人工智能|当年轻人开始谈论AI伦理( 二 ) 中薪|高薪|伦理|年轻人|谈论

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？
02
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。
德国哲学家雅斯贝尔斯曾在《原子弹与人类的未来》写道：“技术本身既非善，亦非恶，但它既可以用于善，也可以用于恶。它本身不包含任何观念：既不包含完美的观念，也不包含毁灭的邪恶观念；它们都有别的源头——在人类自身之中。”

文章插图
也就是说，算法歧视的根源其实在于人性的偏见，“算法中立”之流的观点本质上是对人性偏见的掩饰，也恰恰是人工智能让人恐惧的地方。
任何一项技术的出现，都有“工具性”和“目的性”两个维度，选择权其实留给了人类自身。然而人性往往经不起考验，无法想象当“工具”交到人们手中又缺少节制的时候，将会做出多大的恶。