Équité (apprentissage automatique)
De Wikipedia, l'encyclopédie encyclopedia
L'équité (Fairness) dans l'apprentissage automatique fait référence aux diverses pratiques visant à corriger les biais algorithmiques dans les processus de décision automatisés basés sur des modèles d'apprentissage automatique. Les décisions prises par les ordinateurs après un processus d'apprentissage automatique peuvent être considérées comme injustes ou discriminatoires si elles sont basées sur des variables considérées comme sensibles, comme le sexe, l'origine ethnique, l'orientation sexuelle ou le handicap. La correction de ces biais algorithmiques est un important problème de l'Éthique de l'intelligence artificielle.
Comme pour de nombreux concepts éthiques, les définitions de l’équité et de la partialité sont l'object de débats et de désaccords dans la communauté scientifique et philosophique. En général, l'équité et la partialité sont considérées comme pertinentes lorsque le processus décisionnel a un impact sur la vie de personnes.