Машинно обучение, съобразено с принципите на справедливост

Машинно обучение, съобразено с принципите на справедливост (Fairness-Aware Machine Learning) е набор от техники, които обучават, ограничават или пост-обработват предсказващи модели, така че техните коефициенти на грешка или резултати да бъдат справедливи спрямо защитени демографски групи като раса, пол или възраст. Основополагащата рамка на равните коефициенти и равенството на възможностите е формализирана от Мориц Хардт, Ерик Прайс и Нати Сребро в тяхната основополагаща статия от 2016 г. в NeurIPS, установявайки строги статистически критерии за недискриминационни класификатори.