招待講演1:Supervised Learning without Discrimination† Nathan Srebro (TTI-Chicago) 統計的予測が人種や性別で差別的にならないようにする たとえ,保護属性 A が予測関数 ^Y(X) に含まれていなくても,A に依存する可能性 すくなくともテストのときは A を使って補正する必要 demographic parity:Aの各特徴ごとの割合を合わせる → 誤差を細かく制御できない equalized odds: 観測値が与えられたとき,予測値と保護属性が独立 → 属性ごとに誤差が同じ ^Y が実数のときは,ROC曲線を一致させるようにする ↑ 招待講演2:Advice to Young and New AI Scientists† Edward Albert Feigenbaum If you see an area in