亚马逊人工智能公平性与可解释性白皮书，17页pdf

机器学习模型和数据驱动系统正越来越多地用于帮助在金融服务、医疗保健、教育和人力资源等领域做出决策。机器学习应用程序提供了诸如提高准确性、提高生产率和节约成本等好处。这一趋势是多种因素共同作用的结果，最显著的是无处不在的连通性、使用云计算收集、聚合和处理大量细粒度数据的能力，以及对能够分析这些数据的日益复杂的机器学习模型的更好访问。

开发负责任的人工智能解决方案是一个过程，涉及在人工智能生命周期的所有阶段与关键利益相关者(包括产品、政策、法律、工程和人工智能/ML团队，以及最终用户和社区)进行输入和讨论。在本文中，我们主要关注ML生命周期中用于偏见和可解释性的技术工具。我们还提供了一个简短的章节，介绍了AI公平性和可解释性的限制和最佳实践。

https://pages.awscloud.com/rs/112-TZM-766/images/Amazon.AI.Fairness.and.Explainability.Whitepaper.pdf