개인·그룹 공정성 균형을 위한 하이브리드 접근법 리뷰

초록

본 논문은 그룹 공정성(GF)과 개인 공정성(IF)을 동시에 만족시키려는 하이브리드 방법들을 체계적으로 정리하고, 두 개념 사이의 근본적인 트레이드오프를 이론·실험적 관점에서 분석한다. 공정성 메커니즘, 최적화 전략, 평가 방법을 기준으로 기존 연구를 분류하고, 현재 한계와 향후 연구 과제를 제시한다.

상세 분석

이 설문은 기존의 공정성 연구가 GF와 IF를 별도 영역으로 다루는 한계를 지적하고, 두 개념을 통합하는 하이브리드 프레임워크의 필요성을 강조한다. 먼저, GF와 IF의 정의를 수학적으로 명확히 구분한다. GF는 민감 속성에 대한 통계적 독립성(예: 인구통계적 평등, 동등한 기회, 예측 평등) 혹은 조건부 독립성(예: 분리, 충분성)으로 표현되며, 데이터에 민감 속성이 존재하면 바로 측정 가능하다. 반면 IF는 “유사한 개인은 유사하게 대우받아야 한다”는 원칙에 기반해, 특징 공간의 거리(metric)와 예측 공간의 거리 사이에 Lipschitz 연속성을 부여한다. 이때 거리 함수 선택이 도메인 의존적이며, 실제 시스템에 적용하기 어렵다는 실무적 제약이 있다.

논문은 GF와 IF가 일반적인 경우 동시에 만족할 수 없음을 기존 이론(