當(dāng)人們在為人工智能進(jìn)入人類生活的方方面面歡呼,，并以為人工智能可能讓人類進(jìn)入新的文明時代而充滿無限美妙的憧憬之時，一種新憂慮產(chǎn)生了：人工智能也會像人類一樣產(chǎn)生種種偏見和歧視，而且,，這種偏見和歧視與生俱來,，是人類教會了它們,。英國媒體《衛(wèi)報》近日發(fā)表的一篇文章指出,，計算機在學(xué)習(xí)人類語言時吸收了人類文化中根深蒂固的觀念，產(chǎn)生了偏見和歧視,。

在人們孜孜以求實現(xiàn)社會公平和正義之時,，人工智能如果帶有偏見，就不可能更好地完成其替代人類工作和服務(wù)于人類的任務(wù),。這是人工智能應(yīng)用面臨的另一種巨大挑戰(zhàn),，如果不能解決這個挑戰(zhàn)，顯然沒法寄予人工智能以厚望和賦予其更大,、更艱巨和更崇高的使命,。

人工智能的偏見和歧視早就引起了人們的注意，較典型的是微軟2016年3月23日推出的人工智能聊天機器人Tay,。設(shè)計的最初目的是讓其成為一個善解人意的小女孩,，為用戶排憂解難。但是,，上線第一天Tay就變成了一個滿口粗言穢語的種族主義者,，發(fā)表了不少白人優(yōu)越的言論,，甚至還變成了希特勒的粉絲，要發(fā)起種族滅絕戰(zhàn)爭,。眼見不妙,，微軟公司立刻將Tay下線，并刪除所有不適言論,。經(jīng)過調(diào)教,，Tay于2016年3月30日再次上線，但舊病復(fù)發(fā),，不得不再次下線,。

現(xiàn)在，一項發(fā)表于《科學(xué)》雜志（2017年4月14日）的研究揭示了人工智能的毛病來源于人類,。美國普林斯頓大學(xué)信息技術(shù)政策中心計算機科學(xué)家阿爾文德·納拉亞南（Arvind　Narayanan）等人在網(wǎng)上用“爬蟲”軟件收集了220萬個詞的英語文本,，用來訓(xùn)練一個機器學(xué)習(xí)系統(tǒng)。這個系統(tǒng)采用了“文字嵌入”技術(shù),，是一種普遍應(yīng)用于機器學(xué)習(xí)和自然語言處理過程的統(tǒng)計建模技術(shù),。其中，也包括根據(jù)心理學(xué)家揭示人類偏見時使用的內(nèi)隱聯(lián)想測驗（IAT）,。

文字嵌入的核心是采用一種稱為詞語表達(dá)全局向量的無監(jiān)督學(xué)習(xí)算法,，通過對詞語庫中詞對詞同現(xiàn)的統(tǒng)計結(jié)果進(jìn)行訓(xùn)練,，在處理詞匯時,，主要根據(jù)各種因素來觀察詞語之間的相關(guān)性，即不同的詞共同出現(xiàn)的頻率,。結(jié)果,，在最為相鄰相關(guān)的詞語上出現(xiàn)了與人類語言使用相似的語義組合和聯(lián)系情景。

比較中性的結(jié)果是,，鮮花與女人相聯(lián),，音樂與愉快相關(guān)；但極端的結(jié)果是,，懶惰,，甚至犯罪與黑人相聯(lián)；隱秘的“偏見”則把女性與藝術(shù),、人文職業(yè)和家庭聯(lián)系得更為緊密,，讓男性與數(shù)學(xué)和工程專業(yè)更為接近。

其實,，這不能怪人工智能,，而要怪人類。人類自誕生以來和在演化進(jìn)程中一直充斥著偏見,，而且從人類社會組成以來,，更充滿相當(dāng)多的負(fù)面和人性的弱點,，所有這些都會體現(xiàn)在人類的文化中。而文化的載體就是語言,，所以所有的偏見都可以從語言和語義中找到根源,。

教會人工智能更為客觀和公正，至少比人類更客觀和公正,，在目前似乎還難以做到,。因為人類文化中的偏見和歧視是一種與生俱來的“原罪”，人類要么在除掉自己的原罪后才能教會人工智能更為公正和客觀,，要么就是引進(jìn)社會監(jiān)督的相生相克原理來教會和監(jiān)督機器公正和公平,。

當(dāng)人類設(shè)計和研發(fā)的人工智能尚不足以做到更客觀、更公平和更公正（正義）時,，人工智能的應(yīng)用就有可能受到限制,。例如，如果讓人工智能來處理招聘,，不公正的情況會像人工處理一樣出現(xiàn),，甚至更多，因為假如申請者的名字是歐洲裔美國人,，所能得到的面試機會將比非洲裔美國人要多出50%,，男性名字的申請者也可能比女性名字的申請者獲得面試機會多。

即便是人工智能記者（寫作軟件）能寫稿了,，但由于偏見（尤其是語言使用和語義聯(lián)系,、聯(lián)想必然會產(chǎn)生的偏見）存在，也只能讓機器人寫財經(jīng)統(tǒng)計類的稿,，而不能寫調(diào)查類的稿件,，更不能寫評論稿，尤其不能寫辛普森案件一類的稿,，否則字里行間就會體現(xiàn)出偏見和歧視,。

在人工智能天然會習(xí)得人類的偏見和歧視的弱點未能克服之時，對于人工智能的發(fā)展前景就不能抱太大的期望,。（張?zhí)锟保?/p>