研究 / Proceedings of the 1st Conference on Fairness, Accountability and Transparency
性別陰影：商業性別分類系統中的交叉性準確性差異
Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification摘要 本研究提出了評估自動面部分析演算法和數據集中與表型亞組相關的偏見的方法。使用皮膚科醫生認可的菲茨帕特里克皮膚分型系統，研究者發現商業性別分類系統存在嚴重的性別和膚色偏見，深色皮膚女性的錯誤率高達34.7%，而淺色皮膚男性僅為0.8%。這一發現揭示了人工智能系統中的交叉性歧視問題，對構建公平、透明和可問責的面部分析演算法提出了緊迫要求。
喬伊·布拉姆維尼、蒂姆尼特·格布魯 / 閱讀全文