文|創(chuàng)瞰巴黎
導(dǎo)讀
機(jī)器學(xué)習(xí)算法能夠識(shí)別規(guī)律，因此，即便是最不起眼的偏見(jiàn)，也會(huì)影響到整個(gè)算法，最終導(dǎo)致偏見(jiàn)的延續(xù)和放大。人工智能技術(shù)為什么存在偏見(jiàn)問(wèn)題？本期帶您了解機(jī)器學(xué)習(xí)算法的運(yùn)作機(jī)制，弄清其本質(zhì)，找出避免問(wèn)題的方法。
一覽：
- 機(jī)器學(xué)習(xí)有三大主流方法：有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)。
- 機(jī)器學(xué)習(xí)算法能夠識(shí)別規(guī)律，因此，即便是最不起眼的偏見(jiàn)，也會(huì)影響到整個(gè)算法，最終導(dǎo)致偏見(jiàn)的延續(xù)和放大。
- 算法以歷史數(shù)據(jù)為基礎(chǔ)發(fā)掘規(guī)律，以解決當(dāng)下問(wèn)題，但容易出現(xiàn)“數(shù)據(jù)泛化”的問(wèn)題——總結(jié)出過(guò)于片面的規(guī)律。
- 人工智能的使用也牽涉到權(quán)力的分配：數(shù)據(jù)使用權(quán)等倫理問(wèn)題可能會(huì)不斷涌現(xiàn)。
- 民眾應(yīng)充分利用人工智能技術(shù)，以協(xié)作的方式實(shí)現(xiàn)廣泛賦能。
要想解決人工智能技術(shù)存在的偏見(jiàn)問(wèn)題，我們必須首先了解機(jī)器學(xué)習(xí)算法的運(yùn)作機(jī)制，并弄清其本質(zhì)。法國(guó)CEA-List研究所人工智能和機(jī)器學(xué)習(xí)專業(yè)博士后Victor Berger表示：“很多人都認(rèn)為，所有的問(wèn)題都能在數(shù)據(jù)集中通過(guò)統(tǒng)計(jì)學(xué)手段找到答案?！?/p>
01 三大主流學(xué)習(xí)方式
“有監(jiān)督學(xué)習(xí)”是機(jī)器學(xué)習(xí)中最簡(jiǎn)單，也是最常見(jiàn)的方法。Berger解釋道：“假設(shè)一個(gè)數(shù)據(jù)庫(kù)中存有動(dòng)物圖片，那么有監(jiān)督學(xué)習(xí)相當(dāng)于告訴算法：狗的圖片、貓的圖片、雞的圖片對(duì)應(yīng)著‘狗’、‘貓’、‘雞’等名詞。此后一旦給算法某個(gè)特定的輸入（圖片），就會(huì)得到一個(gè)特定的輸出（名詞）。機(jī)器翻譯就是典型的有監(jiān)督學(xué)習(xí)算法。”
“無(wú)監(jiān)督學(xué)習(xí)”是第二類算法，也就是說(shuō)，對(duì)于一個(gè)給定輸入，不告訴算法現(xiàn)成的輸出。“以上文的數(shù)據(jù)庫(kù)為例，無(wú)監(jiān)督學(xué)習(xí)指給機(jī)器輸入一張張動(dòng)物圖片，讓算法自主進(jìn)行統(tǒng)計(jì)歸納，從而對(duì)輸入進(jìn)行分類?！?/p>
“監(jiān)督算法的數(shù)據(jù)集發(fā)揮著至關(guān)重要的作用。”
第三類算法名為“半監(jiān)督學(xué)習(xí)”。Berger稱：“在前兩類學(xué)習(xí)模式下，代碼能夠讓算法不斷自我改進(jìn)。但在半監(jiān)督模式下，算法只能分辨出任務(wù)完成與否，并不會(huì)得知改進(jìn)方式。此時(shí)，影響算法學(xué)習(xí)能力的將是環(huán)境，以及環(huán)境對(duì)結(jié)果作出的反應(yīng)?！?/p>
