AI陷入沼泽，算法是潜在偏见的最后解决方案？

人工智能本来并不存在偏见，它不会因为无法通过逻辑来解释的理由而“想”某些东西是真的或假的。不幸的是，从创建算法到解释数据，机器学习中存在着人类的偏见，并且直到现在，几乎没有人试图解决这个严重的问题。

本周二，外媒表示，由谷歌前首席技术官Varun Kacholia和Facebook前搜索引擎工程师Ashutosh Garg一起创立的AI公司，近日完成了2400万美元的融资，投资方为Lightspeed Ventures和Foundation Capital。

这是一家旨在通过公开收集世界各地的劳动力的信息，解决雇佣、求职和晋升的信息鸿沟与招聘歧视问题的初创公司，依托于自主研发的软件收集处理招聘职位和应聘者的个人信息，人工智能系统的处理减轻了信息不对称的问题，匹配率比传统招聘的提高了八倍，同时还节约了90%的筛选成本。

将大数据和算法自动化决策应用于劳动力的筛选上无可厚非，庞大的数据基础也可以提高决策的效率。但算法的结果一定没有偏差吗？对此，Gary表示：“人们在招聘过程中也存在偏见，这是因为个体获取的信息是有限的。而数据算法为招聘人员提供了充足的信息和洞见，弥补了招聘人员可能因不了解某些技能或公司而产生的误差，从而大幅增加合格候选人的数量。”

按照该公司的说法，产品的筛选机制将消除任何潜在的人类偏见，使其完成符合平等就业机会委员会的规定，年龄、性别、种族、宗教、残疾等都不会成为算法的参考标准。消除人们固有的成见，使人事决策变得不那么“私人化”固然有可取之处，但前提是决策系统本身不受这些偏见的影响。对算法的监督和修正，必然成为算法运行的重中之重。

其实，对于人工智能的偏见问题，在2017年的时候，一篇来自MIT Technology Review的文章就曾针对这一问题发表过相关评论。

“在机器学习和人工智能发展的关键时刻，算法偏见正逐渐成为一个重大的社会问题。如果算法中潜在的偏见导致很重要的决策不被承认、不受控制，这可能会造成更严重的负面后果，尤其是对较贫穷的社区和少数群体。另外，最终的抗议可能会阻碍一项极其有用的技术的进步。”

而算法专家凯文·斯拉文（Kevin Slavin）也曾在TED演讲中表示，算法“提炼自这个世界，来源于这个世界”，而现在则“开始塑造这个世界”。在算法“塑造世界”的时代，我们应该思考的是：该如何突破算法的瓶颈，赋予AI正向的价值。

1.算法其实并不客观

在我们的认知里，算法最大的优势是能够根据用户的“数字自我”实现智能化、精准化推荐。换句话说，算法是人们在众多的信息中寻找自己所需材料的快速通道，这个过程的实现也是基于人们对算法的信任，即它具有“客观性”。

不过，人们都忘了一点，AI算法及其决策程序是由开发者塑造的。开发者写入的代码，使用的训练数据以及对算法进行应力测试的过程，都会影响算法之后的选择。这就意味着开发者的价值观、偏见和人类缺陷都会反映在软件上。

就像Facebook一直过不去的“剑桥分析丑闻”事件，利用先进的计算技术或者AI技术，试图通过人们的隐私数据来操纵选举，其实质，就是基本数据伦理的问题。每个公司都有属于自己的一套算法，因为他们都有不同的目的和价值观。获取信息时，我们觉得自己有权利去做选择，但实际上，所有的选项都是算法给出的既定选项。这么看来，算法并不客观。

2.在不客观中学会自救

对算法的质疑从其诞生起就一直存在，这种质疑反映出了人类的科学理性。在对算法的设计提出继续完善的同时，学会自救也是必要的，换句话说我们要学会自我保护。

就整体情况而言，算法的最大问题，在于其不透明性。对于这个复杂的领域，专业的技术人员至今也未能全部摸清楚，搞明白，更不用说普通人了。所以，在不确定其设计理念或者运行逻辑的情况下，我们要做的是明确“算法并不客观”的理念，时刻对其限制表示警惕。

或许，这个时候，较为激进的思维模式更受欢迎，我们要学会提问，从提问中了解算法发生的作用以及其最初的设计目的。比如，用传统网页方式浏览新闻，尽量不依靠智能搜索，虽然不一定能成功，但是还是要学着用自己的逻辑对抗算法可能带来的信息窄化，从而不被算法限制。

3.如何减少人工智能的偏见

至于如何减少人工智能的偏见，微软的研究员表示，最好的方式是从算法训练的数据开始审查，这是一种有效的方式。

数据分布本身有一定的偏见性。还是以美国大选为例，开发者手中的美国公民数据分布并不均衡，本地居民的数据多于移民者，富人多于穷人，这都是可能出现的情况。而数据的不均衡可能会使AI对社会的组成得出错误的结论，比如仅仅通过机器学习算法分析，就得出“大多数美国人都是富有的白人”这个结论。

同样的，也有研究表明，用于执法部门的AI 在检测新闻中出现的罪犯照片时，结果会偏向黑人和拉丁美洲裔居民。此外，训练数据中存在的偏见还有很多其他形式，只不过这些提到的更多一些。但是训练数据只是审查方式的一种，通过“应力测验”找出人类存在的偏见也同样重要。

其实要让AI变得没有偏见，我们就要勇于去揭开算法的“黑箱”。快手CEO宿华曾说，如果没有很好的对社会的认知、对人文的思考，仅靠技术本身会很容易走偏，要用哲学的智慧将算法、技术力量放大，从而避免表达幸福感的种种障碍。现在，我们要做的就是尽最大的努力去避免这些事情的发生。