一直以來，通過研究表明，人類研發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“醫生”一詞與男性優先關聯，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。隨后，谷歌立即對此道歉，并表示將調整算法，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是如何在不經意間永久學習到創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。
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，所以以這些數據為基礎的系統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。例如，當用戶在Google Search搜索“醫生”時，出現的大多為白人男性。
此前 Quarts 發布了一則相關新聞，該報道稱，經普林斯頓大學最新研究成果表明，這些偏見，如將醫生與男性相關聯，而將護士與女性關聯，都來自算法被教授的語言的影響。正如一些數據科學家所說：沒有好的數據，算法也做不出好的決策。
選擇偏差 ：據了解，用于訓練算法的數據量已經大大超過全球人口的數量，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據僅針對白人而進行，那么得到的數據也只能來自AI的認定。
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揮了更大的作用：在44名獲獎者當中，其中有36人為白人。
共0條 [查看全部] 網友評論