机器学习中公平性的关节工作与修补

公平AI领域旨在通过计算建模来对抗有偏见的算法，但因其过度技术化和简化论的方法而面临越来越多的批评。因此，该领域出现了新的方法来处理更社会导向和跨学科（SOI）的公平AI视角。本文以此动态为起点，研究计算机科学（CS）与SOI研究之间的张力。通过借鉴STS和CSCW理论，我们将公平AI研究定位为"组织对齐"问题：使研究"可做"的关键在于成功对齐三个层面的工作组织（社会世界、实验室和实验）。通过对CS研究者进行定性访谈，我们分析了公平AI案例中可做研究所需的任务、资源和参与者。我们发现CS研究者在一定程度上参与SOI，但组织条件、关节工作和社会世界的模糊性限制了SOI研究的可做性。基于我们的发现，我们识别并讨论了随着公平AI发展，CS与SOI对齐所面临的问题。