Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.16056

帮助 | 高级搜索

计算机科学 > 计算机与社会

arXiv:2510.16056 (cs)
[提交于 2025年10月16日 ]

标题: 人工智能代理在临终决策中的算法公平性

标题: Algorithmic Fairness in AI Surrogates for End-of-Life Decision-Making

Authors:Muhammad Aurangzeb Ahmad
摘要: 人工智能代理是设计用于在个人失去决策能力时推断偏好的系统。 此类系统中的公平性是一个尚未得到充分探索的领域。 传统的算法公平性框架不足以应对决策具有关系性、存在性和文化多样性的场景。 本文通过将主要公平概念映射到潜在的现实世界临终情景,探讨了人工智能代理中的算法公平性伦理框架。 然后,它审视了不同道德传统中的公平性。 作者认为,该领域的公平性不仅包括结果的平等,还应涵盖道德代表性、对患者价值观、关系和世界观的忠实度。
摘要: Artificial intelligence surrogates are systems designed to infer preferences when individuals lose decision-making capacity. Fairness in such systems is a domain that has been insufficiently explored. Traditional algorithmic fairness frameworks are insufficient for contexts where decisions are relational, existential, and culturally diverse. This paper explores an ethical framework for algorithmic fairness in AI surrogates by mapping major fairness notions onto potential real-world end-of-life scenarios. It then examines fairness across moral traditions. The authors argue that fairness in this domain extends beyond parity of outcomes to encompass moral representation, fidelity to the patient's values, relationships, and worldview.
主题: 计算机与社会 (cs.CY) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2510.16056 [cs.CY]
  (或者 arXiv:2510.16056v1 [cs.CY] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.16056
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Muhammad Aurangzeb Ahmad [查看电子邮件]
[v1] 星期四, 2025 年 10 月 16 日 21:45:24 UTC (23 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.CY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
cs.AI
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号