# Stronniczość i sprawiedliwość

EN: **Bias and fairness** · id `fairness`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Bezpieczeństwo i governance](https://aiatlasgraph.com/t/safety.md) › Stronniczość i sprawiedliwość

## Description

- PL: Skutki różnego działania systemu wobec różnych grup.
- EN: Effects of a system behaving differently toward different groups.

## In one sentence

- PL: To badanie, czy model działa nierówno wobec różnych grup ludzi i jakie skutki to powoduje.
- EN: This examines whether a model behaves differently across groups of people and what consequences follow.

## Problem it solves

- PL: Średni wynik wygląda dobrze, lecz część osób częściej dostaje błędną lub krzywdzącą odpowiedź.
- EN: Average performance looks good, but some people receive incorrect or harmful responses more often.

## What it does

- PL: Porównuje dane, błędy i skutki decyzji między grupami, a następnie dobiera i sprawdza działania ograniczające nierówności.
- EN: It compares data, errors and decision effects across groups, then selects and checks measures to reduce disparities.

## Everyday example

- PL: Sprawdzasz, czy model rozpoznawania mowy gorzej zapisuje wypowiedzi osób z wybranym akcentem.
- EN: You check whether a speech model transcribes people with a particular accent less accurately.

## This concerns you if you…

- PL: system obsługuje różne grupy ludzi
- PL: średnie wyniki mogą ukrywać nierówne działanie
- EN: serve different groups of people
- EN: suspect average results hide unequal performance

## Keywords

demographic parity · equalized odds · equal opportunity · Fairlearn · subgroup evaluation · allocation harms · representation harms · fairness-accuracy trade-off

## How it works

- PL: Definiuje się rodzaje szkód i grupy, a następnie mierzy jakość oraz decyzje w ich kontekście. Analiza danych, progów i procesu pozwala odróżnić nierówny wynik od przyczyny oraz dobrać interwencję do konkretnego zastosowania.
- EN: Harms and affected groups are defined before measuring quality and decisions in context. Data, threshold and workflow analysis separates unequal outcomes from causes and guides application-specific interventions.

## Limits

- PL: Jedna metryka nie rozstrzyga sprawiedliwości społecznej ani prawnej. Brak danych o grupach ukrywa różnice, a małe próbki zwiększają niepewność; korelacja nie wyjaśnia przyczyny szkody.
- EN: One metric cannot establish social or legal fairness. Missing group data hide differences, while small samples increase uncertainty; correlation does not explain harm causes.

## Key terms

- PL: **szkoda alokacyjna**: Nierówny dostęp do zasobów lub możliwości przez decyzje systemu.
- PL: **jakość dla podgrupy**: Wynik systemu liczony osobno dla określonej części populacji.
- EN: **allocation harm**: Unequal access to resources or opportunities caused by system decisions.
- EN: **subgroup performance**: System performance calculated separately for a specified population subset.

## Know first

- [Metryki klasyfikacji i regresji (Classification and regression metrics)](https://aiatlasgraph.com/t/classmetrics.md)
- [Etykietowanie i feedback (Annotation and feedback)](https://aiatlasgraph.com/t/annotation.md)

## Examples

- PL: Bias · fairness

## Subtopics (2 direct, 2 in total)

- [Metody ograniczania stronniczości (Bias mitigation techniques)](https://aiatlasgraph.com/t/biasmitigation.md): Reducing disparities at three stages: before training (transforming data), during training (fairness-constrained optimisation) and after training (e.g. group-specific decision thresholds).
- [Metryki sprawiedliwości grupowej (Group fairness metrics)](https://aiatlasgraph.com/t/fairnessmetrics.md): Comparing model behaviour across groups defined by sensitive features: are positive decisions and errors distributed similarly? Different metrics conflict with each other, and a near-zero gap does not by itself mean the result is fair.

## Related topics

Untyped, symmetric "see also" links.

- [Wyjaśnianie decyzji kredytowych i równe traktowanie (Explaining credit decisions and fair lending)](https://aiatlasgraph.com/t/creditexplain.md)

## Sources

- [NIST · AI Risk Management Framework](<https://www.nist.gov/itl/ai-risk-management-framework>) `nist` · reference: Uzupełnienie kursów o ryzyko i zarządzanie AI; nie porada prawna.
- [Full Stack Deep Learning (2022, archiwum)](<https://fullstackdeeplearning.com/course/2022/>) `fsdl` · reference: Pełny cykl systemu ML: dane, testy, wdrażanie, monitoring, zespoły i etyka.
- [Fairlearn User Guide — Fairness in Machine Learning; Mitigations](<https://fairlearn.org/main/user_guide/fairness_in_machine_learning.html>) `fairlearn-user-guide` · by projekt Fairlearn (społeczność open source)

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/fairness · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30