AI偏見廣泛存在 企業(yè)應當為技術應用劃線

你對AI有什么印象，沒有感情、不會犯錯，還是公正客觀？但總之，AI是不食人間煙火的，既不會閃耀人性的光輝，也不存在“七宗罪”。實際上，AI并非那么沒有人性，不過這并非一件好事。AI獲得智能的同時，也學會了人類的“歧視”與“偏見”。

AI偏見廣泛存在

麻省理工學院媒體實驗室的Joy Buolamwini曾研究過各個科技公司的面部識別系統(tǒng)，研究發(fā)現(xiàn)，所有的系統(tǒng)在識別男性面孔和淺色皮膚的面孔上擁有較高的準確率，其中，淺色皮膚男性的錯誤率不超過1%，而深色皮膚女性的平均識別錯誤率則高達35%。

提及對整個安防行業(yè)產(chǎn)生深刻影響的AI技術，人臉識別肯定榜上有名，但AI人臉識別的這類偏見，也已經(jīng)滲入了安防領域。安防領域中，帶有偏見的AI可能會讓清白無辜者蒙冤，受到無理審查，這并非杞人憂天。

在英國，曾有一名黑人男性因人臉識別技術失誤而被誤認為嫌犯，在公眾場合遭到搜身檢查。Big Brother Watch UK報告也顯示，倫敦警察廳使用的面部識別技術有超過90%的性別識別錯誤率。

AI為何會產(chǎn)生偏見？

當前人工智能還處于弱人工智能階段，其“偏見”顯然取決于背后訓練算法訓練的數(shù)據(jù)。如上所述，如果AI訓練數(shù)據(jù)庫中，白人、男性比黑人、女性更多，且膚色較深的人多與違法相關的場景同時出現(xiàn)，就會導致AI產(chǎn)生偏見，這是訓練集和測試集特征分布不一致導致的，在技術領域被稱為“過擬合”。

目前針對算法“過擬合”，已經(jīng)有權值衰減、交叉驗證、添加正則項等方法。而關于如何解決算法歧視問題，科技界則眾說紛紜。曾有人提出開發(fā)公正透明的算法，讓公眾進行監(jiān)督，但這一方法壁壘較高，需受過專業(yè)訓練才能夠進行監(jiān)督。不過，現(xiàn)在已經(jīng)有不少的科學家在努力開發(fā)出一套“公平公正”的算法系統(tǒng)。

科技向善 AI應服務于人類

無論哪種方法，都不可能立竿見影地糾正AI偏見，因此，科技公司以及組織應當避免將“帶有明顯歧視性質的算法”在不經(jīng)測試之下應用到現(xiàn)實情景中。AI并無善惡之分，但人類需要推動科技向善。

在安防領域，公安部門應用AI技術關愛孤寡老人，以往民警需要每天上門查看孤寡老人狀態(tài)，現(xiàn)在可以通過人臉、人體及軌跡技術確認孤寡老人活動是否有異常；AI跨年齡人臉識別則可以憑借一張泛黃照片找回被拐十年的兒童。

通過一張3歲的泛黃照片，騰訊優(yōu)圖利用AI技術突破“跨年齡人臉識別”，助力警方尋回被拐十年兒童。騰訊董事會主席馬化騰也多次在公開演講中闡釋“科技向善”的愿景與使命。

而在未來的算法開發(fā)過程中，應該對算法進行適當?shù)摹八惴▊惱怼苯逃?，并且確定一些算法的“基本準則”，如同“機器人永不能傷害人類”一樣。