본 논문은 어려운 분류 인스턴스에 대한 예측을 거부할 수 있는 절제 분류기를 다룹니다. 기존 절제 메커니즘은 주로 다수 그룹의 오류를 줄이는 데 집중하여 민족 그룹 간 성능 차이를 증가시키는 불공정성 문제를 야기합니다. 본 논문에서는 해석 가능하고 공정한 절제 분류기(IFAC)를 제안하여 이 문제를 해결합니다. IFAC는 불확실성과 불공정성을 기반으로 예측을 거부하며, 규칙 기반 공정성 검사 및 상황 테스트를 통해 투명하고 해석 가능한 절제 과정을 제공합니다. 이를 통해 민족 그룹 간 오류 및 긍정적 결정 비율 차이를 줄이고, 인간 의사결정자가 불공정 예측을 검토하여 더 공정한 결정을 내릴 수 있도록 지원합니다. 특히 최근 AI 규정에서 고위험 의사결정에 대한 인간 전문가의 감독을 의무화함에 따라, 본 논문의 해석 가능한 접근 방식은 중요한 시사점을 갖습니다.
