AIBR プレミアム
博士、最近AIで差別の問題が話題だけど、どうやって解決できるんだろう？
いい質問じゃ。実は「Multi-dimensional discrimination in Law and Machine Learning」という論文がその疑問に答えとるんじゃよ。
へぇ、どんなことが書かれてるの？
この論文では、AIによる自動化された意思決定が複数の保護された属性に基づく差別を招く可能性を、法学と機械学習の観点から比較しとるんじゃ。
「Multi-dimensional discrimination in Law and Machine Learning — A comparative overview」という論文は、法学と機械学習の両方の分野における多次元的差別の問題に焦点を当てています。AIによって自動化された意思決定が、特定の個人や社会集団に対して、性別や人種、年齢などの保護された属性に基づく差別を引き起こす可能性があることは広く知られています。この論文では、特に複数の保護された属性に基づく「多次元的差別」や「多次元的公平性」の課題について議論されており、法学における十分に研究された多次元性の概念を、機械学習の公平性に関する研究との対比によって明確に述べています。
先行研究の多くが単一の保護された属性に基づく公平性の評価に集中している中、この論文は多次元的差別というより複雑な問題に取り組んでいます。これまでの機械学習分野では、多次元的な差別の扱いが不十分であったのに対し、法学分野からの概念を取り入れることで、新たな視点を提供しています。この点が、この論文の革新性として際立っています。また、法学で長年議論されてきた概念を、どのように機械学習の実践に適用するか、その可能性と限界を詳述している点も重要です。
本論文の技術的なキモは、異なるタイプの多次元的差別—累積的、交差的、シーケンシャルな差別—の定義と、それらの機械学習への応用方法の整理にあります。特に機械学習のフェアネス認識学習設定において、これらの異なる差別の型をどのように測定し、軽減するかを解説しており、法的な多次元差別の概念が機械学習分野でどのように実践されるかを示唆しています。
この論文では、実証的な検証よりも、主に理論的な枠組みを提供しています。法学と機械学習の理論を対比し、既存の研究や法律の観点から多次元的差別を説明し、それらが現在の機械学習のアプローチとどう関係するのかを議論しています。具体的なモデルやアルゴリズムの実装・評価はこの論文の範疇外ですが、多次元的差別の考え方をどのように公平性の判断に統合するかの指導原則を示しています。
議論の中では、多次元的差別の取り扱いが未解決の問題が多いことが強調されています。特に、法学と機械学習の接点における多次元性の定義および実施が、まだ不十分であることが分かっています。さらに、この問題に取り組むためのアルゴリズム設計や運用上の課題が多く、実際のシステムにおける適用可能性も限定的であるとの批判があります。
この論文をさらに深めるために次に読むと良い研究としては、「intersectional fairness」（交差的公平性）や「cumulative discrimination」（累積的差別）、「sequential discrimination」（シーケンシャルな差別）といったキーワードで文献を検索することが勧められます。これにより、多次元的差別の概念を深く理解し、それぞれのアプローチが持つ潜在的な利点と制約について、より多くの洞察を得ることができるでしょう。
引用情報
A. Roy, J. Horstmann, and E. Ntoutsi, “Multi-dimensional discrimination in Law and Machine Learning – A comparative overview,” arXiv preprint arXiv:2302.05995v1, 2023.
