但是，由于天赋和继承钱财并不受个人控制，而是运气问题。因此，有人可能会说，这些因素不应该在公正中发挥作用，基于这些因素的不平等是不公平的。功绩主义（meritocratic）的公正观会将成功的选择限制在与人们的实际工作有关的因素上，例如努力工作以获得就业岗位。因此，一种公平的算法应该是一种将优点考虑在内的算法。然而，这也是有问题的，因为学位和其他结果等外在标准并不一定能告诉我们，一个人为了获得这一结果付出了多少努力。我们怎么知道例子中的人是通过什么努力获得学位的呢？例如，考虑到申请人的教育和社会背景，他可能很容易就获得了学位。我们又如何知道那些生活在“差的”社区中的人的优点呢？当我们考虑到他们的背景并从糟糕的结果（这里指的是没有学位）来看待这一点时，我们可能会认为他们没有做太多的工作来改善自己的处境，而实际上可能并非如此，因此他们应该得到远远多于在所谓功绩观念下得到的东西。从功绩的角度来理解公正可能是公平的，但却不那么容易实现。
然而，即使人们拒绝将公正视为绝对的分配平等或基于功绩的公正，也还有其他关于公正的观念。一种观点认为，如果每个人都能获得最低限度的特定物品（这里指的是获得工作的机会），那就是公正的。根据这种充足主义（sufficitarian）的正义观（例如，Frankfurt 2000；Nussbaum 2000)，我们需要设立一个门槛。在这样的社会中，住在富人区的人仍然有更多的机会被算法选中。但生活在贫困社区的人，无论其他因素如何，都会有一个最低限度的机会去获得工作。居住在特定社区与获得工作之间的相关性仍然存在，但其在决策过程中的相关性会减弱。之所以会出现这种情况，要么是因为在算法运作之前或之后有不同的政策带来了这种变化，要么是因为算法的调整方式使其给每个人提供了最低机会（成功的临界值），其他因素有可能增加这种机会，但不可能低于临界值。或者，每个人都可能获得最低限度的工作时间（和收入）或最低限度的金钱。
第三章 平等与公正：人工智能的偏见与歧视
057