一直以來，通過研究表明，人類研發(fā)的機器也能學習到人類看待這個世界的視角，無論其是否有意。對于閱讀文本的人工智能來說，它可能會將“醫(yī)生”一詞與男性優(yōu)先關聯(lián)，而非女性，或者圖像識別算法也會更大概率的將黑人錯誤分類為大猩猩。

2015年，Google Photos應用誤把兩名黑人標注為“大猩猩”，當時這一錯誤意味著谷歌的機器學習還處于“路漫漫其修遠兮”的狀態(tài)。隨后，谷歌立即對此道歉，并表示將調(diào)整算法，以修復該問題。近日，作為該項錯誤的責任方，谷歌正在試圖讓大眾了解AI是如何在不經(jīng)意間永久學習到創(chuàng)造它們的人所持有的偏見。一方面，這是谷歌對外PR（公共關系）的好方式，其次，AI程序員也可以用一種簡單的方法來概述自己的偏見算法。

視頻來源：YouTube

在該視頻中，谷歌概述了三種偏見：

互動偏差：用戶可以通過我們和其交互的方式來偏移算法。例如，谷歌把一些參與者召集其起來，并讓他們每人畫一只鞋，但多半用戶會選擇畫一只男鞋，所以以這些數(shù)據(jù)為基礎的系統(tǒng)可能并不會知道高跟鞋也是鞋子。

潛在偏差：該算法會將想法和性別、種族、收入等不正確地進行關聯(lián)。例如，當用戶在Google Search搜索“醫(yī)生”時，出現(xiàn)的大多為白人男性。

雷鋒網(wǎng)了解到，此前Quarts發(fā)布了一則相關新聞，該報道稱，經(jīng)普林斯頓大學最新研究成果表明，這些偏見，如將醫(yī)生與男性相關聯(lián)，而將護士與女性關聯(lián)，都來自算法被教授的語言的影響。正如一些數(shù)據(jù)科學家所說：沒有好的數(shù)據(jù)，算法也做不出好的決策。

選擇偏差：據(jù)了解，用于訓練算法的數(shù)據(jù)量已經(jīng)大大超過全球人口的數(shù)量，以便對算法實行更好的操作和理解。所以如果訓練圖像識別的數(shù)據(jù)僅針對白人而進行，那么得到的數(shù)據(jù)也只能來自AI的認定。

圖片來源：Qaurtz

去年6月， “青年實驗室”（英偉達、微軟等科技巨擘均是該實驗室的合作伙伴和支持者）舉辦了一次Beauty.ai的網(wǎng)絡選美大賽。該比賽通過人工智能分析，征集了60萬條記錄。該算法參考了皺紋、臉部比例、皮膚疙瘩和瑕疵的數(shù)量、種族和預測的年齡等等因素。最后結果表明，種族這一因素比預期發(fā)揮了更大的作用：在44名獲獎者當中，其中有36人為白人。

事實上，關于算法中含有性別、種族偏見的研究和報道，早已有之。而據(jù)雷鋒網(wǎng)此前報道，要消除這些偏見，并不容易。正如微軟紐約研究院的高級研究員Hanna Wallach所說：

『只要機器學習的程序是通過社會中已經(jīng)存在的數(shù)據(jù)進行訓練的，那么只要這個社會還存在偏見，機器學習也就會重現(xiàn)這些偏見。』

Via Quartz，雷鋒網(wǎng)編譯

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。