紐約州布法羅市–布法羅的一所多學科大學研究團隊已獲得80萬美元的資助，用于開發(fā)機器學習系統(tǒng)，該系統(tǒng)最終可以幫助案例工作者和人類服務機構(gòu)為每年超過20,000名沒有寄養(yǎng)的年齡的年輕人確定最佳的服務重新與家人團聚。

美國國家科學基金會和該贈款的共同出資者亞馬遜合作開展了一項名為“人工智能公平”(FAI)的計劃，該計劃旨在解決偏見并建立可信賴的計算系統(tǒng)，從而有助于解決現(xiàn)代社會面臨的最大挑戰(zhàn)。

在三年的時間里，UB研究人員將與美國最古老的家庭和青年非營利性人類服務組織之一，Hillside家庭代理機構(gòu)(紐約州羅徹斯特)合作，以及一個由具有最近因寄養(yǎng)而老齡化，開發(fā)了該工具。他們還將咨詢各個專業(yè)領域的國家專家，以告知這項復雜的工作。

研究人員將使用聯(lián)邦政府授權的兒童與家庭管理局(ACF)的全國過渡青年數(shù)據(jù)庫(NYTD)中的數(shù)據(jù)以及合作者的輸入來為他們的預測模型提供信息。每個州都參加NYTD，以報告青年在寄養(yǎng)中使用的經(jīng)驗和服務。

該團隊的三管齊下的目標是利用青年，案例工作者和寄養(yǎng)系統(tǒng)中的專家的經(jīng)驗，來識別用于訓練機器學習模型的數(shù)據(jù)中經(jīng)常難以發(fā)現(xiàn)的偏見;在有關服務的決策方面獲得關于公平的多種觀點;然后建立一個可以更公平有效地提供服務的系統(tǒng)。

UB計算機系助理教授肯尼斯·約瑟夫(Kenneth Joseph)表示，社會科學家們長期以來一直在考慮社會中的公平與正義問題，但從21世紀初期開始，人們對計算機如何使用不公平算法的認識日益提高?？茖W與工程和該項目的共同研究者之一。

約瑟夫(Joseph)是機器學習領域的專家，他的大部分研究重點在于更好地理解偏差如何進入計算模型，以及如何理解和解決造成偏差的社會和技術過程。

機器學習是可以幫助提取數(shù)據(jù)模式的任何計算機程序。無監(jiān)督學習可以識別模式，而無監(jiān)督學習則可以根據(jù)這些模式來預測某些東西。