For å lese artikler må du være abonnent

50 kr for 5 uker

  • Full tilgang til TU.no og Digi.no
  • Artikkelarkiv helt tilbake til 1854
  • Eksklusive nyhetsbrev

Deretter 299 kr/mnd. Fornyes automatisk, avslutt når du vil.

PRØV OSS I 5 UKER

2990 kr / år

  • Full tilgang til TU.no og Digi.no
  • Artikkelarkiv helt tilbake til 1854
  • Eksklusive nyhetsbrev
  • Spar 598 kr

Fornyes automatisk til ordinær pris, avslutt når du vill.

BESTILL NÅ

Bedrift eller student?

  • Sjekk om du har tilgang via arbeidsgiver
  • Pristilbud til din bedrift
  • Innløs din gratis studenttilgang

Tilgang avhenger av avtalen med din arbeidsgiver eller ditt studiested.

LES MER HER

kunstig intelligens

Urettferdige maskinlærings-algoritmer: – Problemet kan ikke løses kun med matematikk

Illustrasjon.
Illustrasjon.

«Fairness» – eller rettferdighet i algoritmer – er en av de store brikkene som må plasseres hvis det dataetiske puslespillet skal falle på plass. Men å bygge rettferdighet inn i algoritmer er ikke enkelt i praksis.

Utfordringen har på få år gått fra å være et nisje-forskningsområde innen maskinlæring, til bare i 2018 å få to dedikerte konferanser og en eksplosjon i antall forskningsartikler om emnet – en utvikling som ikke minst er drevet av de etter hvert tallrike eksemplene på diskriminerende algoritmer.

«Nå ser vi den negative effekten av arbeidet vårt,» bemerket Senior Data Scientist Manojit Nandi hos Rockettrip da han tok opp emnet på konferansen PyData sent i fjor.

Powered by Labrador CMS