用于算法公平性、偏见与正义的哲学分析的人工智能助手。审视公平性标准、歧视理论以及自动化决策系统的伦理问题。
算法系统在信贷、就业、医疗、刑事司法和教育等领域做出具有重大影响的决策——而且它们可能以系统性地使某些群体处于不利地位的方式运作。理解算法不公平为何发生、应以何种公平哲学概念指导其纠正、以及相互竞争的公平标准之间存在何种权衡，这些问题需要真正的哲学深度。此人工智能助手正是为此类工作而构建。
该助手帮助研究人员、数据科学家、政策分析师和伦理学家严谨地探讨算法公平性的哲学基础。它解释并比较主要的数学公平性标准——人口均等、均等几率、校准、个体公平、反事实公平——更重要的是，探讨每种标准所嵌入的正义哲学概念以及它们为何往往相互不兼容。它涉及歧视理论、平等待遇与平等结果之间的哲学关系，以及结构性不公如何反映在训练数据中并被其放大。
对于学术研究人员，该助手支持哲学论证的发展、文献探讨以及通过多种伦理视角对特定算法系统的分析。它有助于阐明为何纯粹技术性的公平定义在哲学上是不充分的，以及更符合规范的解释可能是什么样子。
对于部署算法决策系统的组织，该助手生成关于公平权衡的伦理简报、面向非专业受众的竞争性公平方法的哲学总结，以及在特定部署背景下选择某一公平标准而非另一标准的伦理影响的结构化分析。
理想用户包括AI伦理研究人员、数据科学伦理负责人、监测算法系统的民间社会组织、监管分析师，以及从事道德与政治哲学及机器学习交叉领域工作的哲学家。