SD流程中附带调公平等好处；这些好处归模型部署者而非预测对象，不愿做公平牺牲的组织会偏好FSD。
Discussion: conflicting priorities in fair synthetic data部分，研究人员指出FSD未能逃脱Background中的规范张力，反而借SD自身逻辑让所有者少受现实数据与社会压力束缚，增加社会自主性，和传统算法公平要求所有者为社会受益而牺牲便利的前提相悖；模型诱导分布偏移（Model-Induced Distribution Shifts，MIDS）还会让合成集污染后代数据。研究人员也承认潜空间公平表征路径有前途，但须社会科学参与确定社会本体。
讨论部分总结：研究人员强调FSD同时是技术规范物与社会政治措施，当前研究主要给后者——增强所有者自主、弱化问责——提供条件。算法公平本要求所有者放弃部分技术便利与成本优势以护预测对象；FSD却用更低社会自主代价换得近似基准分数。发表去偏合成集以强制下游合规还会损害不公平研究本身与数据信任。真正有希望的是模型内公平表征，但必须处理模态与社会本体论问题。
结论部分翻译：公平合成数据（FSD）就其名称而言似乎承诺推进公平对待与结果；然而当前FSD路径大体未能超越非合成算法公平方法：既未提出让算法公平更有意义的观念创新，也未展现更优统计性能。FSD技术真正擅长的是增强那些想减少自身受约束程度的所有者之社会自主性——这些约束包括数据可得性、成本、技术复杂度、社会问责，以及关键地，对明确道德与政治选择作出承诺的必要性。降低进入算法公平的门槛值得欢迎，但FSD可能让组织在回避使算法公平值得追求的那些底层规范问题之余，看似完成了模型去偏。通过帮组织满足模型量化公平要求却不承受真实世界牺牲——这些牺牲发生在社会生活里，而非模型内部技术权衡里——FSD颠倒了算法公平的基本前提：预测模型所有者应为社会利益作适度牺牲。仍有良性FSD路径：在模型参数中建构公平表征是传统方法难复制的创新，但研究者须处理模态与社会本体论问题，否则模型会对错误的人输出预测。负责任部署时，实践者应知SD解决数据稀缺，却不解决人口知识缺口或道德不确定性；不能教AI自己都未理解的公平含义。FSD开发者须抵制把技术改进等同于伦理进步，并警惕光环效应，例如因SD助隐私便推定其助公平。把FSD用于发布前强制下游合规的“数据集去偏”应严格避免，因为公平标准具政治争议与情境依赖性。
