如果Siri也是养成类游戏,该如何避免它成为种族主义者?( 二 )


当然 , 在不断更新数据 , 增加数据多样性的同时 , 也需要注意保护个人的隐私 , 需要在不违反法律、不侵害用户权利的原则下 , 进行数据的补充与完善 。
【如果Siri也是养成类游戏,该如何避免它成为种族主义者?】其次 , 在输入原始数据前 , 需要对其进行预处理 , 包括对数据的清理和相关属性的隐藏 。 例如上述招聘网站的推荐系统 , 隐藏性别属性 , 强调职业中所需要的技能与经历 , 这样便可以减缓与避免性别在职业分工中占据过大比重 。
最后 , 在搭建模型的过程中 , 需要有明确的目标 , 避免使用过于抽象化的概念来进行预测 , 并且准对不同的主体 , 需要有不同的参考标准 。
例如一家银行在考虑是否为申请者提供贷款时 , 往往会考虑他的盈利能力、信誉度、还贷能力等 , 但这些都属于较为抽象的名词 , 无法用具体的数据来展示 , 研究者认为可以用信用卡的消费金额、消费次数、还贷时间等具体指标来进行衡量 。
并且 , 报告还特别提醒 , 即使是具体化的指标也不一定适用所有人群 , 例如 , 信用卡的数据便无法用于第一次贷款的年轻人 , 因为他们此前可能没有使用信用卡的记录 。
AI能够带来更好的决策 , 但如果无法彻底理解与解决算法偏见 , 它对于人们来说是空洞的 , 研究员Edward Santow认为 , 只有严谨的程式设计、无数次的测试、与实时的监测 , 才可以最大程度地避免人工智能犯下错误 。
综合:南都人工智能伦理课题组研究员连俊翔 冯群星