当人工智能技术从象牙塔走进现实生活，与AI伦理有关的议题逐渐成为学术界争论的焦点，甚也有一些年轻人也开始思考算法的伦理和风险。
撰文 / Alter
编辑 / 胖爷
赛博朋克的电影里，常常可以看到这样的构想：
社会已经被财阀集团所控制，人工智能充当了统治的工具，所有人的行为都要遵循机器的逻辑、服从算法的规则。然后生活在社会最底层的主角，找到了其中的漏洞并尝试走出被操控的宿命。
可能在大多数的认知里，类似的反乌托邦世界离我们还很遥远。但当人工智能技术从象牙塔走进现实生活，与AI伦理有关的议题逐渐成为学术界争论的焦点，甚也有一些年轻人也开始思考算法的伦理和风险。
比如在B站上小有名气的视频博主“在下小苏”制作的一期内容里，对DeepFake、人机恋爱等话题进行了讨论 ，诸如DeepFake等黑科技被用来恶搞甚至是作恶的时候，我们对人工智能应该秉持什么样的态度？一旦“技术中立”被越来越多人抨击，我们应该如何处理新时代的人机关系？
或许AI伦理的概念还有些宏观，却是与每一个人息息相关的事。
01
无处不在的算法歧视
人工智能离我们并不遥远。
当你打开资讯应用时，算法会根据你的喜好自动推荐新闻；当你去电商平台购物的时候，算法会结合你的习惯推荐对应的商品；当你去求职应聘的时候，首先处理简历并进行筛选的可能也是算法；当你去医院看病就医的时候，医生可能会利用某个算法模型来判断患病的可能性……
算法正在以前所未有的速度渗透到我们的生活中。在支持者眼中，算法可以在一些决策中减少人为干预，进而提升决策 的效率和准确性。可从批判的角度出发，算法是否带有人为的偏见，人们的命运是否会被算法左右？
遗憾的是，算法歧视现象往往是算法落地应用的衍生品。
亚马逊曾在2014年开发了一套“算法筛选系统”，目的是在招聘的时候帮助HR筛选简历，开发团队打造了500个算法模型 ，同时教算法识别50000个曾经在简历中出现的术语，然后对应聘者的不同能力分配权重。
最后开发团队却发现，算法对男性应聘者有着明显的偏好，如果识别出简历中有女子足球俱乐部、女子学校等经历时，就会对简历给出相对比较低的分数。这个算法模型最终被路透社曝光，亚马逊也适时停止了算法的使用，令人深思的却是：为何“没有价值观”的算法开始有了偏见？
无独有偶，2018年IG夺冠的喜讯让互联网沸腾的时候，战队老板王思聪随即在微博上进行抽奖，结果却出人意料：获奖名单中有112名女性获奖者和1名男性获奖者，女性获奖者比率是男性的112倍，而参与用户的男女比率是1：1.2。
于是不少网友质疑抽奖算法的公平性，甚至有网友主动测试抽奖算法，将获奖人数的设置大于参与人数，仍然有大量用户无法获奖。原因是这些用户被算法判定为“机器人”，意味着在任何抽奖活动中都没有中奖的机会。
在算法的黑匣子面前，我们看到的大多只有结果，却无法理解决策的过程。与之相似的案例可能比比皆是，不过是鲜有人关注罢了。
最直接的教训就是互联网，硅谷自由的法度诞生了互联网，以至于一些原罪被人们选择性忽略，最终在20多年后出现了一轮轮对互联网的批判。正如纽约时报在《减少互联网是唯一的答案》一文中，将互联网归结为带有集权主义意识形态的技术，互联网企业被形容为一群驱使着技术的“邪恶魔王”。
对互联网的批判大概率不会让人们减少互联网的使用，却给出了一个思路：为何互联网会从万众仰慕的行业沦为过街老鼠，倘若算法的应用和算法歧视现象不被制约，又将在未来某一天掀起多大的波澜？
02
根源在于人性的偏见
当然，算法的“偏见”并不缺少合理的解释。
一种说法是将机器学习结果的偏见归咎于数据集偏见，而非算法偏见的“技术中立”。比较知名的支持者就有被称作“卷积神经网络之父”的杨立昆，比较常见的论证是：如果某人持菜刀砍了人，难道是菜刀厂商甚至“菜刀本刀”的错？
另一种解释是数据量太小，当算法学习的数据量越大时，算法的错误会越少，而且结果会越趋向于精准。即使可以开发出一套筛选系统，将不带偏见的数据输入给算法，也无法达到绝对的公平。毕竟“主流”永远拥有更多的数据，算法最终会偏向于大多数，对“非主流”产生所谓的歧视现象。
两种说法其实讲了一个相同的道理：计算机领域有个著名的缩写是GIGO，即Garbage in, Garbage Out。翻译成中文的意思是，如果输入的是垃圾数据，那么输出的也将是垃圾的结果。算法就像是现实世界的镜子，可以折射出社会中人们意识到或者无意识的偏见，如果整个社会对某个话题有偏见，算法输出结果自然是有歧视的。
