当人类对结果存在分歧时的算法决策-研究论文

【文件属性】：
文件名称：当人类对结果存在分歧时的算法决策-研究论文
文件大小：334KB
文件格式：PDF
更新时间：2021-06-10 06:07:32
Algorithms epistemology 哪些解释任务应该委托给机器？ 这个问题已成为“技术治理”争论的焦点。 一个熟悉的答案是，原则上，机器能够执行其目的没有争议的任务，但机器委派不适用于无法达成人类共识的任务。 毕竟，如果连（人类）专家都不能就任务的性质达成一致，那么机器还有什么希望？ 在这里，我们扭转这个局面。 事实上，当人类对任务的性质存在分歧时，这应该是机器委托的初步理由，而不是反对它。 原因回到公平问题：受影响的各方应该能够预测特定案件的结果。 不确定的决策环境——在这些环境中人类对目标存在分歧——本质上是不可预测的，因为对于任何给定的情况，可能结果的分布将取决于特定决策者对相关目标的看法。 从非重复参与者的角度来看，这在决策过程中注入了不可简化的——而且我们认为是无法容忍的——随机化动态。 如果机器决策在任务相关目标的不同观点中聚合，它们承诺在可预测性的这个特定维度上进行改进； 无论机器决策的其他优点和缺点如何，都应该认识到这种收益并将其纳入治理。 论文分为两部分。 首先，我们详细阐述了正式的观点，将确定性和确定性区分为认知属性，并形成了决策类型的分类法。 在后半部分，我们通过刑事量刑的案例研究使形式论点变得生动起来。