與人工智能的好處一樣強大，使用偏差數據和有缺陷的AI模型可能會造成很多損害。

斯坦福大學高級研究學者兼數字公民社會實驗室主任露西·伯恩霍爾茲（圖）表示，為了解決這一日益嚴重的問題，必須將人的價值觀納入整個數據科學過程。

她說：“ ［價值觀］不應成為單獨的討論主題。” “我們需要就以下內容進行對話：我們要為什么而努力，我們要保護誰，如何試圖識別個人的人為因素，而這必須貫穿于整個數據科學之中。”

伯恩霍爾茲與之交談索尼婭Tagare，theCUBE，SiliconANGLE Media的移動即時串流工作室主持人的女性數據科學大會在斯坦福大學，加州期間，。他們討論了價值在數據科學中的重要性，為什么必須要有一個多元化的團隊來構建和分析算法以及數字公民社會實驗室正在開展的工作。

根據伯恩霍爾茨的說法，所有數據都是有偏見的，因為是人們在收集數據。她強調說：“而且我們正在將偏見建立到數據科學中，然后將這些工具導出到偏見系統中。” “你猜怎么著？問題變得越來越嚴重。因此，讓我們停止這樣做。”

Bernholz解釋說，在創建算法并進行分析時，數據科學家需要確保他們正在考慮數據集中所有不同類型的人，并在上下文中了解這些人。

“我們非常清楚，有色女性與白人男性面臨的環境不同;他們不會以同樣的方式走遍世界。”她解釋說。“而且認為您的購物算法不會影響他們在現實世界中所經歷的差異是荒謬的。”

她補充說，還必須讓參與算法創建以及公司管理的人員具有不同的個人資料，他們可以決定是否以及如何使用它們。