↑: [[G検定に関する知識]] - 基本原則：「同じ条件の人は、同じ扱いを受ける」。本人の能力と無関係な属性（性別・人種・年齢）で判断に差をつけない - 精度だけでは公平性は測れない：全体の正答率が高くても、誤りが特定属性に集中していれば不公平 - [[アルゴリズムバイアス]]：意図がなくても、AIが学習を通じて偏った判断を身につける - バイアスの3原因：①データの偏り（学習データが社会の偏見を反映）、②[[サンプリングバイアス-G検定]]（少数派のデータが不足）、③[[代理変数-G検定]]（センシティブ属性を消しても別変数から漏れる） - 著名事例：[[Amazon採用AI]], [[COMPAS]]（再犯予測）、顔認識の誤認識率格差、与信スコア - 公平性の4定義（同時には満たせない）：[[人口統計学的均等]], [[機会均等-G検定]], [[予測均等]], [[個別公平]] - 技術的対処3段階：前処理（データの偏り補正）、学習中（公平性制約を組み込む）、後処理（出力を補正）＋運用中の監査 - cf. [[アルゴリズムバイアス]], [[センシティブ属性]], [[代理変数-G検定]]