人們都曾看過(guò)機(jī)器控制了世界而人類被毀滅的電影。好在這些電影是娛樂(lè)性的，而且人們都認(rèn)為這些場(chǎng)景是不會(huì)發(fā)生的。然而，一個(gè)更應(yīng)該關(guān)注的現(xiàn)實(shí)問(wèn)題是：算法偏見(jiàn)。

算法偏見(jiàn)帶來(lái)的問(wèn)題

所謂“算法偏見(jiàn)”是指在在看似沒(méi)有惡意的程序設(shè)計(jì)中帶著創(chuàng)建者的偏見(jiàn)，或者所采用的數(shù)據(jù)是帶有偏見(jiàn)的。結(jié)果當(dāng)然是帶來(lái)了各種問(wèn)題，例如，被曲解的谷歌搜索，合格的候選人被禁止進(jìn)入醫(yī)學(xué)院，聊天機(jī)器人在推特上發(fā)布種族主義和性別歧視信息等。

算法偏見(jiàn)造成的最棘手的問(wèn)題是，從事編程的工程師即使主觀上沒(méi)有種族主義、性別歧視、年齡歧視等傾向，也有可能造成偏見(jiàn)。人工智能(AI，Artificial Intelligence)本質(zhì)上就是為了自學(xué)而設(shè)計(jì)的，有時(shí)它的確會(huì)出錯(cuò)。當(dāng)然，人們可以在事后做出調(diào)整，但最好的解決辦法是一開(kāi)始就防止它發(fā)生。那么，怎樣才能讓人工智能遠(yuǎn)離偏見(jiàn)呢?

具有諷刺意味的是人工智能最令人興奮的可能性之一就是能夠搭建一個(gè)沒(méi)有人類偏見(jiàn)的世界。比如當(dāng)涉及到招聘時(shí)，一種算法可以讓男性和女性在申請(qǐng)同一份工作時(shí)獲得平等的待遇，或者在警務(wù)工作中防止發(fā)生種族偏見(jiàn)。

不管人們是否意識(shí)到，人類創(chuàng)造的機(jī)器確實(shí)反映了人們?cè)鯓邮强创澜绲模虼艘矔?huì)有類似的刻板印象和世界觀。由于人工智能越來(lái)越深入到生活中，人類必須重視它。

偏見(jiàn)的分類

人工智能面臨的另外一個(gè)挑戰(zhàn)是，偏見(jiàn)不是以一種形式出現(xiàn)的，而是有各種類型的。這包括交互偏見(jiàn)、潛意識(shí)偏見(jiàn)、選擇偏見(jiàn)、數(shù)據(jù)驅(qū)動(dòng)的偏見(jiàn)和確認(rèn)偏見(jiàn)。

“交互偏見(jiàn)”是指用戶由于自己與算法的交互方式而使算法產(chǎn)生的偏見(jiàn)。當(dāng)機(jī)器被設(shè)置向周圍環(huán)境學(xué)習(xí)時(shí)，它們不能決定要保留或者丟棄哪些數(shù)據(jù)，什么是對(duì)的，什么是錯(cuò)的。相反，它們只能使用提供給它們的數(shù)據(jù)——不論是好的、壞的，還是丑的，并在此基礎(chǔ)上做出決策。前面提到的聊天機(jī)器人Tay便是這類偏見(jiàn)的一個(gè)例子。它是受到一個(gè)網(wǎng)絡(luò)聊天社區(qū)的影響而變得偏種族主義了。

“潛意識(shí)偏見(jiàn)”是指算法錯(cuò)誤地把觀念與種族和性別等因素聯(lián)系起來(lái)。例如，當(dāng)搜索一名醫(yī)生的圖像時(shí)，人工智能會(huì)把男性醫(yī)生的圖像呈現(xiàn)給一名女性，或者在搜索護(hù)士時(shí)反過(guò)來(lái)操作。

“選擇偏見(jiàn)”是指用于訓(xùn)練算法的數(shù)據(jù)被傾向性地用于表示一個(gè)群體或者分組，從而使該算法對(duì)這些群體有利，而代價(jià)是犧牲其他群體。以招聘為例，如果人工智能被訓(xùn)練成只識(shí)別男性的簡(jiǎn)歷，那么女性求職者在申請(qǐng)過(guò)程中就很難成功。

“數(shù)據(jù)驅(qū)動(dòng)的偏見(jiàn)”是指用來(lái)訓(xùn)練算法的原始數(shù)據(jù)已經(jīng)存在偏見(jiàn)了。機(jī)器就像孩子一樣：他們不會(huì)質(zhì)疑所給出的數(shù)據(jù)，而只是尋找其中的模式。如果數(shù)據(jù)在一開(kāi)始就被曲解，那么其輸出的結(jié)果也將反映出這一點(diǎn)。

最后一類是“確認(rèn)偏見(jiàn)”，這類似于數(shù)據(jù)驅(qū)動(dòng)的偏見(jiàn)，偏向于那些先入為主的信息。它影響人們?cè)鯓邮占畔ⅲ约叭藗冊(cè)鯓咏庾x信息。例如，如果自己覺(jué)得8月份出生的人比其他時(shí)候出生的更富有創(chuàng)造性，那就會(huì)偏向于尋找強(qiáng)化這種想法的數(shù)據(jù)。

當(dāng)我們了解到這么多偏見(jiàn)的例子滲入到人工智能系統(tǒng)時(shí)，似乎會(huì)引起我們的擔(dān)憂。但重要的是要認(rèn)清事實(shí)，記住這個(gè)世界本身就是有偏見(jiàn)的，因此，在某些情況下，人們對(duì)從人工智能中得到的結(jié)果并不奇怪。然而，并不應(yīng)該如此，人們需要一個(gè)對(duì)人工智能算法和系統(tǒng)進(jìn)行測(cè)試和驗(yàn)證的過(guò)程，以便在開(kāi)發(fā)期間和部署之前及早發(fā)現(xiàn)偏見(jiàn)。

