智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
你對AI有什么印象，沒有感情、不會犯錯，還是公正客觀？但總之，AI是不食人間煙火的，既不會閃耀人性的光輝，也不存在“七宗罪”。實際上，AI并非那么沒有人性，不過這并非一件好事。AI獲得智能的同時，也學會了人類的“歧視”與“偏見”。
AI偏見廣泛存在
麻省理工學院媒體實驗室的Joy Buolamwini曾研究過各個科技公司的面部識別系統(tǒng)，研究發(fā)現(xiàn)，所有的系統(tǒng)在識別男性面孔和淺色皮膚的面孔上擁有較高的準確率，其中，淺色皮膚男性的錯誤率不超過1%，而深色皮膚女性的平均識別錯誤率則高達35%。
提及對整個安防行業(yè)產(chǎn)生深刻影響的AI技術(shù)，人臉識別肯定榜上有名，但AI人臉識別的這類偏見，也已經(jīng)滲入了安防領(lǐng)域。安防領(lǐng)域中，帶有偏見的AI可能會讓清白無辜者蒙冤，受到無理審查，這并非杞人憂天。
在英國，曾有一名黑人男性因人臉識別技術(shù)失誤而被誤認為嫌犯，在公眾場合遭到搜身檢查。Big Brother Watch UK報告也顯示，倫敦警察廳使用的面部識別技術(shù)有超過90%的性別識別錯誤率。
AI為何會產(chǎn)生偏見？
當前人工智能還處于弱人工智能階段，其“偏見”顯然取決于背后訓練算法訓練的數(shù)據(jù)。如上所述，如果AI訓練數(shù)據(jù)庫中，白人、男性比黑人、女性更多，且膚色較深的人多與違法相關(guān)的場景同時出現(xiàn)，就會導致AI產(chǎn)生偏見，這是訓練集和測試集特征分布不一致導致的，在技術(shù)領(lǐng)域被稱為“過擬合”。
目前針對算法“過擬合”，已經(jīng)有權(quán)值衰減、交叉驗證、添加正則項等方法。而關(guān)于如何解決算法歧視問題，科技界則眾說紛紜。曾有人提出開發(fā)公正透明的算法，讓公眾進行監(jiān)督，但這一方法壁壘較高，需受過專業(yè)訓練才能夠進行監(jiān)督。不過，現(xiàn)在已經(jīng)有不少的科學家在努力開發(fā)出一套“公平公正”的算法系統(tǒng)。
科技向善 AI應(yīng)服務(wù)于人類
無論哪種方法，都不可能立竿見影地糾正AI偏見，因此，科技公司以及組織應(yīng)當避免將“帶有明顯歧視性質(zhì)的算法”在不經(jīng)測試之下應(yīng)用到現(xiàn)實情景中。AI并無善惡之分，但人類需要推動科技向善。
在安防領(lǐng)域，公安部門應(yīng)用AI技術(shù)關(guān)愛孤寡老人，以往民警需要每天上門查看孤寡老人狀態(tài)，現(xiàn)在可以通過人臉、人體及軌跡技術(shù)確認孤寡老人活動是否有異常；AI跨年齡人臉識別則可以憑借一張泛黃照片找回被拐十年的兒童。
通過一張3歲的泛黃照片，騰訊優(yōu)圖利用AI技術(shù)突破“跨年齡人臉識別”，助力警方尋回被拐十年兒童。騰訊董事會主席馬化騰也多次在公開演講中闡釋“科技向善”的愿景與使命。
而在未來的算法開發(fā)過程中，應(yīng)該對算法進行適當?shù)?ldquo;算法倫理”教育，并且確定一些算法的“基本準則”，如同“機器人永不能傷害人類”一樣。
(原標題：當AI學會偏見 企業(yè)當為技術(shù)應(yīng)用劃線)
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
