越來越多的高技術産業和數字服務都以人工智慧和機器學習為基礎。但是，我們必須看到：人類社會存在的偏見和歧視也會被復制到人工智慧係統中。因此，我們應對人工智慧的整個程式進行監管，包括資訊輸入輸出、數據、演算法、模型等，以克服偏見與歧視在人工智慧領域的延續。

　　在人工智慧問題上，有個所謂 “黑盒子”的問題，即我們不能看到程式演算法的內部，因此無法理解人工智慧是如何做出決策的。如果沒有解決好這個問題，一些涉嫌歧視的數據將被演算法永久性地編碼進人工智慧程式中，從而影響未來人類與人工智慧的關係。不過，僅靠純粹的技術手段，很難實現對人工智慧的每個階段實現無漏洞監控，同時還需通過人工評估和幹預，才能確保偏見和歧視被徹底消除。

　　要消除人工智慧潛在的歧視問題，第一步是打開演算法“黑匣子”。出于專利保護和商業機密的考慮，許多公司的人工智慧程式演算法都處于保密狀態。不過，這一狀況正得到改變，目前人工智慧領域正在加快代碼的開源，制定新的透明度標準，來提高人工智慧産品的可靠性。AI NOW是美國紐約大學一個倡導演算法公平的非營利組織，它提倡 “程式員必須對演算法得出的結論做出解釋，否則就不能投入使用”。

　　目前，相當一部分互聯網巨頭開始正視這一點。如谷歌開發的幾個人工智慧項目，程式員為機器學習增加了手動限制，使輸出的資訊更準確，可理解性更高。美國國防部高級研究計劃局還資助了一項名為XAI（可解釋的人工智慧）的計劃，旨在打開人工智慧的 “黑匣子”，以保證用戶更好地控制人工智慧程式。微軟首席執行官薩蒂亞·納德拉也認可 “演算法問責制”的必要性。

　　但通過打開演算法 “黑匣子”，制定法規和政策來確保消除人工智慧的偏見和歧視，這還遠遠不夠。因為偏見與歧視不光存在于演算法中，還存在于人工智慧得出的結論、預測和建議中。

　　以虛擬助手為例，處理比較簡單的任務時，人工智慧係統會偏向使用女聲（例如Apple的Siri和亞馬遜的Alexa）；而解決疑難問題時，係統則選用男聲（例如IBM的Watson和微軟的愛因斯坦）。由于在人工智慧行業女性從業人數偏少，這更是增加了性別歧視的可能性。

　　鑒于此，我們應加強對人工智慧所使用的數據、演算法以及模型的評估，以剔除潛在的可導致偏見與歧視的因素，並且加強程式員的 “演算法問責制”，這樣才能提高人工智慧産品的可靠性，最終建立起人機信任。

　　（作者：伊麗莎白·艾塞萊 英國皇家國際事務研究所；上海全球治理與區域國別研究院 劉琳 編譯）

【糾錯】

責任編輯： 鐘玉嵐 王秀