Fair algorithms in context

De techniek van Machine Learning heeft zich het afgelopen decennium sterk ontwikkeld. Dat heeft geleid tot een groot aantal nieuwe toepassingen. Sommige van deze toepassingen vallen binnen het sociale domein. Modellen op basis van dataprofielen kunnen een grote invloed krijgen op het leven van individuen. Om ongewenste discriminatie in deze modellen te helpen voorkomen zijn inmiddels verschillende methoden ontwikkeld op het gebied van algoritmische eerlijkheid.

Bijgaand document biedt context bij deze eerlijkheidsmethoden. Daarbij koppelen we resultaten van wetenschappelijk onderzoek naar methoden aan vragen uit het publieke debat en praktische overwegingen. Het doel van algoritmische eerlijkheid wordt uitgelegd en onderscheiden van gerelateerde problemen die in het lopende debat spelen. Een methode om eerlijke algoritmen te ontwerpen, die steunt op de causaliteitstheorie, wordt besproken. Hiermee komen resultaten van recent wetenschappelijk onderzoek beschikbaar voor een breder publiek. Ten slotte bekijken we eerlijke algoritmen vanuit het perspectief van praktische implementatie, met aandacht voor uitdagingen die een rol spelen om de theorie in de praktijk te brengen.