公平性

公平性旨在解决最终用户可能因种族、收入、性取向或性别等敏感特征而获得不同的结果的问题，这些结果是通过算法决策得出的。例如，招聘算法是否会对与特定性别或族裔相关联的申请人产生偏见？

如需详细了解机器学习系统可能如何受到人类偏见的影响，请观看以下视频：

如需查看真实示例，请了解 Google 搜索和 Google 相册等产品如何通过 Monk 肤色量表来增强肤色多样性。

有可靠的方法可以识别、衡量和减少模型中的偏见。机器学习速成课程的公平性模块深入探讨了公平性和偏差缓解技术。

人 + AI 研究 (PAIR) 提供了有关衡量公平性和隐藏偏见的交互式 AI 探索，以便用户详细了解这些概念。如需了解与机器学习公平性相关的更多术语，请参阅机器学习术语表：公平性 | Google for Developers。