每一項技術(shù)進步都帶來了一股恐懼和不確定性。

一、克服毫無根據(jù)的恐懼

我們看到這種情況反復(fù)出現(xiàn)。自工業(yè)革命以來，人們一直在思考新技術(shù)對他們生活和工作的影響，今天我們看到，每一次人工智能突破之后，恐懼就會出現(xiàn)。盡管人工智能近年來取得了巨大進步，但其仍處于早期階段，這帶來了一定程度的不確定性。這種不確定性只有在出現(xiàn)問題或預(yù)期大于現(xiàn)實時才會加劇，從而導(dǎo)致誤解和焦慮。作為一名直言不諱的人工智能評論家，Elon Musk利用這一誤解，描繪了一場即將到來的人工智能大災(zāi)難的畫面，盡管他將強大的人工智能嵌入特斯拉的汽車中。所有這些都表明，在某種程度上，我們發(fā)現(xiàn)自己陷入了一個危險的、不必要的炒作周期。

我們必須克服這種毫無根據(jù)的恐懼。現(xiàn)實是這樣的：今天沒有可信的研究支持這些末日場景。他們是令人信服的小說。我喜歡看《終結(jié)者》，就像和我同齡的其他孩子一樣，但這些有趣的場景無法讓我們應(yīng)對人工智能帶來的直接威脅。

我們面臨的主要問題是偏見和多樣性，這些問題比奇點和機器人暴動更直接，也更人性化。這些問題包括嵌入的偏見和缺乏多樣性的領(lǐng)域和數(shù)據(jù)集。用有偏見的數(shù)據(jù)訓(xùn)練人工智能，我們可能會無意識地在人工智能中灌輸我們自己的偏見。如果不加以控制，偏見會導(dǎo)致人工智能對某些人有利，而其他人則會付出代價。如果不增加領(lǐng)域的多樣性，一些人將對人工智能創(chuàng)造背后隱藏的決策產(chǎn)生更大的影響。隨著人工智能整合到對個人生活影響更大的決策過程中，例如招聘、貸款申請、司法審查和醫(yī)療決定，我們將需要警惕它吸收我們最壞的傾向。

二、沒有無辜的數(shù)據(jù)

當人工智能觸及最基本的人類系統(tǒng)時，我們需要記住它不是在真空中運行。人工智能依賴于海量數(shù)據(jù)，強大的算法可以分析這些數(shù)據(jù)，然后得出具有啟示性的洞見。但是人工智能依賴訓(xùn)練數(shù)據(jù)。如果數(shù)據(jù)存在偏見，比如帶有種族主義或性別歧視的語言，這會影響結(jié)果。無論你訓(xùn)練人工智能什么，結(jié)果都會被放大，因為算法會無數(shù)次地復(fù)制它的決策。在數(shù)據(jù)中未被發(fā)現(xiàn)的偏見逐漸顯現(xiàn)，令人不安，這是人工智能系統(tǒng)開始輸出反映我們自己最根深蒂固的偏見的結(jié)果。與機器人暴動不同，有偏見的人工智能并不是一個假設(shè)的風(fēng)險。有偏見的人工智能在選美比賽中選擇了淺色皮膚的選手，而非深色皮膚的選手。一種帶有偏見的谷歌算法將黑臉歸類為大猩猩。

在一項研究中，一個有偏見的人工智能篩選簡歷，會更傾向于歐裔美國人（相對于非裔美國人）。在另一項研究中，有偏見的AI將男性的名字與職業(yè)導(dǎo)向、數(shù)學(xué)和科學(xué)詞匯聯(lián)系起來，同時將女性的名字與藝術(shù)概念聯(lián)系在一起。就像我們自己的點擊讓我們處在自己的Facebook過濾器泡泡里一樣，帶有偏見的數(shù)據(jù)創(chuàng)造出了傳播人類偏見的人工智能。

