Die ACM-Konferenz zu Fairness, Verantwortlichkeit und Transparenz ( ACM FAccT , ehemals ACM FAT*) ist eine von Fachkollegen begutachtete wissenschaftliche Konferenzreihe zu Ethik und Computersystemen. [ 1 ] Die von der Association for Computing Machinery (ACM ) veranstaltete Konferenz konzentriert sich auf Themen wie algorithmische Transparenz , Fairness im maschinellen Lernen , Verzerrungen und Ethik aus einer multidisziplinären Perspektive. [ 2 ] Die Konferenzteilnehmer umfassen Informatiker, Statistiker, Sozialwissenschaftler, Rechtswissenschaftler und weitere. [ 3 ]

Die Konferenz wird von großen Technologieunternehmen wie Facebook , Twitter und Google sowie von großen Stiftungen wie der Rockefeller Foundation , der Ford Foundation , der MacArthur Foundation und Luminate gesponsert . [ 4 ] Die Sponsoren zahlen in einen allgemeinen Fonds ein (zweckgebundene Spenden sind nicht zulässig) und haben keinen Einfluss auf die Auswahl, die Inhalte oder die Struktur der Konferenz. [ 5 ]

FATE-Übersicht

Das Akronym FATE steht für Fairness, Verantwortlichkeit, Transparenz und Ethik in soziotechnischen Systemen. FATE gewinnt zunehmend an Bedeutung, da die gesellschaftlichen und ethischen Implikationen komplexer Systeme wie Künstlicher Intelligenz (KI), Maschinellem Lernen (ML) und Verarbeitung natürlicher Sprache (NLP) immer dringlicher werden. Das Thema stellt eine interdisziplinäre Herausforderung dar: die Kluft der Transparenz zwischen technischen und nicht-technischen Wissenschaftlern sowie politischen Entscheidungsträgern zu überbrücken, um die Sicherheit und Gerechtigkeit algorithmischer Systeme in ihrem rasanten Entwicklungstempo zu gewährleisten. [ 6 ]   Zu den bisher gefundenen Lösungsansätzen und Techniken zählt die erklärbare Künstliche Intelligenz (XAI).

Zu den jüngsten Anwendungen von KI im öffentlichen und privaten Sektor zählen der Algorithmus zur Vorhersage von Rückfällen (auch bekannt als COMPAS ), der in den USA vor Gericht eingesetzt wurde, sowie Amazons KI-gestütztes Rekrutierungstool, das später nachweislich männliche Bewerber gegenüber weiblichen bevorzugte. Darüber hinaus werden KI-basierte Entscheidungshilfen (ADS) mithilfe von Machine-Learning-Verfahren zunehmend in Bereichen wie Strafjustiz, Bildung und Sozialleistungen integriert. [ 7 ]   FATE dient dazu, Algorithmen genauer zu untersuchen, das Bewusstsein dafür zu schärfen und an Lösungen zu arbeiten. Unternehmen wie Microsoft haben Forschungsteams speziell für dieses Thema eingerichtet. [ 8 ]

Die FAccT-Konferenz 2024 sucht Artikel insbesondere aus den folgenden Bereichen: Audits und Evaluierungspraktiken, Systementwicklung und -einführung, Erfahrungen und Interaktionen, Kritische Studien, Recht und Politik sowie Philosophie.

Auswirkungen und Einfluss

Die Forschungsergebnisse der ACM FAccT-Konferenz haben sowohl die öffentlichen Regelungen als auch die Geschäftspraktiken von Unternehmen maßgeblich beeinflusst. Regierungen und Organisationen haben die Erkenntnisse der Konferenz genutzt, um Richtlinien und Strategien zu entwickeln. So haben beispielsweise Studien zu Verzerrungen in Algorithmen dazu beigetragen, die Einstellungsverfahren großer Technologieunternehmen fairer zu gestalten. Auch Gesetze zum Umgang mit künstlicher Intelligenz (KI) wurden durch diese Forschung mitgestaltet. Die Konferenz hat zudem die globalen Diskussionen über ethische KI mitgeprägt und wichtige Leitlinien wie den KI-Act der Europäischen Union und die KI-Prinzipien der OECD hervorgebracht.

