1
現如今，由算法和人工智能驅動的科技越來越多地進入到我們生活，而現在，我們面臨著一個相當諷刺的問題：這些程序的立場是非中立的嗎？它們總是帶有一些偏見嗎？誠然，答案是肯定的。
最近，Facebook的“流行話題”列表非常騷動，其反應出的對自由黨的偏見昭然若揭。之后，美國政府要求Facebook給出一個官方的解釋。本周，Facebook COO Sheryl Sandberg表示Facebook將會開始訓練員工，來辨別和控制他們的政治傾向。
其實，Facebook的做法正是Kickstarter的前數據執行官Fred Benenson所說的"數學洗腦”：我們讓諸如Facebook的算法程序變得完全客觀、完全中立，是因為算法核心基于數學。
而現如今的算法之所以懷有偏見，很大程度上是因為很多程序員（特別是機器學習程序員）為男性。在最近《彭博社》發布的文章中，微軟研究員Margaret Mitchell呼吁更多女性參與到編程中來。
哈佛教授 Latanya Sweeney表示：在一次關于谷歌AdSense廣告的研究中，他在搜索了白人典型人名（如Geoffrey, Jill, Emma）和黑人典型人名（如DeShawn, Darnell, Jermaine），發現含有“逮捕（arrest)”這個字眼的詞語廣告時，出現的黑人人名超過80%，但出現的白人人名只有不到30%。
Sweeney擔心谷歌的這種廣告技術會帶來種族偏見，讓黑人在比賽、工作、約會等情況下比白人略遜一籌。
同時，借貸和信用等領域一直以來被冠以種族偏見的帽子，因此必須在此敏感問題上分外小心。
在線借貸公司ZestFinance在建立之初就認同這樣一種思想：機器學習項目可以讓那些被認為是“有價值的借貸者”的數量增多，從而會陷入借貸歧視的危險境地。而為了阻止這種情況發生，ZestFinance已經建立了某種特定工具來測試結果。
不過，這種情況的危險之處在于：這種不言而喻的偏見（不僅存在于算法程序中，還存在于其中的數據中）可以一不小心就讓任何程序編程腹黑的偏見者。對于不能分別程序復雜性的用戶來說，要弄清程序是否是公平的，是非常困難的。
Benenson在最近Technical.ly Brooklyn舉行的問答大會上表示：“算法和數據驅動產品總是會反映其建造者的設計選擇，如若程序員們本身帶有偏見，那么編寫出來的程序帶有偏見就不足為奇了。”
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
