最近的研究表明，看似公平的机器学习模型在为对人们的生活或福祉产生影响的决策提供信息（例如，涉及教育，就业和贷款的申请）可能会在长期内无意中增加社会不平等。这是因为先前的公平意识算法仅考虑静态公平限制，例如机会均等或人口统计奇偶。但是，强制执行这种类型的限制可能会导致模型对处境不利的个人和社区产生负面影响。我们介绍ELF（执行长期公平性），这是第一个分类算法，可提供高信任公平保证，以长期或延迟影响。我们证明，ELF返回不公平解决方案的概率小于用户指定的公差，并且（在轻度假设下），如果有足够的培训数据，ELF能够找到并返回公平的解决方案，如果存在一个公平的解决方案。我们通过实验表明，我们的算法可以成功缓解长期不公平。
translated by 谷歌翻译
几个世纪以来，人类文明设计了金属成型技术制作工具和物品;然而，定制的金属成形仍然昂贵和复杂。激光形成折纸}（Lasergami）是一种金属形成过程，其中激光束切割并折叠平面金属板以形成三维（3D）形状。然而，设计可由激光器可折叠的结构长期以来一直是试验和错误的实践，需要大量的心理努力，并阻碍了创造实际结构的可能性。这项工作首次演示了Lasergami可以形成先前被认为是不可能被激光形成的金属结构的自由形状的。这种技术突破通过新的计算折纸方法实现，该方法模仿花朵盛开和优化激光折叠指令。结合寻址激光视线和最小化制造能源的新想法，我们报告了一个低成本的制造框架，可以通过业余爱好者和专业人士易于采用。
translated by 谷歌翻译