Pembelajaran Mesin Sedar Keadilan

Pembelajaran Mesin Sedar Keadilan (Fairness-Aware Machine Learning) ialah satu keluarga teknik yang melatih, mengekang, atau memproses pasca model ramalan supaya kadar ralat atau hasilnya adalah saksama merentasi kumpulan demografi yang dilindungi seperti bangsa, jantina, atau usia. Rangka kerja asas bagi kadar kesilapan yang disamakan (equalized odds) dan kesaksamaan peluang (equality of opportunity) telah diformalkan oleh Moritz Hardt, Eric Price, dan Nati Srebro dalam kertas kerja NeurIPS 2016 mereka yang penting, yang menetapkan kriteria statistik yang ketat untuk pengelas yang tidak diskriminatif.