数据公平：生成式AI的基础概念
数据公平性要求在整个数据生命周期中采取集体行动，以确保对所有利益相关方而言都是公平、公正且有益的结果。数据公平是一项共同的责任，需要通过集体行动来创建促进所有人公正和正义结果的数据实践和系统。
数据公平的定义
数据公平性旨在解决各种领域中驱动决策和算法及人工智能系统所用数据集中的历史、当前和潜在不平衡。此外，数据公平还关注数据集的可访问性以及它们在社会影响决策和系统中是如何被使用和由谁来使用的。参与性和集体责任与决策，尤其是个人和集体数据主体的责任与决策，是核心原则之一。因此，数据公平构成了技术开发与应用中的公正与正义的基础，并有助于建立对数字系统的信任。
数据公平框架
全球数据公平委员会（GFC）开发了一个数据公平框架，以使利益相关者能够构建更加公平的数据系统、流程和实践。该框架包含10个特征及相关关键问题，并按三大主要类别分组：数据、目的和人员。
- 数据：包括灵敏度、访问和产出，关注数据特征、来源可访问性、数据主体知情权和参与度等。
- 目的：包括信任、价值、原创性和应用，关注数据实践的透明度、数据价值分配、数据目的明确性、输出结果可持续性等。
- 人员：包括关系、专业知识、问责制和责任，关注数据团队多样性、社会文化专长咨询、知识产权保护等。
案例研究
报告通过六个案例研究展示了数据公平框架的应用，包括气候数据收集和监测、妇女在新兴市场获得金融服务的机会、医疗保健中的种族偏见、改善波士顿市收集性别数据的方式、绘制土著领土和国家统计局作为数据管理员等。
对利益攸关方的建议
报告为私营部门公司、技术专家、学术界和政府/公共部门提出了实施数据公平的建议行动，例如采用透明的伦理审批流程、采用透明的发布策略、嵌入模型和系统的可追溯性和责任感、实施道德影响评估等。
结论
实施提议的数据公平框架对于任何与数据相关的工作伊始就至关重要。该框架的迭代性和适应性旨在激发持续对话和数据实践的不断改进，并鼓励各利益相关方持续评估数据实践对不同群体的影响。