德国哲学家雅斯贝尔斯曾在《原子弹与人类的未来》写道：“技术本身既非善，亦非恶，但它既可以用于善，也可以用于恶。它本身不包含任何观念：既不包含完美的观念，也不包含毁灭的邪恶观念；它们都有别的源头在人类自身之中。”
也就是说，算法歧视的根源其实在于人性的偏见，“算法中立”之流的观点本质上是对人性偏见的掩饰，也恰恰是人工智能让人恐惧的地方 。
任何一项技术的出现，都有“工具性”和“目的性”两个维度，选择权其实留给了人类自身。然而人性往往经不起考验，无法想象当“工具”交到人们手中又缺少节制的时候，将会做出多大的恶。
就像“小苏”在视频中提到的DeepFake算法，2017年亮相时就引起了巨大的轰动，一位名为Deepfakes的用户将神奇女侠扮演者盖尔加朵的脸换到了一部成人电影女主角身上，以假乱真的效果引发了巨大的争议。
由于DeepFake算法的出现，原本只有专业电影制作机构才能完成的任务，普通人经过一段时间的学习也能掌握，就像是一头冲出笼子的野兽：加蓬总统Ali Bongo利用DeepFake合成的新年致辞，意外引发了军方的兵变；有人用DeepFake合成马来西亚经济部长与男性在一起的视频，给政府造成了不小的烦恼；在世界上无数隐蔽的角落里，有人利用DeepFake进行欺诈勒索……
在这个“算法无处不在”的世界里，我们该如何自处？
03
把野兽关进铁笼子里
作为新时代的“火种”，我们可能无法拒绝人工智能。
因为人工智能的应用，质检线上的工人无须再盯着强光下的产品用眼睛寻找瑕疵；因为人工智能的应用，基层的医生也可以根据病人的检查结果做出准确的病情判断；因为人工智能的应用，一群不会输入法的老年人也能用语音走进互联网世界……
不过一切美好的前提在于，先将野兽关进铁笼子里。
或许可以借用《人民日报》在评论“快播案”时的观点：技术不但必然负荷价值，而且还有伦理上“应当”负荷的“良善”价值：维持法律与习俗的稳定，远离破坏和颠覆。一旦违逆了这条原则，任何技术都将被打上可耻的烙樱
言外之意，技术不应该是独立于现实的乌托邦，科技的崛起离不开必要的监管，在法律法规上划清技术应用的边界，为技术中立套上伦理的枷锁，可以说是人工智能技术行稳致远的前提所在。
同时越来越多的学者也在讨论代码与法律之间的关系，担忧算法会不会动摇现有人类社会法律的基本框架，并提出了“算法规制”的概念，一种以算法决策为手段的规制治理体系，可以理解为利于算法治理的工具。
而除了这些防御性的机制，或许还存在另外一种可能：对算法开发者进行适当的“AI伦理”教育，确定一些算法的“基本准则”，就像“机器人永不能伤害人类”的铁律一样，从源头杜绝算法的滥用。
以“在下小苏”为代表的视频博主不失为一个切入口。尽管“在下小苏”的AI伦理节目不排除和旷视合作的嫌疑，可如果一家人工智能企业愿意走进年轻人聚焦的互动场域，以年轻人熟悉的语境和表达方式，向外界传递AI伦理的概念和自身的AI伦理实践，何尝不是一种行之有效的启蒙方式 。
目前包括中国社科院、清华大学、复旦大学、上海交大等在内的科研机构与高校，均已经开始进行AI伦理的相关研究。世界人工智能大会、北京智源大会等行业顶级峰会，也将AI伦理作为讨论的议题。在人工智能普及过程中扮演了领头羊作用的企业们，同样应该肩负普及AI伦理观念的义务，为年轻人上好AI第一课。
早在一百多年前的时候，美国最高法院大法官路易斯布兰代斯就曾发表言论称：“阳光是最好的杀毒剂。”同样的道理也适用于人工智能教育，在教会年轻人用人工智能改变世界的同时，还要让他们明白善恶、底线和边界。
沿用前面提到的那个例子，菜刀在设计它的时候就已经标注了它的用途，人工智能也是如此，应该将其控制在可理解的天花板下，而非放任在失控的黑箱中，AI伦理就是其中的天花板。
04
写在最后
无可否认的是，伴随着人工智能的大规模产业化应用，一些无先例可循的人机矛盾逐渐浮出了水面，以至于找到一种可预期的、可被约束的、行为向善的人工智能治理机制，成了人工智能时代的首要命题。
或许无须太过沮丧 ，从钻木取火的原始时代到计算机时代，人类一直走在学习科技、利用科技、掌控科技的路上，期间虽然走了一些弯路，终究做出了一次次善的选择，找到了正确的驭火之术。而学习AI伦理的“AI第一课”，恰恰就是规避AI走向恶的一面，理性驾驭AI的正确开始。
当Z世代的年轻人都在讨论AI伦理的时候，构建出一套完美的人工智能治理规则，已经不再遥不可及。
END
主理人 | Alter
前媒体人、公关，现专职科技自媒体
钛媒体2018年度十大作者
品途商业评论2017、2018年度作者
人人都是产品经理2018年度作者
领英2019年优秀内容贡献者
虎嗅、钛媒体、36kr、创业邦、福布斯中国等专栏作者
