導(dǎo)語：英國媒體《衛(wèi)報》今日發(fā)表評論文章指出，人工智能已經(jīng)開始出現(xiàn)了種族和性別偏見，但是這種偏見并非來自機器本身，而是計算機在學(xué)習(xí)人類語言時吸收了人類文化中根深蒂固的觀念。科學(xué)家呼吁，應(yīng)當(dāng)建立一個監(jiān)管機構(gòu)，去糾正機器的這種行為。

以下是文章主要內(nèi)容：

讓計算機具備理解人類語言的人工智能（AI）工具已經(jīng)出現(xiàn)了明顯的種族和性別偏見。

這些發(fā)現(xiàn)令人擔(dān)憂現(xiàn)有的社會不平等和偏見正在以新的、不可預(yù)知的方式得到強化，因為影響人們?nèi)粘Ｉ畹拇罅繘Q策正越來越多地由機器人做出。

在過去的幾年里，谷歌翻譯等程序的語言翻譯能力有了顯著提高。這些成就要得益于新的機器學(xué)習(xí)技術(shù)和大量在線文本數(shù)據(jù)的使用，并在此基礎(chǔ)上對算法進行訓(xùn)練。

然而，最新研究顯示，隨著機器越來越接近于掌握人類的語言能力，它們也在吸收隱藏于語言中的根深蒂固的偏見。

巴斯大學(xué)的計算機科學(xué)家、論文合著者喬安娜·布萊森（Joanna Bryson）說：“很多人都認為這表明人工智能（AI）存在偏見。不，這表明我們有偏見，人工智能正在有樣學(xué)樣。”

但布萊森警告說，人工智能有可能強化現(xiàn)有偏見，因為算法與人類不同，可能無法有意識地抵制學(xué)到的偏見。“危險在于，你擁有的人工智能系統(tǒng)沒有一處零部件明確需要依靠道德觀念驅(qū)動，這就不好了，”她說。

“我們選擇研究單詞嵌入的一個主要原因是，近幾年來，它們已幫助電腦在破解語言方面取得了巨大成功，”這篇論文的資深作者、普林斯頓大學(xué)計算機科學(xué)家阿爾文德·納拉亞南（Arvind Narayanan）說。

這種方法已經(jīng)在網(wǎng)絡(luò)搜索和機器翻譯中使用，其原理是建立一套語言的數(shù)學(xué)表示式，依據(jù)與每個單詞同時出現(xiàn)的最常用單詞，將這個詞的意思提煉成一系列數(shù)字（也就是詞向量）。也許令人驚訝的是，這種純粹的統(tǒng)計方法似乎能夠捕捉到每個詞所在的豐富的文化和社會背景，這是字典無法定義的。

例如，在數(shù)學(xué)“語言空間”，與花朵有關(guān)的詞匯往往與描繪心情愉悅的話語聚集在一起，而與昆蟲相關(guān)的詞匯則往往與心情不愉快的詞匯同時出現(xiàn)，反映出人們對昆蟲與花朵的相對特點所達成的共識。

最新的文件顯示，人類心理實驗中一些更令人不安的隱性偏見也很容易被算法捕獲。“雌性”和“女性”與藝術(shù)、人文職業(yè)和家庭的聯(lián)系更緊密，“雄性”和“男性”與數(shù)學(xué)和工程專業(yè)更為接近。

而且，人工智能系統(tǒng)更有可能將歐美人的名字與諸如“禮物”或“快樂”之類的愉快詞語聯(lián)系在一起，而非裔美國人的名字通常與不愉快的詞語聯(lián)系在一起。

研究結(jié)果表明，算法與隱式聯(lián)想測試擁有同樣的偏見，也就是把表示愉快的單詞與（美國和英國的）白人面孔聯(lián)系起來。

這些偏見會對人類行為產(chǎn)生深遠的影響。一項先前的研究表明，相對于非洲裔美國人，如果申請者的名字是歐洲裔美國人，即使簡歷內(nèi)容相同，后者所能獲得的面試邀請將比前者多出50%。最新的研究結(jié)果表明，除非采用明確的編程來解決這個問題，否則，算法將與現(xiàn)實社會一樣，充斥著相同的社會偏見。

“如果你不相信種族主義與姓名存在聯(lián)系，這就是例證，”布萊森說。

研究中使用的機器學(xué)習(xí)工具是在被稱為“通用爬蟲”語料庫的訓(xùn)練數(shù)據(jù)集中接受訓(xùn)練的，其中的8400億個詞語都是從網(wǎng)上公布的材料中選取的。當(dāng)研究人員把訓(xùn)練數(shù)據(jù)集換成谷歌新聞的數(shù)據(jù)對機器學(xué)習(xí)進行訓(xùn)練時，也出現(xiàn)了類似結(jié)果。

牛津大學(xué)數(shù)據(jù)倫理和算法領(lǐng)域的研究人員桑德拉·沃徹（Sandra Wachter）說：“世界存在偏見，歷史數(shù)據(jù)存在偏見，因此，我們得到帶有偏見的結(jié)果，不足為奇。”

她補充說，算法不僅代表一種威脅，也可能為采取適當(dāng)方式解除和對抗偏見提供機會。

“至少利用算法，我們可能知道算法會在什么時候出現(xiàn)偏差，”她說。例如，人類會在解釋為何不雇傭某人時說謊，與此相反，算法不會撒謊，不會欺騙我們。”

然而，沃徹說，問題在于如何從旨在理解語言的算法中消除不恰當(dāng)?shù)钠姡瑫r又不剝奪它們的解讀能力，這將是具有挑戰(zhàn)性的工作。

“原則上，我們可以建立一些系統(tǒng)對帶有偏見的決定進行檢測，然后采取行動，”沃徹說，并與其他人一起呼吁建立一個人工智能監(jiān)管機構(gòu)。“這是一項非常復(fù)雜的任務(wù)，但作為一種社會責(zé)任，我們不應(yīng)回避。”（斯眉）