人工智能 (AI) 具有巨大的潛力，可以通過創(chuàng)新來改善社會(huì)的方方面面，從傳統(tǒng)工程系統(tǒng)到醫(yī)療保健，再到藝術(shù)和娛樂領(lǐng)域的創(chuàng)意過程。例如，在好萊塢，制片廠正在使用人工智能來揭示和衡量劇本中的偏見——制片人和編劇需要這些工具來創(chuàng)造更公平和更具包容性的媒體。

然而，人工智能的智能程度取決于它所訓(xùn)練的數(shù)據(jù)，而這些數(shù)據(jù)反映了現(xiàn)實(shí)生活中的偏見。為了避免長期存在刻板印象和排他性，技術(shù)人員正在解決現(xiàn)實(shí)生活和創(chuàng)新中的公平和包容問題。

人類天生的偏見

由于技術(shù)人員希望使用 AI 來尋找以人為中心的解決方案來優(yōu)化行業(yè)實(shí)踐和日常生活，因此，注意我們與生俱來的偏見可能會(huì)產(chǎn)生意想不到的后果至關(guān)重要。

“作為人類，我們有很大的偏見，”德勤人工智能研究所全球負(fù)責(zé)人、德勤技術(shù)和人工智能倫理負(fù)責(zé)人 Ammanath說。“隨著這些偏見融入系統(tǒng)，社會(huì)各部分很可能被拋在后面——代表性不足的少數(shù)族裔，無法使用某些工具的人——這可能會(huì)導(dǎo)致世界上更多的不平等。”      

如果系統(tǒng)是用有偏見的數(shù)據(jù)訓(xùn)練出來的，或者研究人員沒有考慮到他們自己的觀點(diǎn)如何影響研究方向，那么出發(fā)點(diǎn)是好的項(xiàng)目——?jiǎng)?chuàng)造平等的結(jié)果或減輕過去的不平等——最終仍可能產(chǎn)生偏見。

Ammanath表示，到目前為止，對 AI 偏見的調(diào)整通常是對發(fā)現(xiàn)有偏見的算法或事后出現(xiàn)的代表性不足的人口統(tǒng)計(jì)數(shù)據(jù)做出的反應(yīng)。但是，企業(yè)現(xiàn)在必須學(xué)習(xí)如何積極主動(dòng)，盡早緩解這些問題，并為他們的人工智能工作中的失誤承擔(dān)責(zé)任。 

人工智能中的算法偏差

在人工智能中，偏見以算法偏見的形式出現(xiàn)。“算法偏差是構(gòu)建 AI 模型的一系列挑戰(zhàn)，”惠普實(shí)驗(yàn)室首席架構(gòu)師兼惠普企業(yè) (HPE) 副總裁 Kirk Bresniker 解釋說。“我們可能會(huì)遇到挑戰(zhàn)，因?yàn)槲覀兊乃惴o法處理不同的輸入，或者因?yàn)槲覀儧]有收集到足夠廣泛的數(shù)據(jù)集來整合到我們的模型訓(xùn)練中。無論哪種情況，我們都沒有足夠的數(shù)據(jù)。”

算法偏差也可能來自不準(zhǔn)確的處理、數(shù)據(jù)被修改或有人注入錯(cuò)誤信號。無論有意與否，這種偏見都會(huì)導(dǎo)致不公平的結(jié)果，可能會(huì)賦予一個(gè)群體特權(quán)或完全排除另一個(gè)群體。

例如，Ammanath 描述了一種算法，旨在識別不同類型的鞋子，例如人字拖、涼鞋、正裝鞋和運(yùn)動(dòng)鞋。然而，當(dāng)它發(fā)布時(shí)，該算法無法識別帶高跟鞋的女鞋。開發(fā)團(tuán)隊(duì)是一群剛畢業(yè)的大學(xué)畢業(yè)生——都是男性——他們從沒想過用女鞋訓(xùn)練它。 

“這是一個(gè)微不足道的例子，但你意識到數(shù)據(jù)集是有限的，”Ammanath 說。“現(xiàn)在考慮使用歷史數(shù)據(jù)來診斷疾病或疾病的類似算法。如果它沒有針對某些體型、某些性別或某些種族進(jìn)行訓(xùn)練怎么辦？這些影響是巨大的。”      

“至關(guān)重要的是，她說，如果你沒有那種多樣性，你就會(huì)錯(cuò)過某些場景。”    

更好的人工智能意味著自我監(jiān)管和道德準(zhǔn)則

簡單地獲取更多（和更多樣化）的數(shù)據(jù)集是一項(xiàng)艱巨的挑戰(zhàn)，尤其是在數(shù)據(jù)變得更加集中的情況下。數(shù)據(jù)共享帶來了許多問題，其中最重要的是安全和隱私。      

科羅拉多大學(xué)博爾德分校媒體研究助理教授 Nathan Schneider 表示：“目前，我們面臨的情況是，個(gè)人用戶的權(quán)力遠(yuǎn)低于收集和處理其數(shù)據(jù)的大型公司。”

擴(kuò)展的法律和法規(guī)很可能最終會(huì)規(guī)定何時(shí)以及如何共享和使用數(shù)據(jù)。但是，創(chuàng)新不會(huì)等待立法者。目前，人工智能開發(fā)組織有責(zé)任成為優(yōu)秀的數(shù)據(jù)管家，保護(hù)個(gè)人隱私，同時(shí)努力減少算法偏差。德勤的 Ammanath 表示，由于技術(shù)成熟得如此之快，不可能依靠法規(guī)來涵蓋所有可能的情況。“我們將進(jìn)入一個(gè)在遵守現(xiàn)有法規(guī)和自我監(jiān)管之間取得平衡的時(shí)代。”

這種自我監(jiān)管意味著提高構(gòu)建人工智能解決方案的整個(gè)技術(shù)供應(yīng)鏈的標(biāo)準(zhǔn)，從數(shù)據(jù)到培訓(xùn)再到使這些解決方案成為可能所需的基礎(chǔ)設(shè)施。此外，企業(yè)需要為跨部門的個(gè)人創(chuàng)造途徑，以提出對偏見的擔(dān)憂。雖然不可能完全消除偏見，但企業(yè)必須定期審核其人工智能解決方案的有效性。

由于人工智能的高度情景語境性質(zhì)，每家企業(yè)的自我監(jiān)管看起來都不同。例如，HPE 制定了道德 AI 準(zhǔn)則。來自整個(gè)公司的各種不同的人花了將近一年的時(shí)間共同制定公司的人工智能原則，然后與廣泛的員工一起審查這些原則，以確保它們可以被遵循并且它們對企業(yè)文化有意義。

HPE 的 Bresniker 說：“我們希望提高對這些問題的一般理解，然后收集最佳實(shí)踐。這是每個(gè)人的工作——在這個(gè)領(lǐng)域有足夠的認(rèn)知。”      

人工智能技術(shù)已經(jīng)成熟，從研究發(fā)展到實(shí)際應(yīng)用和價(jià)值創(chuàng)造，遍及所有行業(yè)。人工智能在社會(huì)上的日益普及意味著企業(yè)現(xiàn)在有道德責(zé)任提供強(qiáng)大的、包容的和可訪問的解決方案。這種責(zé)任促使組織(有時(shí)是第一次)檢查他們拉入流程的數(shù)據(jù)。 Bresniker說:“我們希望人們能建立起這種遠(yuǎn)見，對輸入的數(shù)據(jù)有可衡量的信心。”“他們有能力阻止持續(xù)的系統(tǒng)性不平等，為更美好的未來創(chuàng)造公平的結(jié)果。”