在上述三種學(xué)習(xí)模式中，提供給算法的數(shù)據(jù)集均發(fā)揮著至關(guān)重要的作用。Berger強(qiáng)調(diào)：“機(jī)器學(xué)習(xí)算法擅長(zhǎng)識(shí)別規(guī)律。”因此，即便是最不起眼的偏見(jiàn)，也會(huì)影響到整個(gè)算法，最終導(dǎo)致偏見(jiàn)的延續(xù)和放大。
02 數(shù)據(jù)泛化
瑞士科創(chuàng)企業(yè)Tournesol的聯(lián)合創(chuàng)始人Lê Nguyên Hoang是一名數(shù)學(xué)博士，他在人工智能的普及上做出過(guò)許多貢獻(xiàn)。在他看來(lái)，“數(shù)據(jù)泛化”這一現(xiàn)象在機(jī)器學(xué)習(xí)領(lǐng)域無(wú)處不在?！翱v觀業(yè)界和學(xué)界，幾乎所有人都將焦點(diǎn)放在算法的設(shè)計(jì)上，很少會(huì)有人關(guān)注數(shù)據(jù)的質(zhì)量。當(dāng)我們?cè)谟?xùn)練算法時(shí)，使用了很多歷史數(shù)據(jù)庫(kù)，但其中的數(shù)據(jù)是否經(jīng)過(guò)了仔細(xì)審核？從歷史數(shù)據(jù)中總結(jié)出泛化、片面的規(guī)律，是否真正對(duì)社會(huì)發(fā)展有益？”
為了更好地了解數(shù)據(jù)泛化，Berger分享了一個(gè)業(yè)界廣為流傳的小故事?！盀榱硕沤^性別偏見(jiàn)，一家公司在使用人工智能篩選簡(jiǎn)歷時(shí)，抹去了姓名和照片等信息。但隨后他們意識(shí)到，‘足球’一詞成為了算法的關(guān)注焦點(diǎn)。” 該公司已經(jīng)是萬(wàn)般謹(jǐn)慎，但他們沒(méi)有預(yù)料到，訓(xùn)練算法時(shí)所使用的那些過(guò)往簡(jiǎn)歷中，很多被招募的男性員工都將足球列為了興趣愛(ài)好。所以，在這則故事中，算法不僅沒(méi)有削弱性別偏見(jiàn)，反而助長(zhǎng)了這一現(xiàn)象。Berger解釋道：“當(dāng)前有兩種方法可以克服這一挑戰(zhàn)：一、花費(fèi)精力打造質(zhì)量更高的數(shù)據(jù)庫(kù)；二、讓算法消除已經(jīng)形成的偏見(jiàn)?！?/p>
但這并不是萬(wàn)全之策。Lê Nguyên Hoang 稱：“以內(nèi)容審核為例，數(shù)據(jù)的研判取決于我們對(duì)言論自由的理解，以及對(duì)仇恨言論或虛假信息的判斷。可以說(shuō)，這些問(wèn)題并沒(méi)有明確的、放之四海而皆準(zhǔn)的答案。如果問(wèn)題本身牽涉到了技術(shù)之外的因素，那么解決方案也理應(yīng)如此?！?/p>
03 反饋循環(huán)
算法可能會(huì)導(dǎo)致的反饋循環(huán)也引發(fā)了人們的討論。Lê Nguyên Hoang指出：“我們需要記住一點(diǎn)——機(jī)器學(xué)習(xí)算法的運(yùn)作永遠(yuǎn)是以目的為導(dǎo)向的，如提升內(nèi)容曝光率、利潤(rùn)、點(diǎn)擊率等?！?/p>
假設(shè)某地區(qū)的警察想使用算法來(lái)預(yù)測(cè)最易發(fā)生犯罪行為的街區(qū)。在Berger看來(lái)，算法勢(shì)必會(huì)基于警方的歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，找出逮捕人數(shù)最多的街區(qū)。但這又回到了之前的問(wèn)題：歷史數(shù)據(jù)的片面泛化，過(guò)度放大過(guò)往對(duì)未來(lái)的預(yù)測(cè)能力。事實(shí)上，算法不僅會(huì)對(duì)街區(qū)的現(xiàn)有治安環(huán)境進(jìn)行定性，還會(huì)左右未來(lái)該街區(qū)的治安決策，如警力增加、視頻監(jiān)控覆蓋率擴(kuò)大，從而進(jìn)一步加劇執(zhí)法人員和民眾的對(duì)立。
