Fairlearn

Fairlearn 是一个开源的、社区驱动的项目，旨在帮助数据科学家提高 AI 系统的公平性。通过我们的指南和用例，您可以了解到有关 AI 公平性的知识，并使用我们的 Python 工具包来评估和缓解公平性问题。AI 系统的公平性不仅仅是运行几行代码那么简单，在每个用例中，社会和技术方面都共同塑造了可能受到 AI 系统伤害的对象以及伤害的方式。这里存在许多复杂的不公平来源，以及各种社会和技术的缓解过程，而不仅仅是我们库中的缓解算法。在整个网站中，您可以找到有关如何将公平性视为社会技术问题的资源，以及如何在考虑 AI 系统更广泛的社会背景的同时使用 Fairlearn 的指标和算法。例如，在信用卡贷款的场景中，当金融服务机构决定批准或拒绝贷款时，会使用多种模型，包括预测申请人违约概率的模型。这些预测有时会被用于自动拒绝或接受申请，直接影响申请人和机构。在这种情况下，如果模型对某些申请人群体的错误率高于其他群体，就可能会出现与公平性相关的危害。我们使用 Fairlearn 来评估不同群体（例如按性别定义的群体）如何受到影响，以及如何缓解观察到的差异。要开始使用 Fairlearn，您需要安装 Fairlearn 包。但这只是一个开始！请查看我们的用户指南和其他资源，以了解公平性对您的用例意味着什么。如果您遇到任何问题，可以在 Discord 上寻求帮助。Fairlearn 可以通过 pip 从 PyPI 进行安装，如下所示：pip install fairlearn。我们的资源包括用户指南，您可以在其中了解更多关于 AI 中的公平性、公平性指标和缓解算法的信息；API 文档，其中包含示例的库参考；贡献者指南，无论您的背景或专业知识如何，都有许多方式可以为我们做出贡献，例如提供案例研究、文档或代码。Fairlearn 社区由来自许多学科和地区的开源贡献者、数据科学从业者和负责任的 AI 爱好者组成。加入最新的对话，提出使用问题，了解最新的更新，并了解如何参与其中。您可以在 Discord 上加入社区并提出使用问题，在 StackOverflow 上提出使用问题，在 GitHub 上贡献代码、文档、用例，提交错误报告和功能请求，还可以在 Twitter 上关注我们以获取最新的更新。Fairlearn 是由具有各种背景和专业知识的开源贡献者构建和维护的。加入我们的努力，贡献反馈、指标、算法、可视化、想法等，以便我们共同发展这个工具包！