[GI]多樣性有助於研究拓展；檢驗公平性的新演算法
2018-11-16
1. 《自然》（Nature）期刊社論：〈為何多樣性有助於產生更強大的研究〉
網址：https://www.nature.com/articles/d41586-018-07415-9
研究環境中的性別多樣性可以推動科學上的發現，但若要充分發揮創新研發的潛力，在研發的各項層面，從研發團隊至社會大眾，皆需重視「包容性」的培養。〈讓性別多樣性為科學的發現與創新服務〉一文中，即提出了3種性別多樣性在研究中的發展面向：研究團隊中的多樣性、研究方法的多樣性以及研究問題的多樣性。性別多樣性經常被簡化為團隊成員的性別組成，但若想充分發揮科學發現和創新的潛力，就必須在產出科學知識的同時，關注採用的研究方法和提出的研究問題。
詳細文章內容請參閱：Nielsen, M. W., Bloch, C. W., & Schiebinger, L. （2018）. Making gender diversity work for scientific discovery and innovation. Nature Human Behaviour, 2, 726–734. https://www.nature.com/articles/s41562-018-0433-1
2. 兩則檢測公平性的新演算法：
（1） 反事實分析（Counterfactual analysis）：藉由改變數據中每個人的性別去測試演算法，並研究預測的變化。詳細內容請參閱：Kusner, M. J., Loftus, J., Russell, C., & Silva, R. （2017）. Counterfactual fairness. Advances in Neural Information Processing Systems, 4066-4076. https://papers.nips.cc/paper/6995-counterfactual-fairness
（2）更精確的審查有關識別亞族群人種（例如亞裔美州人）時系統性的錯誤，並提出克服偏見的建議，使演算法在種族、年齡、性別等面向間能做出更公平的決策。詳細內容請參閱：Kim, M. P., Ghorbani, A., & Zou, J. （2019, January）. Multiaccuracy: Black-box post-processing for fairness in classification. In Proceedings of the 2019 AAAI/ACM Conference on AI, Ethics, and Society (pp. 247-254). ACM. https://arxiv.org/abs/1805.12317