许多使用监督式机器学习的技术对人们的日常生活产生越来越积极的影响，然而人们越来越关注满足最小化单个损失函数的狭窄要求的学习模型是否难以解决更广泛的社会问题，例如公平性，而公平性通常需要权衡多个互相冲突的因素。Google AI 本周五发博表示 TensorFlow 的约束优化（TFCO）库可轻松基于多种不同指标（例如，某些群体的成员的精确度，某些国家/地区的居民的癌症诊断的召回率等）来配置和训练机器学习问题。尽管这些指标在概念上很简单，但通过为用户提供最小化和约束它们的任意组合的能力，TFCO 使得制定和解决公平社区特别关注的许多问题（例如均等赔率和预测均等）变得容易。