“但這一做法可能使人們對(duì)激進(jìn)主義、宗教運(yùn)動(dòng)和陰謀論更加深信不疑。”
同樣，當(dāng)用戶使用社交媒體和娛樂(lè)平臺(tái)時(shí)，算法會(huì)基于他們的瀏覽記錄來(lái)做相關(guān)推薦，以盡可能吸引用戶駐足停留，但這可能會(huì)演變?yōu)橄到y(tǒng)大力推送宣揚(yáng)激進(jìn)主義、教派對(duì)立、陰謀論的內(nèi)容。Lê Nguyên Hoang正在開(kāi)發(fā)一款名為Tournesol的算法以解決上述問(wèn)題。Tournesol使用的數(shù)據(jù)庫(kù)采用了開(kāi)源模式，基于用戶的相互協(xié)作建立而成[1]。
04 權(quán)力分配
綜上所述，人工智能技術(shù)不僅牽涉到科學(xué)研究和技術(shù)應(yīng)用，還涉及權(quán)力的分配問(wèn)題。美國(guó)機(jī)器學(xué)習(xí)應(yīng)用開(kāi)發(fā)企業(yè)Hugging Face 的哲學(xué)研究員和高級(jí)倫理學(xué)家Giada Pistilli指出：“我們必須辨明算法在訓(xùn)練、設(shè)計(jì)和部署等諸多環(huán)節(jié)可能產(chǎn)生的各種社會(huì)和倫理問(wèn)題?！?/p>
問(wèn)題究竟有哪些？Giada Pistilli稱，這些問(wèn)題在人工智能技術(shù)的發(fā)展歷程中隨處可見(jiàn)?！耙坏?shù)據(jù)存在偏見(jiàn)，模型訓(xùn)練完畢后便會(huì)引發(fā)一些倫理方面的思考，比如，相關(guān)數(shù)據(jù)是否會(huì)導(dǎo)致刻板印象的產(chǎn)生？特定數(shù)據(jù)的缺失會(huì)帶來(lái)何種后果？如果數(shù)據(jù)庫(kù)中含有侵犯了他人知識(shí)產(chǎn)權(quán)的圖片或數(shù)據(jù)，那么在使用數(shù)據(jù)前是否征得了本人的同意？”
但這僅僅是問(wèn)題的冰山一角。Giada Pistilli 指出：“在算法的開(kāi)發(fā)和部署環(huán)節(jié)，模型的歸屬、算法設(shè)計(jì)人員的選取、設(shè)計(jì)的目的等疑問(wèn)都有待解答。此外，模型的使用十分耗能，出于減排的考慮，某些模型是否該舍棄？這也間接證明了只有‘財(cái)大氣粗’的公司才有能力去投資和使用算法?！?/p>
“我們可以將人工智能打造成有效的賦能工具，為各類群體謀福祉?！?/p>
所幸，前途并非一片黑暗——人工智能完全有潛力變成一種賦能工具。Giada Pistilli是BigScience項(xiàng)目的成員，該項(xiàng)目旨在開(kāi)發(fā)一個(gè)開(kāi)放的語(yǔ)言模型，共有幾千名參與者。在她看來(lái)，這樣的項(xiàng)目能夠極大發(fā)揮人工智能的益處?！伴_(kāi)發(fā)這種專注于單一任務(wù)的人工智能模型其實(shí)更能因地制宜，因?yàn)樵诖诉^(guò)程中，人人皆可參與，并且可以密切監(jiān)督該模型的發(fā)展。向公眾普及這些新技術(shù)，并廣邀社會(huì)各界參與數(shù)據(jù)庫(kù)的建立，可以將人工智能打造成有效的賦能工具，為各類群體謀福祉。”
人類能否自信迎接機(jī)器學(xué)習(xí)的重重挑戰(zhàn)？答案或許需要你來(lái)書寫。