公生平，偏生暗。公平正义是千百年来政治生活追求的善，维系公平是政府执政过程中的重大考验。2013年以来，随着人工智能技术的第三次高潮的到来，深度学习算法被应用于社会各种场景中，惠及社会中每一个人。然而，作为黑盒模型的深度学习算法动辄包含千万乃至上亿的模型参数，在模型调优过程中人类难以对如此海量的参数背后的决策逻辑与模式作出解释。解释性缺失造成的最直接后果是模型无法回应社会中善的观念，而公平性则是其中突出且尖锐的矛盾焦点。已有研究表明，在法律^[1]、医疗^[2]、社会学^[3]以及政策科学^[4]等领域，缺少公平性考量的智能决策算法有可能给人群中的特定群体施加歧视，危害这些群体的切实利益。最早受到公平性质疑的算法辅助决策系统COMPAS在被美国政府用于预测犯罪累犯率的过程中，被发现对于有色人种有着更强的有罪推定倾向^[5]。无独有偶，用于提供医疗服务的Optum系统^[6]在对数据进行重复分析时发现，比起白人患者，需要额外护理的黑人患者病情要更为严重。