본 논문은 학습 시스템의 불공정성 발생 원인이 편향된 데이터나 최적화 문제뿐 아니라 의사 결정 문제의 구조, 데이터 제약, 모델 표현력의 한계에서 비롯된다는 것을 밝혀냈습니다.
이상적인 환경에서도 유한한 샘플 데이터만으로는 불가피하게 부분집단 간의 불공정성이 발생하며, 엄격한 상대적 공정성을 강제하면 기하급수적으로 많은 샘플이 필요할 수 있습니다.
연구 결과는 표준 감독 학습을 넘어 광범위하게 적용 가능하며, 공정성을 달성하려면 명시적인 상충 관계를 고려해야 함을 시사합니다.