问：您在机器学习峰会的演讲主题是什么？

我将介绍机器学习社区在设计更"符合伦理"的算法和模型方面的最新研究：这些方法在保持人工智能和机器学习优势的同时，能够遵循公平性、可解释性和隐私等重要社会规范。

例如，我将讨论名为"差分隐私"的丰富算法工具包。这是一种通过向计算添加噪声和随机性的强大方法，使我们在开发机器学习模型时能为个人隐私提供有力保障。此外，近期基于博弈论的机器学习算法可用于执行涉及种族或性别的群体公平性概念。博弈论本质上是用于推理个体相互作用的系统中集体结果的数学框架。生成对抗网络（GANs）可将算法构建为生成器与判别器之间的博弈：生成器希望合成数据集尽可能接近真实数据集，而判别器则被设计用于指出差异。

问：为何这一话题在当今科学界尤为重要？

即便是随意观察者也会注意到，社会对人工智能和机器学习潜在危害与滥用的担忧日益增加，相关报道如今已广泛传播。

虽然这类报告通常呼吁加强技术相关法律法规，但我的演讲将指出一种替代性、互补性的解决方案：从一开始就设计"行为更规范"的具备社会意识的算法和模型。部分相关科学已相对成熟（如差分隐私），而其他方法（如使机器学习模型更"可解释"）则处于起步阶段。我们需要进一步探索这些主题，以深化对人们如何使用和解释预测模型的行为理解。

问：在构建社会意识算法设计的新科学过程中，您认为哪三项进展令人振奋？

首先是基础科学本身，它真正指引我们开发出能平衡准确性、效用性与人工智能主要社会关切的新算法技术。其次，这类科学开始在现实应用中被大规模采纳，例如2020年美国人口普查采用差分隐私技术，以及某中心推出的具备公平性和可解释性的机器学习服务。最后，过去十年围绕这些议题形成的真正跨学科社区令人振奋，涵盖机器学习研究者、法律监管专家、政策制定者、社会科学家等多方力量，使相关工作兼具趣味性、教育意义和实际影响力。