<mark id="oztn4"></mark>
0
人們對現(xiàn)代科技持樂觀態(tài)度，部分原因在于大家相信這是一種民主化力量——不被人類長時間學(xué)到的狹隘偏見所限制。但是最新研究發(fā)現(xiàn)，這只是海市蜃樓般的假象。
原因非常簡單：我們從周圍的世界學(xué)習(xí)到偏見，而AI則從我們這里學(xué)到偏見。
有很多原因讓我們認(rèn)為AI是“公平”的。既然AI是基于數(shù)學(xué)算法，那么它就不會一開始帶有對聽起來像白人的名字的明顯偏好或者認(rèn)為女人該待在家里。為了提防明顯的偏見——程序員不小心植入AI系統(tǒng)中的，比如說標(biāo)準(zhǔn)化測試如何偏袒白人——有些人建議采取透明算法，更加多樣的開發(fā)團(tuán)隊(duì)等等。
但是盡管這些方法對此有幫助，普林斯頓大學(xué)計(jì)算機(jī)科學(xué)家Aylin Caliskan-Islam， Joanna Bryson和Arvind Narayanan認(rèn)為這可能還不夠。他們表示，
“我們通過文件記錄的方式證明那些根本上源于人類文化的機(jī)器偏見不可能通過我們上面提到的策略來消除?！?/span>
我們從周圍的世界學(xué)到偏見。而和我們一樣，AI從我們身上學(xué)到偏見。計(jì)算機(jī)科學(xué)家通過采用新穎的方式得到這樣一個結(jié)論：從本質(zhì)上來說，他們對計(jì)算機(jī)算法進(jìn)行一系列的隱性關(guān)聯(lián)測試（評估種族和性別歧視的標(biāo)準(zhǔn)心理學(xué)方法），然后驗(yàn)證對人類進(jìn)行的隱性關(guān)聯(lián)測試。（點(diǎn)擊這里可以獲得更多關(guān)于隱性關(guān)聯(lián)測試的信息。）
選擇的算法是GloVe，這是目前根據(jù)上下文提取單詞意思最先進(jìn)的方法，也就是通過這些單詞意思和其他單詞在文本中出現(xiàn)的頻率來進(jìn)行判斷。根據(jù)GloVe和相關(guān)方法，在相似的文章中兩個單詞出現(xiàn)的頻率越高，他們關(guān)聯(lián)性越高。比如，如果“女人”這個詞經(jīng)常和與家庭有關(guān)的詞一起出現(xiàn)，那么“女人”這個概念就和“家庭”關(guān)聯(lián)性非常高。
該團(tuán)隊(duì)從網(wǎng)絡(luò)截取有著8400億個單詞的大量文章來檢驗(yàn)GloVe，然后使用這個版本開始著手驗(yàn)證一些人們最明顯的偏見。在這些偏見中有一個是使用隱性關(guān)聯(lián)測試進(jìn)行的實(shí)驗(yàn)。這個名為“2002實(shí)驗(yàn)”的研究結(jié)果顯示，我們傾向于將女性名字和家庭聯(lián)系在一起，而將男性名字和事業(yè)聯(lián)系在一起——這也許并不令人感到驚訝。Caliskan-Islam, Bryson, 和Narayanan的單詞相似性比較也得到了相同的結(jié)果：像Amy、Joan和家、父母之類的詞更相似。相反，John、Paul和公司、薪水之類的詞更相似。
研究者也發(fā)現(xiàn)，聽起來像白人的名字和歡樂、平靜等令人愉悅的詞更相似，然而聽起來像非洲裔美國人的名字和苦惱、戰(zhàn)爭等令人感到討厭的詞更相似——這從概念上驗(yàn)證了2004實(shí)驗(yàn)，該結(jié)果顯示公司更傾向于雇傭名字像白人的應(yīng)聘者。
我們要指出，這些結(jié)果并不意味著GloVe或者相關(guān)的算法有固有的偏見，這點(diǎn)很重要。事實(shí)上，很難理解他們怎么會有偏見。然而實(shí)際上，是我們的文化和語言有偏見，只要這是真的，Caliskan-Islam, Bryson, and, Narayanan寫到，人工智能（AI）“就能夠從顯示歷史不公正的訓(xùn)練數(shù)據(jù)中獲得有害的偏見。”
via psmag
推薦閱讀：
計(jì)算機(jī)系統(tǒng)里的偏見和歧視：除了殺死，還有其他方法
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
