你對(duì)AI有什么印象，沒有感情、不會(huì)犯錯(cuò)，還是公正客觀？但總之，AI是不食人間煙火的，既不會(huì)閃耀人性的光輝，也不存在“七宗罪”。實(shí)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(shí)，也學(xué)會(huì)了人類的“歧視”與“偏見”。

AI偏見廣泛存在

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

提及對(duì)整個(gè)安防行業(yè)產(chǎn)生深刻影響的AI技術(shù)，人臉識(shí)別肯定榜上有名，但AI人臉識(shí)別的這類偏見，也已經(jīng)滲入了安防領(lǐng)域。安防領(lǐng)域中，帶有偏見的AI可能會(huì)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(shí)別技術(shù)失誤而被誤認(rèn)為嫌犯，在公眾場合遭到搜身檢查。Big Brother Watch UK報(bào)告也顯示，倫敦警察廳使用的面部識(shí)別技術(shù)有超過90%的性別識(shí)別錯(cuò)誤率。

AI為何會(huì)產(chǎn)生偏見？

當(dāng)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(xùn)練算法訓(xùn)練的數(shù)據(jù)。如上所述，如果AI訓(xùn)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(guān)的場景同時(shí)出現(xiàn)，就會(huì)導(dǎo)致AI產(chǎn)生偏見，這是訓(xùn)練集和測(cè)試集特征分布不一致導(dǎo)致的，在技術(shù)領(lǐng)域被稱為“過擬合”。

目前針對(duì)算法“過擬合”，已經(jīng)有權(quán)值衰減、交叉驗(yàn)證、添加正則項(xiàng)等方法。而關(guān)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(jìn)行監(jiān)督，但這一方法壁壘較高，需受過專業(yè)訓(xùn)練才能夠進(jìn)行監(jiān)督。不過，現(xiàn)在已經(jīng)有不少的科學(xué)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(yīng)服務(wù)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(yīng)當(dāng)避免將“帶有明顯歧視性質(zhì)的算法”在不經(jīng)測(cè)試之下應(yīng)用到現(xiàn)實(shí)情景中。AI并無善惡之分，但人類需要推動(dòng)科技向善。

在安防領(lǐng)域，公安部門應(yīng)用AI技術(shù)關(guān)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(shù)確認(rèn)孤寡老人活動(dòng)是否有異常；AI跨年齡人臉識(shí)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(shù)突破“跨年齡人臉識(shí)別”，助力警方尋回被拐十年兒童。騰訊董事會(huì)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(yīng)該對(duì)算法進(jìn)行適當(dāng)?shù)摹八惴▊惱怼苯逃?，并且確定一些算法的“基本準(zhǔn)則”，如同“機(jī)器人永不能傷害人類”一樣。