Kritikpunkte und Kontroversen

Obwohl die ACM FAccT-Konferenz hohes Ansehen genießt, wurde sie auch kritisiert. Manche bemängeln, dass die dort vorgestellten Ideen oft zu theorieorientiert seien und sich nicht gut auf reale Probleme anwenden ließen. Andere merken an, dass die Unternehmen, die die Konferenz sponsern, trotz der darin thematisierten Fairness und Transparenz in der KI nicht immer Technologien entwickeln, die diesen Werten entsprechen. Zudem wird diskutiert, ob die Konferenz angesichts der finanziellen Unterstützung großer Technologiekonzerne ihre Unabhängigkeit bewahren kann.

Liste der Konferenzen

Zu den vergangenen und zukünftigen FAccT-Konferenzen gehören:

Jahr Standort Datum Hauptredner/Eingeladene Redner Link
2026 Montreal, Kanada25.-28. Juni Krishna Gummadi , Charlton McIlwain , Lucy Suchman , Jutta TreviranusWebseite
2025 Athen, Griechenland23.-26. Juni Nathalie Smuha , Suresh Venkatasubramanian , Kristian Lum , Molly J. CrockettWebseite
2024 Rio de Janeiro, Brasilien3.–6. Juni Virgilio Almeida, Seeta Peña Gangadharan, Joaquim Melo, Nina da Hora , Alexsandro Mesquita, Stephanie Nguyen, Polinho Mota, Sanmi Koyejo Webseite
2023 Chicago, Illinois und online12.–15. Juni Payal Arora , Charlotte Burrows , Alex Hanna , Moritz Hardt , Alondra Nelson , Ziad ObermeyerWebseite
2022 Seoul, Südkorea und online21.–24. Juni Cha Meeyoung , Pascale Fung , Mariano-Florentino Cuéllar , André BrockWebseite
2021 Online3.–10. März Yeshimabeit Milner , Katrina Ligett , Julia AngwinWebseite
2020 Barcelona, ​​Spanien27.–30. Januar Ayanna Howard , Yochai Benkler , Nani Jansen ReventlowWebseite
2019 Atlanta, Georgia29.–31. Januar Jon Kleinberg , Deirdre MulliganWebseite
2018 New York, New York23.–24. Februar Latanya Sweeney , Deborah HellmanWebseite

Siehe auch

Referenzen

  1. ^ „Konferenzen der Association for Computing Machinery“ . Abgerufen am 27.03.2019 .
  2. ^ Laufer, Benjamin; Jain, Sameer; Cooper, A. Feder; Kleinberg, Jon; Heidari, Hoda (20.06.2022). „Vier Jahre FAccT: Eine reflexive Mixed-Methods-Analyse von Forschungsbeiträgen, Defiziten und Zukunftsperspektiven“. Konferenzbeiträge der Konferenz „Fairness, Accountability, and Transparency 2022 “ . FAccT '22. Seoul, Korea: Association for Computing Machinery. S.  401–426 . doi : 10.1145/3531146.3533107 . ISBN 978-1-4503-9352-2. S2CID  249642305 .
  3. ^ „2019 ACM FAT-Konferenz“ . www.acm.org . Abgerufen am 1. Februar 2019 .
  4. ^ „ACM FAccT 2020 Sponsoren“ . Abgerufen am 19.02.2019 .
  5. ^ „ACM FAccT Sponsorship Policy“ . Abgerufen am 19.02.2019 .
  6. ^ Memarian, Bahar; Doleck, Tenzin (2023-01-01). „Fairness, Accountability, Transparency, and Ethics (FATE) in Artificial Intelligence (AI) and higher education: A systematic review“ . Computers and Education: Artificial Intelligence . 5 100152. doi : 10.1016/j.caeai.2023.100152 . ISSN 2666-920X . 
  7. Levy , Karen; Chasalow, Kyla E.; Riley, Sarah (13.10.2021). „Algorithmen und Entscheidungsfindung im öffentlichen Sektor“ . Annual Review of Law and Social Science . 17 (1): 309–334 . arXiv : 2106.03673 . doi : 10.1146/annurev-lawsocsci-041221-023808 . ISSN 1550-3585 . 
  8. ^ „FATE: Fairness, Accountability, Transparency & Ethics in AI“ . Microsoft Research . Abgerufen am 19.11.2023 .
  • Green, Ben (2021). „Fairness durch Robustheit: Untersuchung von Robustheitsunterschieden im Deep Learning“. In: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency , S.  103–115 . doi : 10.1145/3442188.3445910 . ISBN 978-1-4503-8309-7Die
  • Binns, Reuben (2021). „Fairness, Gleichheit und Macht in algorithmischen Entscheidungsprozessen“. In: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency . S.  149–159 . doi : 10.1145/3442188.3445919 . ISBN 978-1-4503-8309-7Die