人工智能算法及系統(tǒng)的測(cè)試與驗(yàn)證

與人類不同，算法不能撒謊，因此，如果結(jié)果是有偏見(jiàn)的，那一定有原因：和它得到的數(shù)據(jù)有關(guān)。人類可以撒謊去解釋不雇傭某人的原因，但人工智能不能。而采用算法，就有可能知道什么時(shí)候會(huì)出現(xiàn)偏見(jiàn)，并對(duì)其進(jìn)行調(diào)整，以便將來(lái)能克服這些問(wèn)題。

人工智能會(huì)學(xué)習(xí)，也會(huì)犯錯(cuò)。通常情況下，只有在實(shí)際環(huán)境中使用算法后才能發(fā)現(xiàn)任何內(nèi)在的偏見(jiàn)，因?yàn)檫@些偏見(jiàn)在實(shí)踐中被放大了。不應(yīng)把算法看成是一種威脅，而是解決任何偏見(jiàn)問(wèn)題的好機(jī)會(huì)，并能在必要的時(shí)候加以糾正。

可以通過(guò)開(kāi)發(fā)系統(tǒng)來(lái)發(fā)現(xiàn)有偏見(jiàn)的決策，并及時(shí)采取措施。與人類相比，人工智能特別適合采用貝葉斯(Bayesian)方法來(lái)確定某種假設(shè)的概率，從而消除所有人類偏見(jiàn)的可能性。這比較復(fù)雜，但是可行的，特別是考慮到人工智能的重要性(在以后幾年里只會(huì)越來(lái)越重要)。

隨著人工智能系統(tǒng)的建立和部署，非常重要的一點(diǎn)是必須理解它們是怎樣工作的，只有這樣才能通過(guò)設(shè)計(jì)讓它們具有意識(shí)，避免將來(lái)出現(xiàn)偏見(jiàn)問(wèn)題。不要忘記，盡管人工智能發(fā)展非常迅速，但仍處于起步階段，還有很多值得學(xué)習(xí)和改進(jìn)的地方。這種調(diào)整會(huì)持續(xù)一段時(shí)間，在此期間，人工智能會(huì)變得更聰明，將有越來(lái)越多的方法來(lái)克服偏見(jiàn)等問(wèn)題。

技術(shù)行業(yè)總是在質(zhì)疑機(jī)器是怎樣工作的，為什么這樣工作。雖然大部分人工智能是在黑盒中運(yùn)作的，決策過(guò)程是隱藏的，但人工智能的透明度是建立信任和避免誤解的關(guān)鍵。

目前有很多研究都在進(jìn)行幫助鑒別偏見(jiàn)的產(chǎn)生，例如Fraunhofer Heinrich Hertz研究所開(kāi)展的工作。他們正在研究識(shí)別不同類型的偏見(jiàn)，例如前面提到的偏見(jiàn)，還有一些更“低級(jí)”的偏見(jiàn)，以及人工智能訓(xùn)練和發(fā)展過(guò)程中可能出現(xiàn)的問(wèn)題。

另外還需要考慮的是無(wú)監(jiān)督訓(xùn)練。目前大多數(shù)人工智能模型是通過(guò)有監(jiān)督訓(xùn)練生成的：采集的是明顯帶有人類選擇的標(biāo)簽數(shù)據(jù)。而對(duì)于無(wú)監(jiān)督訓(xùn)練，使用不具任何標(biāo)簽的數(shù)據(jù)，算法必須要通過(guò)自己對(duì)數(shù)據(jù)進(jìn)行分類、識(shí)別和匯集。雖然這種方法通常比有監(jiān)督學(xué)習(xí)慢很多數(shù)量級(jí)，但這種方法限制了人的參與，因此，能夠消除任何有意識(shí)或者無(wú)意識(shí)的人為偏見(jiàn)，從而避免對(duì)數(shù)據(jù)產(chǎn)生影響。

在底層也有很多事情可以改進(jìn)。在開(kāi)發(fā)新產(chǎn)品、網(wǎng)站或者功能時(shí)，技術(shù)公司需要各方面的人員。多樣性會(huì)給算法提供各種各樣的數(shù)據(jù)，而這些數(shù)據(jù)也是有偏見(jiàn)的。如果能有一些人去分析輸出結(jié)果，那么發(fā)現(xiàn)偏見(jiàn)的可能性會(huì)更高。

此外，還可以發(fā)揮算法審計(jì)的作用。2016年，卡耐基梅隆研究小組在網(wǎng)絡(luò)招聘廣告中發(fā)現(xiàn)了算法偏見(jiàn)。當(dāng)他們列出了在網(wǎng)上尋找工作的人員后，谷歌廣告顯示，男性在高收入工作中所占比例是女性的近六倍。該小組的結(jié)論是，進(jìn)行內(nèi)部審計(jì)將有助于減少這類偏見(jiàn)。

結(jié)論

總之，機(jī)器偏見(jiàn)來(lái)自人的偏見(jiàn)。人工智能的偏見(jiàn)有多種方式的表現(xiàn)，但實(shí)際上，它只有一個(gè)來(lái)源：人類自己。

處理這一問(wèn)題的關(guān)鍵在于技術(shù)公司、工程師和開(kāi)發(fā)人員，他們都應(yīng)該采取有效的措施來(lái)防止無(wú)意中創(chuàng)建一種帶有偏見(jiàn)的算法。通過(guò)進(jìn)行算法審計(jì)并始終保持透明度，就有信心讓人工智能算法遠(yuǎn)離偏見(jiàn)。