Sorelle Friedler是一位计算机科学家，也是哈弗福德学院的教授，她在该校领导关于算法公平性和机器学习透明度的研究。她因在自动化决策系统中定义和操作化公平性方面的贡献而受到认可，特别是通过她担任ACM FAT*（公平性、问责制和透明度）会议联合主席的角色。她的工作弥合了理论计算机科学与人工智能的社会影响之间的鸿沟。
Friedler的研究聚焦于数据和算法中的偏见如何延续或加剧社会不平等。她发表了关于公平性数学基础的有影响力的论文，包括同时满足多个公平性标准的不可能性。她的学术研究塑造了围绕机器学习在招聘、刑事司法和贷款中使用的政策讨论。
学术生涯
Friedler在马里兰大学获得计算机科学博士学位，期间研究计算几何和拓扑学。她于2012年加入哈弗福德学院任教，成为计算机科学系的终身教授。在哈弗福德，她创立了数据科学项目，并指导了众多本科生研究人员，其中许多人后来在计算领域继续深造。
她早期的计算几何工作为后来的算法分析奠定了基础。她应用拓扑数据分析来理解高维数据结构，这为她随后对公平性指标的关注提供了信息。Friedler曾在包括卡内基梅隆大学在内的机构担任访问职位，并与学术界和工业界的研究人员合作。
公平性研究
Friedler在2016年发表的开创性论文《论公平性的（不）可能性》中，与同事合著，证明了没有任何单一算法能同时满足所有常见的公平性定义。这一结果，被称为不可能性定理，已成为算法公平性文献的基石。该论文形式化了个体公平性（类似个体受到类似对待）和群体公平性（不同人口群体获得平等结果）之间的区别。
她提出了“建设性公平性”的概念，该概念考虑了数据中不可观测的真实属性与可观测的代理变量之间的差距。这一框架帮助实践者识别公平性干预何时具有意义。Friedler的工作还引入了用于审计算法的实用工具，包括在分类系统中检测差异性影响的方方法。她的研究得到了国家科学基金会和Mozilla基金会的资助支持。她曾就自动化决策中透明度的必要性向政府机构作证，并为民间社会组织提供算法问责方面的咨询意见。
FAT*会议领导力
Friedler于2018年担任ACM FAT*会议（现为ACM FAccT）的联合主席，与该领域的其他领先研究人员合作。该会议始于2014年的研讨会，现已成为社会技术系统中公平性、问责制和透明度跨学科研究的主要场所。在她的联合主席任期内，该活动扩大了范围，纳入了更多社会科学和法律视角。
她帮助建立了会议的同行评审流程，强调研究的可重复性和伦理审查。Friedler还参与了在主要神经网络和深度学习会议上组织相关研讨会的工作，将公平性考量带入主流AI研究社区。
教学与倡导
在哈弗福德，Friedler开发了关于数据伦理和算法正义的课程，将哲学和法律读物融入计算机科学课程中。她一直积极倡导将公平性分析纳入标准机器学习教育，认为缺乏社会背景的技术培训是不完整的。
她合著了有影响力的文章《机器学习中公平性增强干预的比较研究》，该文章实证评估了减少偏见的方法。这项工作为实践者提供了实用指导，并在学术界和工业界被广泛引用。Friedler在许多会议上发表过主题演讲，并在媒体上讨论算法偏见问题。
精选出版物
她值得注意的出版物包括《论公平性的（不）可能性》（2016年）、《公平性增强干预的比较研究》（2019年）和《建设性公平性》（2017年）她的论文发表在顶级场所，包括ACM公平性、问责制和透明度会议、国际机器学习会议以及机器学习研究杂志上。她还为面向公众的媒体撰写了关于生成式人工智能和自动化系统伦理影响的文章。
Friedler正在进行的工作考察了新兴技术中的公平性，包括大规模变换器模型及其在现实世界应用中的部署。她继续与政策制定者和行业团体合作，制定算法审计的标准。
认可
Friedler因其研究和教学获得了多个奖项，包括哈弗福德学院Lindback基金会杰出教学奖。她被任命为计算机协会杰出会员，以表彰她对计算和社会的贡献。她的工作已被美国国家科学院、工程院和医学院关于负责任AI发展的报告所收录。