我們不能因為服從人工智能而逃避責任。我們越多地將這些系統(tǒng)納入我們的決策過程，我們就必須做得越多，以確保我們能夠負責任地使用這些系統(tǒng)。解決數(shù)據(jù)偏見問題的第一步是在數(shù)據(jù)收集過程中建立更大的透明度。它是從哪里來的？它是怎么收集的？是誰收集的？我們還需要解決模型中的偏見問題。通過讓我們的模型的內(nèi)部工作更加清晰，我們將能夠發(fā)現(xiàn)我們之前沒有發(fā)現(xiàn)的數(shù)據(jù)中的偏見。

如果我們能夠恰當?shù)亟鉀Q人工智能中存在的偏見問題，那么人工智能將繼續(xù)成為創(chuàng)造一個更美好世界的有用工具。雖然解決世界上數(shù)十億人的偏見問題可能是完全不可行的，但我們完全有可能創(chuàng)造出比創(chuàng)造者更少偏見的人工智能。

雖然人類的偏見造成了這些挑戰(zhàn)，但人類的洞察力可以解決這些問題。算法在清除虛假新聞和識別歧視方面取得了巨大進步，但人類的監(jiān)督將成為構(gòu)建更公平的人工智能系統(tǒng)的必要條件。在正在進行的“關(guān)于人工智能將如何改變工作”的討論中，我們很容易想到一個新角色出現(xiàn)：人工智能監(jiān)視器。我們?nèi)匀恍枰斯z查人工智能的輸入和輸出。

三、更公正的人工智能

這讓我們想到了第二個與之相關(guān)的問題，那就是建立更公正的人工智能：我們需要在開發(fā)這些系統(tǒng)的研究人員和開發(fā)人員的社區(qū)中擁有更多的多樣性。

幾項研究揭示了該行業(yè)嚴重的不平衡。根據(jù)Code.org的數(shù)據(jù)，“黑人、拉丁裔、美洲印第安人以及土著太平洋島民的比例顯著偏低，僅占計算機科學(xué)專業(yè)學(xué)生總數(shù)的17%。”較少的代表性往往與更少的可獲得性相吻合，不僅在課堂上，在公司、政府和公民團體中也是如此。

我們需要積極確保這些新技術(shù)出現(xiàn)時的可獲得性。幸運的是，人工智能也可以幫助解決這個問題。通過使用人工智能，我們可以繼續(xù)提供更直觀的開發(fā)者工具，并增加對教育的獲取渠道，從而擴大可能首先從事人工智能的人的網(wǎng)絡(luò)。

我們現(xiàn)在已經(jīng)可以看到這種情況，一些學(xué)徒計劃專門尋求將弱勢群體帶入計算機科學(xué)課堂的方式。一個名為“Year Up”的組織每年培訓(xùn)4,000名年齡在18歲到24歲之間的低收入成年人。他們?nèi)〉昧司薮蟮某晒Γ?4%的學(xué)生上了大學(xué)，或者在畢業(yè)后的6個月內(nèi)找到了工作。

通過為更廣泛的人群創(chuàng)造教育機會，勞動力將變得更加多樣化，對人工智能數(shù)據(jù)和設(shè)計的方式也將變得更加多樣化。如果有更多的多樣性，我們就可以避免一些偏見的陷阱。

四、人工智能的承諾

展望未來，我們必須調(diào)動緊迫感來應(yīng)對這些挑戰(zhàn)。未來在我們知道之前就已經(jīng)到來了。

人工智能可能是有史以來最先進的工具，就像一把錘子一樣，可以用在好的地方，也可以用于侵害。在正確監(jiān)督下，人工智能可以讓世界變得更好。它可以實現(xiàn)食品生產(chǎn)和運輸?shù)淖詣踊寕€性化醫(yī)療成為現(xiàn)實，填補信息空白，讓每個人（無論技能水平或背景）都能提高效率。

在這方面，創(chuàng)造更好的人工智能與為人們創(chuàng)造更好的生活息息相關(guān)。這就是人工智能的承諾：讓我們變得更好、更高效，并讓我們有機會更多地專注于有創(chuàng)造性的、有影響力的任務(wù)。即使是在最初的日子里，它也在幫助我們舉起一面鏡子。