機械学習やデータ科学は，与信，採用，保険などの重要な決定に使われるようになってきた．そこで，これらの決定を，人種や性別などのセンシティブ情報に対して公平性を担保しつつ行う公平性配慮型機械学習が研究されている．本解説では，まず機械学習の予測が不公平になる原因と，その原因ごとの事例を紹介する．そして，機械学習で用いられる形式的公平性規準について説明し，同時には達成できない規準があるといった性質を紹介する．後半では，機械学習で公平性を保つための課題として，公平性の検証手法や公平性を保証する学習手法などを紹介する．
