中新經緯3月24日電 (王玉玲)近日，由中國人民大學高瓴人工智能學院、智能社會治理跨學科交叉平臺和基于大數據文科綜合訓練國家級虛擬仿真實驗教學中心聯合主辦的算法公平性與內容生態建設研討會在線上舉行。中國科學技術大學教授馮福利提出因果推理具備精準推斷的能力，在推薦公平或算法公平領域非常有前景。

馮福利指出，有偏差不等于不公平，更重要的是如何定義偏差。目前的主要問題在于公平的定義非常寬泛，是一個“大水漫灌”型的概念。但是我們覺得在偏差和公平之間，更應該改進的是如何去定義偏差。在統計學上來說，偏差等于預期目標和實際結果之間的差值，如果我們提前定義好公平和偏差，最后推薦的結果和定義好的公平之間有偏差，那它就反映公平性。

從因果角度能對公平給出更精確的定義，現在算法推薦領域急需去研究的，用因果語言來表達的話，是路徑特定公平性。

比如職業推薦場景的性別公平，“如果我給兩個背景相似的男性和女性，推薦CEO職位，男女比例不一樣，可能這是一個不公平的現象。但是如果推薦搬磚工崗位，我給男生推多一點，因為他有力量優勢，那就是一個合理推薦。”從因果角度來說，如果性別直接影響推薦結果，那是不公平的；如果性別影響勞動能力，進而影響推薦結果。那并不一定意味著不公平。”馮福利認為，公平更適宜定義成消除直接路徑上的影響，從公平顆粒度或者公平定義的角度，所以，需要梳理敏感信息的直接影響和間接影響，然后弄明白要消除的到底是哪方面影響。

其次，馮福利認為個性化與公平性并不是嚴格的取舍/權衡的關系。他指出，并不需要對所有用戶都解決興趣放大的問題，有些用戶就喜歡待在熟悉的興趣里，對于此類用戶，強行對抗他的個性，對他來說并不是有效或者精準的推薦。

我們需要通過更精準的因果推斷，做個性化的調整。對于有些用戶，我們要消除興趣放大問題，對于有些用戶，我們應該允許放大效應存在。總結來看，如果我們能夠做到更精準的因果推斷，那我們是能夠做到更好的權衡和取舍。

最后，馮福利認為，因果推理的技術也能夠解決公平性隱蔽性的問題。“我們如果能夠量化出是否追求公平帶來的因果效應，我們就能很容易做出決策說是否需要公平。”馮福利說道。(中新經緯APP)

關鍵詞： 馮福利以因果推理解決算法公平性問題