Обсуждение:Алгоритмическая справедливость

Напиши энциклопедическую статью для MachineLearning.ru на тему «Алгоритмическая справедливость» на русском языке. Придерживайся структуры и стиля, принятого в Википедии и научных энциклопедиях: текст должен быть понятным, нейтральным, хорошо структурированным и академически корректным. Целевая аудитория - студенты и инженеры в области искусственного интеллекта, машинного обучения, анализа данных и разработки ИИ-систем, в том числе начинающие. Статья должна быть полезна как новичку: понятно объяснять определения, мотивацию и практические примеры, так и более подготовленному читателю: содержать связи с математическими критериями справедливости, оценкой моделей, смещениями в данных, ответственным ИИ, регулированием и современной научной литературой. Объясни, что такое алгоритмическая справедливость, почему она важна при использовании моделей машинного обучения в задачах принятия решений, ранжирования, кредитного скоринга, найма, медицины, образования, правоохранительных систем и рекомендательных систем. Покажи, что несправедливость может возникать не только из-за намеренной дискриминации, но и из-за смещённых данных, выбранных признаков, целевой функции, ошибок измерения, исторических неравенств и особенностей внедрения модели. Опиши основные подходы и критерии справедливости: индивидуальную и групповую справедливость, demographic parity, equalized odds, equality of opportunity, calibration, counterfactual fairness. Объясни, что разные критерии справедливости могут конфликтовать друг с другом и что выбор критерия зависит от задачи, данных, правового и социального контекста. Отдельно обсуди методы уменьшения несправедливости в машинном обучении: предварительную обработку данных, ограничения и регуляризацию при обучении, постобработку решений, аудит моделей, интерпретируемость, мониторинг после внедрения и участие предметных экспертов. Не представляй алгоритмическую справедливость как полностью решённую техническую задачу; покажи, что это междисциплинарная область на стыке машинного обучения, статистики, права, этики и социальных наук. Не выдумывай факты, даты, имена, цитаты и источники. Используй надёжные научные источники и добавляй ссылки на них в текст статьи. В конце собери список литературы ненумерованным списком через `*`. Для источников используй шаблоны `{{{заглавие}}}.`, `{{{заглавие}}}.`, `[{{{url}}} {{{title}}}]`, как в русскоязычной Википедии и MachineLearning.ru. Важные понятия оформляй как ссылки на другие статьи энциклопедии, например: `Искусственный интеллект`, `Машинное обучение`, `Классификация`, `Ранжирование`, `Объяснимый искусственный интеллект`, `Ответственный искусственный интеллект`, `Большая языковая модель`, `Смещение выборки`. Используй вики-разметку. Не используй шаблон `Шаблон:О`. Если понадобятся формулы, используй теги ``, а не `<math>`. Статья не должна быть перегружена деталями. Избегай воды, публицистического тона, политических лозунгов и чрезмерно сложных формулировок. Главная цель — понятно объяснить, что означает справедливость алгоритмов, какие существуют формальные критерии, почему между ними возникают противоречия и как эти идеи применяются при разработке ИИ-систем. Выведи только готовую статью в MediaWiki-разметке, без комментариев и пояснений.