浅谈AI伦理

人工智能离我们并不遥远。

当你打开资讯应用时，算法会根据你的喜好自动推荐新闻;当你去电商平台购物的时候，算法会结合你的习惯推荐对应的商品;当你去求职应聘的时候，首先处理简历并进行筛选的可能也是算法;当你去医院看病就医的时候，医生可能会利用某个算法模型来判断患病的可能性……

算法正在以前所未有的速度渗透到我们的生活中。在支持者眼中，算法可以在一些决策中减少人为干预，进而提升决策 的效率和准确性。可从批判的角度出发，算法是否带有人为的偏见，人们的命运是否会被算法左右?

遗憾的是，算法歧视现象往往是算法落地应用的衍生品。

无独有偶，2018年IG夺冠的喜讯让互联网沸腾的时候，战队老板王思聪随即在微博上进行抽奖，结果却出人意料：获奖名单中有112名女性获奖者和1名男性获奖者，女性获奖者比率是男性的112倍，而参与用户的男女比率是1：1.2。

于是不少网友质疑抽奖算法的公平性，甚至有网友主动测试抽奖算法，将获奖人数的设置大于参与人数，仍然有大量用户无法获奖。原因是这些用户被算法判定为“机器人”，意味着在任何抽奖活动中都没有中奖的机会。

在算法的黑匣子面前，我们看到的大多只有结果，却无法理解决策的过程。与之相似的案例可能比比皆是，不过是鲜有人关注罢了。

最直接的教训就是互联网，硅谷自由的法度诞生了互联网，以至于一些原罪被人们选择性忽略，最终在20多年后出现了一轮轮对互联网的批判。正如纽约时报在《减少互联网是唯一的答案》一文中，将互联网归结为带有集权主义意识形态的技术，互联网企业被形容为一群驱使着技术的“邪恶魔王”。

对互联网的批判大概率不会让人们减少互联网的使用，却给出了一个思路：为何互联网会从万众仰慕的行业沦为过街老鼠，倘若算法的应用和算法歧视现象不被制约，又将在未来某一天掀起多大的波澜?

根源在于人性的偏见

当然，算法的“偏见”并不缺少合理的解释。

一种说法是将机器学习结果的偏见归咎于数据集偏见，而非算法偏见的“技术中立”。比较知名的支持者就有被称作“卷积神经网络之父”的杨立昆，比较常见的论证是：如果某人持菜刀砍了人，难道是菜刀厂商甚至“菜刀本刀”的错?

另一种解释是数据量太小，当算法学习的数据量越大时，算法的错误会越少，而且结果会越趋向于精准。即使可以开发出一套筛选系统，将不带偏见的数据输入给算法，也无法达到绝对的公平。毕竟“主流”永远拥有更多的数据，算法最终会偏向于大多数，对“非主流”产生所谓的歧视现象。

两种说法其实讲了一个相同的道理：计算机领域有个著名的缩写是GIGO，即Garbage in, Garbage Out。翻译成中文的意思是，如果输入的是垃圾数据，那么输出的也将是垃圾的结果。算法就像是现实世界的镜子，可以折射出社会中人们意识到或者无意识的偏见，如果整个社会对某个话题有偏见，算法输出结果自然是有歧视的。

把野兽关进铁笼子里

作为新时代的“火种”，我们可能无法拒绝人工智能。

因为人工智能的应用，质检线上的工人无须再盯着强光下的产品用眼睛寻找瑕疵;因为人工智能的应用，基层的医生也可以根据病人的检查结果做出准确的病情判断;因为人工智能的应用，一群不会输入法的老年人也能用语音走进互联网世界……

不过一切美好的前提在于，先将野兽关进铁笼子里。

或许可以借用《人民日报》在评论“快播案”时的观点：技术不但必然负荷价值，而且还有伦理上“应当”负荷的“良善”价值：维持法律与习俗的稳定，远离破坏和颠覆。一旦违逆了这条原则，任何技术都将被打上可耻的烙印。

言外之意，技术不应该是独立于现实的乌托邦，科技的崛起离不开必要的监管，在法律法规上划清技术应用的边界，为技术中立套上伦理的枷锁，可以说是人工智能技术行稳致远的前提所在。

同时越来越多的学者也在讨论代码与法律之间的关系，担忧算法会不会动摇现有人类社会法律的基本框架，并提出了“算法规制”的概念，一种以算法决策为手段的规制治理体系，可以理解为利于算法治理的工具

（编辑：鹰潭站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!