但是最近出現(xiàn)的許多案例顯示，就像所有顛覆性技術(shù)那樣，機(jī)器學(xué)習(xí)被引入的同時(shí)，也出現(xiàn)了許多意想不到的挑戰(zhàn)，有時(shí)候甚至產(chǎn)生錯誤、令人討厭的、冒犯性的后果，與人類社會信奉的道德和倫理標(biāo)準(zhǔn)截然不符。

 

　　這些故事聽起來可能很有意思，但它們卻促使我們反思AI技術(shù)對未來產(chǎn)生的影響。將來，機(jī)器人和AI將承擔(dān)起更重要的責(zé)任，甚至將為它們做出的錯誤決定負(fù)責(zé)。

 

　　在其核心領(lǐng)域，機(jī)器學(xué)習(xí)利用算法分析數(shù)據(jù)、提取模式以及學(xué)習(xí)和預(yù)測，并會基于收集到的見解做出決定。它已經(jīng)成為我們?nèi)粘Ｉ钪惺褂玫脑S多技術(shù)的基石，比如搜索引擎、面部識別應(yīng)用以及數(shù)字助理等。機(jī)器學(xué)習(xí)算法獲得的數(shù)據(jù)越多，它就會變得越聰明。這也就是科技公司千方百計(jì)收集更多用戶和消費(fèi)者數(shù)據(jù)的原因。

 

　　但是最終，機(jī)器學(xué)習(xí)只會保持其獲得的數(shù)據(jù)那樣聰明。這其中存在一個(gè)問題，因?yàn)橥瑯颖挥糜谟?xùn)練機(jī)器學(xué)習(xí)算法的數(shù)據(jù)，也可能會讓它變得邪惡或存在偏見。就像所有孩童那樣，機(jī)器學(xué)習(xí)算法往往會選擇迎合其開發(fā)者的品味和偏見。更復(fù)雜的是，許多公司都以非常隱秘的方式運(yùn)行內(nèi)部算法，并把它們視為商業(yè)機(jī)密。

 

　　機(jī)器學(xué)習(xí)初創(chuàng)企業(yè)Beauty.ai今年舉行了世界上首場AI驅(qū)動的選美大賽。超過6000人遞交了自己的照片，AI通過對稱性、皺紋等因素評估這些人的魅力。這項(xiàng)比賽的原意是減少人類裁判的社會偏見，但結(jié)果令人感到失望。44位獲勝者中，絕大多數(shù)都是白人，只有少數(shù)亞洲人，深色皮膚人種的獲勝者僅有1人。1名研究人員解釋稱，問題是用于訓(xùn)練算法的照片樣本在種族方面存在不平衡性。

 

　　這并非機(jī)器算法首次出現(xiàn)偏見問題。今年年初，一種語言處理算法被發(fā)現(xiàn)，在處理艾米麗、馬特等聽起來像白人的名字時(shí)，顯然比處理賈馬爾、埃博尼等黑人名字時(shí)更愉快。

 

　　此外，微軟此前被迫關(guān)閉了其聊天機(jī)器人Tay。它被設(shè)計(jì)模仿十幾歲女孩的行為，卻被發(fā)現(xiàn)滿口臟話。Tay原本被期望提取用戶評論，通過處理它們學(xué)習(xí)如何做出個(gè)性化回應(yīng)。但是用戶似乎對教授它種族歧視和納粹言論更感興趣。

 

　　可是，如果這些發(fā)生在敏感情況下，比如某人的生命或自由受到威脅時(shí)，將會如何？ProPublica5月份的研究顯示，在評估未來犯罪傾向時(shí)，佛羅里達(dá)州執(zhí)法機(jī)構(gòu)使用的算法對非洲裔的評分更高。

 

　　有關(guān)這類機(jī)器學(xué)習(xí)算法存在偏見的例子不勝枚舉，包括谷歌算法將非洲裔標(biāo)注為大猩猩，廣告投放引擎更少向女性展示高薪職位，新聞算法推廣假新聞和粗俗故事等。

 

　　在傳統(tǒng)軟件中，確定某個(gè)失誤是用戶錯誤還是設(shè)計(jì)缺陷非常簡單。但是機(jī)器學(xué)習(xí)并不那么透明，最大的挑戰(zhàn)之一就是難以確定責(zé)任。開發(fā)機(jī)器學(xué)習(xí)軟件與傳統(tǒng)編碼完全不同，訓(xùn)練算法與編寫代碼同樣重要。即使開發(fā)者也無法精確預(yù)測機(jī)器將會做出何種決定，有時(shí)候也會對結(jié)果感到驚訝。

 

　　當(dāng)Facebook被譴責(zé)在“趨勢主題”模塊中存在政治偏見時(shí)，事情變得更加復(fù)雜，因?yàn)檫@個(gè)模塊部分由機(jī)器學(xué)習(xí)驅(qū)動。當(dāng)美國共和黨總統(tǒng)提名人唐納德·特朗普（Donald Trump）譴責(zé)谷歌調(diào)整其搜索引擎結(jié)果，試圖抑制有關(guān)民主黨總統(tǒng)提名人希拉里·克林頓（Hillary Clinton）的負(fù)面新聞時(shí)，做出透明解釋和證明機(jī)器錯誤的確有點(diǎn)兒難。

 

　　當(dāng)關(guān)鍵決定權(quán)被賦予AI時(shí)，事情將會變得更加敏感。舉例來說，如果無人駕駛汽車撞倒1個(gè)行人，誰將被追究責(zé)任？司機(jī)（更精確地說車主）還是機(jī)器學(xué)習(xí)算法的開發(fā)者？

 

 

　　從數(shù)據(jù)庫中根除這些偏見是開發(fā)公正的機(jī)器學(xué)習(xí)算法的關(guān)鍵，但是開發(fā)平衡數(shù)據(jù)庫是非常復(fù)雜的任務(wù)。目前還沒有任何相關(guān)規(guī)則或標(biāo)準(zhǔn)，可以用于評估用于訓(xùn)練機(jī)器學(xué)習(xí)算法的數(shù)據(jù)。有時(shí)候，研究人員利用和分享現(xiàn)成的框架和數(shù)據(jù)庫，盡管里面存在各種偏見。

 

　　一個(gè)解決方案就是創(chuàng)造可共享的、受到監(jiān)管的數(shù)據(jù)庫，它不歸任何單一實(shí)體所有，從而可預(yù)防任何人單方面操作數(shù)據(jù)。在這方面的顯著努力就是AI合作組織（Partnership on Artificial Intelligence）的成立，F(xiàn)acebook、亞馬遜、谷歌、IBM、微軟以及機(jī)器學(xué)習(xí)創(chuàng)新領(lǐng)域的其他公司嘗試解決AI和機(jī)器學(xué)習(xí)增長帶來的恐懼。這個(gè)組織的目標(biāo)包括，解決AI的倫理問題，確保AI被公開應(yīng)用前接受多元化審視。

 

　　另一個(gè)有趣的努力是伊隆·馬斯克（Elon Musk）創(chuàng)建的AI公司Open AI，其目標(biāo)是令A(yù)I研究變得更透明，防止它變成作惡工具。

 

　　將來有一天，或許機(jī)器人會變得足夠聰明，可以解釋自己的行為，并糾正它們的錯誤。但我們據(jù)此目標(biāo)依然有很長的路要走。到那時(shí)，人類的責(zé)任將是預(yù)防訓(xùn)練AI的人類負(fù)面傾向被無限擴(kuò)大。