WELCOME DATA LAND｜文字探勘 (Data Analytics)

自1996年起，網路世代崛起，發佈於網路上的數據逐年提升。近幾週 OpenAI 推出的 ChatGPT 被民眾廣為使用，大家都想知道究竟 AI 能給予多專業的回應，然而，關於這些被新增在網路上的內容，包含文字、數字或圖表等資訊，發佈後誰能使用呢？使用文字探勘所隱藏的那條線究竟在哪裡？所謂公平性 (Fairness) 、普惠 (Inclusiveness) 、可究責性 (Accountability) 、透明性 (Transparency) 又是什麼呢？

01 公平性

演算法的公平性 (Algorithm Fairness) 絕非一種，包含群體公平性 (Group Fairness) 、個體公平性 (Individual Fairness) 、置換公平性 (Counterfactural Fairness) ，以及應用公平性(Application specific Fairness)。

• 群體公平性 Group Fairness
  何謂群體？群體包含種族、宗教、身心障礙、性別及族群個性。若想知道演算法是否有符合群體公平性，可以思索演算法是否有將種族、宗教、身心障礙、性別及族群個性都考量在內，例如：公司人資部門藉由 AI 進行履歷篩選，面試機會是否有開放給所有族群，另外演算法的設置規劃，是否得利於某些群體。
  
• 個體公平性 Individual Fairness
  個體公平性，指的是相容類型的個體經由演算法運算，能否擁有相同的結果。倘若相似之個體，所擁有的結果不同，我們就能說此演算法違反個體公平性。
  
• 置換公平性 Counterfactural Fairness
  修正後的演算法，倘若會因而淘汰或移除掉某些個體或族群，我們就會說其違反置換公平性，例如：公司人資部門調整 AI 篩選履歷的流程，讓系統更精準的挑選出面試者，然而，此修正卻讓某些應徵者因而無法參與面試，我們就會說新修正的演算法在置換公平性上仍有需要調整的空間。
  
• 應用公平性 Application specific Fairness
  應用公平性，指的是個體或族群是否擁有相同取得訊息的機會。現今，由於公司在進行產品行銷和商品宣傳時，都會依照特定族群進行對應圖文設置的曝光，因此便會需要特別留意演算法的應用公平性，確定能否將資訊曝光至所有群體。
  

02 普惠

普惠 (Inclusiveness) ，指的是在演算法中，所有民眾是否有同等機會不被排除。

03 可究責性

可究責性 (Accountability)，指的是當演算法出了狀況，是否有相關單位能協助民眾後續的處理，包含責任歸屬、雲端上的資料，以及賠償責任等內容。

04 透明性

透明性 (Transparency)，指的是該單位是否賦權，將檔案和演算法運算步驟公開，增加民眾對於資源及機會分配的理解，進而提供信任基礎，並確保可課責性。

💬 留言分享你覺得公平的演算法，也可以談談你和ChatGPT的對話＾＾

如果喜歡窩DEMAA的內容
追蹤分享「 窩DEMAA Instagram 」
鼓勵是我們最大的動力窩 ❤️