上一版
缩小
全文复制
上一篇“嘿，你是个bitch！”
面对这样有着性骚扰意味的话，多数人即使不选择回击，也会沉默。但在人工智能的世界里，回答极有可能是迎合式的。例如，苹果公司开发的AI语音助手会回答，“如果我能，我会脸红。（I’d blush If I could）”。如果你“调戏”亚马逊的Alexa，“You’re hot”，它的典型反应是愉快地回应“你说得很好！”（这些回答最近已经修正——作者注）
5月22日，联合国发布了长达146页的报告，批评大多数AI语音助手都存在性别偏见，报告名就叫《如果我能，我会脸红》。“因为大多数语音助理的声音都是女性，所以它对外传达出一种信号，暗示女性是乐于助人的、温顺的、渴望得到帮助的人，只需按一下按钮或用直言不讳的命令即可。”
除了Siri、Alexa，分别由微软、谷歌、三星等公司开发的Cortana、Google Now和Bixby也都存在类似问题。国内很多科技公司也没免于指责。
“技术反映着它所在的社会。”联合国教科文组织性别平等部负责人珂拉特（Saniye Gülser Corat）告诉媒体。该部门担心，AI智能助手顺从的形象会扩大性别刻板印象，影响人们与女性交流的方式，以及女性面对他人要求时的回应模式。
事实上，人工智能在很多领域都已经表现出对女性的“偏见”。例如，在人工智能应用最广泛的图片识别领域，女性就和做家务、待在厨房等场景联系在一起，常常有男性因此被AI认成女性。AI翻译时，医生被默认是男性。这种偏见还会蔓延到广告投放里：谷歌给男性推送年薪20万美元职位的招聘广告的概率是女性的6倍。
换句话说，AI已经学会了“性别歧视”，站在厨房里的就“该”是女人，男人就“该”比女人拿更高的薪水。
女性只是偏见的受害者之一，少数族裔、非主流文化群体都是人工智能的歧视对象。一件印式婚礼的婚纱，会被认为是欧洲中世纪的铠甲，而西式婚纱的识别正确率则超过95%。研究人员测试微软、IBM、Face++三家在人脸识别领域领先的系统，发现它们识别白人男性的正确率均高于99%，但测试肤色较深的黑人女性的结果是，错误率在47%——和抛硬币的概率差不了多少。
一个不能忽视的事实是，女性约占人类总人口的50%，黑色人种约占全球总人口的15%，而印度约占全球六分之一的人口。面对这些群体，人工智能却仿佛“失明”了，两眼一抹黑。
这也不是人工智能时代才有的事情，搜索引擎早就诚实地展示了类似的“歧视”。在相当长的时间里，搜索典型的黑人名字，搜索建议有超过80%的概率会提供“逮捕”“犯罪”等词，而没有种族特征的名字，相应的概率只有不到30%。在谷歌图片搜索“CEO”，结果会是一连串白人男性的面孔。
这是一个各行各业都在拥抱人工智能技术的时代。有人预测，到2020年，中国人工智能带动相关产业规模将超过1万亿元人民币。在其他许多国家，人工智能也被列为高新技术，从业人员能享受税收减免等诸多优待。
我们看重人工智能的高效率、低成本和扩展性。如果它只是在翻译、识图等领域出现“偏见”，结果尚可忍受，牺牲一些便捷性即可弥补。在更多时候，歧视会在人们广泛运用人工智能时被无意识地放大。
为了提高招聘效率，亚马逊开发了一套人工智能程序筛选简历，对500个职位进行针对性的建模，包含了过去10年收到的简历里的5万个关键词，旨在让人事部门将精力放在更需要人类的地方。
想法很好，但现实却残酷。AI竟然学会了人类性别歧视的那一套，通过简历筛选的男性远多于女性，它甚至下调了两所女子学院的毕业生评级。
很多人都认为，人工智能比人类更公正，冷冰冰的机器只相信逻辑和数字，没有感情、偏好，也就不会有歧视，不像人类的决策，混乱且难以预测。但实际上，人工智能“歧视”起来毫不含糊，比人类更严重。
当前的人工智能没有思考能力，它能做的，是寻找那些重复出现的模式。所谓的“偏见”，就是机器从数据中拾取的规律，它只是诚实地反映了社会中真实存在的偏见。它会积极“迎合”人类的性骚扰，是因为人类希望它迎合，它之所以会“歧视”，是因为人类把它训练成了这样。
小米公司研发的语音助手小爱就曾被曝出存在歧视同性恋的言论。小米公司为此致歉，并解释称，小爱的回答都是从网络公开数据中学来的，不代表公司和产品的态度，公司已经进行了干预处理。
亚马逊研究后发现，因为在科技公司中，技术人员多数是男性，让人工智能误以为男性特有的特质和经历是更重要的，因而将女性的简历排除在外。斯坦福大学的研究人员则发现，图片识别率异常的原因是，“喂”给AI的图片大多是白人、男性，缺乏少数族裔，而包含女性的图片里，往往会出现厨房等特定元素。
换句话说，机器不过是“学以致用”。
这看起来很难有改善的可能，现有的训练方式甚至会加深“偏见”。你一定有过这样的经历，刚在购物网站上购买了洗发水，就在各类软件的开屏广告、“你可能喜欢”里看到10个品牌的30种其他洗发水，仿佛自己要开杂货店。
一项研究表明，如果初始数据中，“下厨”与“女性”联系起来的概率是66%，将这些数据喂给人工智能后，其预测“下厨”与“女性”联系起来的概率会放大到84%。
并不是每个人都会平等地出现在数据里。现实生活中，女性往往被认为不擅长数学，不适合学习理工科，这导致相应领域的女性从业者人数偏低。前述报告显示，女性只占人工智能研究人员的12%。
美国心脏及中风基金会发布的《2018年心脏病报告》显示，三分之二的心脏病临床研究仍然重点关注男性。因为招募的志愿者都是年轻人，一家血液检测机构的人工智能误将老年人的血液都判断为不健康。
比尔·盖茨也曾在2019年年度公开信中抱怨，健康和发展方面，目前有关妇女和女童的数据缺失严重，这使基金会和决策者难以有针对性地制订政策、评估效用。
目前，我们还无法理解人工智能如何运算和预测结果，但让技术人员上几门统计学、社会学课程，就能消除数据带来的误会。2015年起，盖茨基金会开始投入资金，致力于填补这些数据上的空白。
这些错误和“偏见”看起来显而易见，但对从出生起就在人工智能环境下生活的人来说，习惯会慢慢变成自然。美国一家人工智能公司的创始人偶然发现，自己4岁女儿与亚马逊的AI语音助手Alexa对话时，发布指令的方式“无论从任何社会习俗角度看，都很无礼”，才意识到，Alexa给孩子树立了一个糟糕的榜样。
当谎言重复一千次，它就变成了真理。在被偏见同化前，我们的眼睛不仅要盯着机器，还要盯着我们自己。
王嘉兴
