KI News: Kurz und klar.

In der Welt der künstlichen Intelligenz gewinnt das Thema algorithmische Fairness immer mehr an Bedeutung. Forscherinnen und Forscher haben zwei zentrale Konzepte entwickelt: die Gruppenfairness, die darauf abzielt, Diskriminierung zwischen verschiedenen Bevölkerungsgruppen zu reduzieren, und die individuelle Fairness, die sicherstellen will, dass ähnliche Personen gleich behandelt werden. Bislang wurden diese beiden Ansätze meist getrennt betrachtet.

Wissenschaftler haben ein neues Modell entwickelt, das kontinuierliche Gruppenfairness in Datenströmen gewährleistet. Dabei wird die Fairness auf einer feineren Granularitätsebene – dem sogenannten Block – innerhalb jedes gleitenden Fensters sichergestellt.

Mit der zunehmenden Verbreitung von maschinellen Lernmodellen in gesellschaftlichen Infrastrukturen wird das Prüfen auf Bias immer wichtiger. Doch in der Praxis stellen sich neue Herausforderungen, wenn Modellbesitzer ihre Systeme an veränderte Umgebungen anpassen.