了解如何通过机器学习评估监管公平性

smlsun

机器学习的危险-使用计算机识别和分析数据模式(例如在面部识别软件中)在最成为头条新闻。斯坦福大学研究人员的一项新研究表明这项技术还有望以公平透明的方式帮助执行联邦法规包括与环境相关的法规。[url=http:///www.biofeng.com/xibaopeiyang/media/M3003.html]EMEM培养基[/url]取出部分细胞悬液转移到新的培养皿/瓶中，添加适当的完全培养基，于培养箱中培养。[align=center]

                               
登录/注册后可看大图

[/align]





该分析报告于本周在计算机协会公平问责和透明度会议的会议记录中发表(链接是外部的)评估了旨在支持美国环境保护署(EPA)倡议的机器学习技术以减少严重违反该法案的行为。清洁水法。它揭示了所谓的算法设计的两个关键要素如何影响哪些社区是合规性工作的目标因此是谁承担污染行为的负担。鉴于最的行政措施(外部链接)要求重新关注环境正义因此由斯坦福森林环境研究所的现环境创新计划资助的分析是及时的。


研究共同负责人丹尼尔何(D H)威廉本杰明斯科特(W B S)和露娜M斯科特(L MS)教授说：机器学习正被用来帮助管理联邦机构的任务这是提高效率的一种方式。斯坦福大学法学院法学硕士。但是我们还表明仅设计基于机器学习的系统可以带来额外的好处。


普遍不遵守


《清洁水法》旨在限制直接排放到水道中的体的污染但是在任何给定的份中将的此类设施自我报告持续或严重违反许可证的行为。为了在之将这种类型的不合规现象减少一半EPA一直在探索使用机器学习来针对合规性资源。


为了测试这种方法EPA向学术界伸出了援助之手。在其选定的合作伙伴中包括斯坦福的法规评估和治理验室(RL)这是一个由H的法律专家数据科学家社会科学家和工程师组成的跨学科团队。该小组已经与联邦和州机构进行了持续的工作以帮助环保。