Aprendizado de Máquina Consciente de Justiça

Aprendizado de Máquina Consciente de Justiça (Fairness-Aware Machine Learning) é uma família de técnicas que treinam, restringem ou pós-processam modelos preditivos para que suas taxas de erro ou resultados sejam equitativos entre grupos demográficos protegidos, como raça, gênero ou idade. A estrutura fundamental de paridade de chances e igualdade de oportunidade foi formalizada por Moritz Hardt, Eric Price e Nati Srebro em seu artigo marco de 2016 na NeurIPS, estabelecendo critérios estatísticos rigorosos para classificadores não discriminatórios.