構建出一套完美的人工智慧治理規則，已經不再遙不可及

賽博朋克的電影裡，常常可以看到這樣的構想：

社會已經被財閥集團所控制，人工智慧充當了統治的工具，所有人的行為都要遵循機器的邏輯、服從演算法的規則。然後生活在社會最底層的主角，找到了其中的漏洞並嘗試走出被操控的宿命。

可能在大多數的認知裡，類似的反烏托邦世界離我們還很遙遠。但當人工智慧技術從象牙塔走進現實生活，與AI倫理有關的議題逐漸成為學術界爭論的焦點，甚至有一些年輕人也開始思考演算法的倫理和風險。

比如在B站上小有名氣的視訊博主“在下小蘇”製作的一期內容裡，對DeepFake、人機戀愛等話題進行了討論 ，諸如DeepFake等黑科技被用來惡搞甚至是作惡的時候，我們對人工智慧應該秉持什麼樣的態度？一旦“技術中立”被越來越多人抨擊，我們應該如何處理新時代的人機關係？

或許AI倫理的概念還有些巨集觀，卻是與每一個人息息相關的事。

01 無處不在的演算法歧視

人工智慧離我們並不遙遠。

當你開啟資訊應用時，演算法會根據你的喜好自動推薦新聞；當你去電商平臺購物的時候，演算法會結合你的習慣推薦對應的商品；當你去求職應聘的時候，首先處理簡歷並進行篩選的可能也是演算法；當你去醫院看病就醫的時候，醫生可能會利用某個演算法模型來判斷患病的可能性……

演算法正在以前所未有的速度滲透到我們的生活中。在支持者眼中，演算法可以在一些決策中減少人為干預，進而提升決策 的效率和準確性。可從批判的角度出發，演算法是否帶有人為的偏見，人們的命運是否會被演算法左右？

遺憾的是，演算法歧視現象往往是演算法落地應用的衍生品。

亞馬遜曾在2014年開發了一套“演算法篩選系統”，目的是在招聘的時候幫助HR篩選簡歷，開發團隊打造了500個演算法模型 ，同時教演算法識別50000個曾經在簡歷中出現的術語，然後對應聘者的不同能力分配權重。

最後開發團隊卻發現，演算法對男性應聘者有著明顯的偏好，如果識別出簡歷中有女子足球俱樂部、女子學校等經歷時，就會對簡歷給出相對比較低的分數。這個演算法模型最終被路透社曝光，亞馬遜也適時停止了演算法的使用，令人深思的卻是：為何“沒有價值觀”的演算法開始有了偏見？

無獨有偶，2018年IG奪冠的喜訊讓網際網路沸騰的時候，戰隊老闆王思聰隨即在微博上進行抽獎，結果卻出人意料：獲獎名單中有112名女性獲獎者和1名男性獲獎者，女性獲獎者比率是男性的112倍，而參與使用者的男女比率是1：1.2。

於是不少網友質疑抽獎演算法的公平性，甚至有網友主動測試抽獎演算法，將獲獎人數的設定大於參與人數，仍然有大量使用者無法獲獎。原因是這些使用者被演算法判定為“機器人”，意味著在任何抽獎活動中都沒有中獎的機會。

在演算法的黑匣子面前，我們看到的大多隻有結果，卻無法理解決策的過程。與之相似的案例可能比比皆是，不過是鮮有人關注罷了。

最直接的教訓就是網際網路，矽谷自由的法度誕生了網際網路，以至於一些原罪被人們選擇性忽略，最終在20多年後出現了一輪輪對網際網路的批判。正如紐約時報在《減少網際網路是唯一的答案》一文中，將網際網路歸結為帶有集權主義意識形態的技術，網際網路企業被形容為一群驅使著技術的“邪惡魔王”。

對網際網路的批判大概率不會讓人們減少網際網路的使用，卻給出了一個思路：為何網際網路會從萬眾仰慕的行業淪為過街老鼠，倘若演算法的應用和演算法歧視現象不被制約，又將在未來某一天掀起多大的波瀾？

02 根源在於人性的偏見

當然，演算法的“偏見”並不缺少合理的解釋。

一種說法是將機器學習https://m.45xs.org/結果的偏見歸咎於資料集偏見，而非演算法偏見的“技術中立”。比較知名的支持者就有被稱作“卷積神經網路之父”的楊立昆，比較常見的論證是：如果某人持菜刀砍了人，難道是菜刀廠商甚至“菜刀本刀”的錯？

另一種解釋是資料量太小，當演算法學習的資料量越大時，演算法的錯誤會越少，而且結果會越趨向於精準。即使可以開發出一套篩選系統，將不帶偏見的資料輸入給演算法，也無法達到絕對的公平。畢竟“主流”永遠擁有更多的資料，演算法最終會偏向於大多數，對“非主流”產生所謂的歧視現象。

兩種說法其實講了一個相同的道理：計算機領域有個著名的縮寫是GIGO，即Garbage in, Garbage Out。翻譯成中文的意思是，如果輸入的是垃圾資料，那麼輸出的也將是垃圾的結果。演算法就像是現實世界的鏡子，可以折射出社會中人們意識到或者無意識的偏見，如果整個社會對某個話題有偏見，演算法輸出結果自然是有歧視的。

德國哲學家雅斯貝爾斯曾在《原子彈與人類的未來》寫道：“技術本身既非善，亦非惡，但它既可以用於善，也可以用於惡。它本身不包含任何觀念：既不包含完美的觀念，也不包含毀滅的邪惡觀念；它們都有別的源頭——在人類自身之中。”

也就是說，演算法歧視的根源其實在於人性的偏見，“演算法中立”之流的觀點本質上是對人性偏見的掩飾，也恰恰是人工智慧讓人恐懼的地方 。

任何一項技術的出現，都有“工具性”和“目的性”兩個維度，選擇權其實留給了人類自身。然而人性往往經不起考驗，無法想象當“工具”交到人們手中又缺少節制的時候，將會做出多大的惡。

就像“小蘇”在視訊中提到的DeepFake演算法，2017年亮相時就引起了巨大的轟動，一位名為Deepfakes的使用者將神奇女俠扮演者蓋爾·加朵的臉換到了一部成人電影女主角身上，以假亂真的效果引發了巨大的爭議。

由於DeepFake演算法的出現，原本只有專業電影製作機構才能完成的任務，普通人經過一段時間的學習也能掌握，就像是一頭衝出籠子的野獸：加彭總統Ali Bongo利用DeepFake合成的新年致辭，意外引發了軍方的兵變；有人用DeepFake合成馬來西亞經濟部長與男性在一起的視訊，給政府造成了不小的煩惱；在世界上無數隱蔽的角落裡，有人利用DeepFake進行欺詐勒索……

在這個“演算法無處不在”的世界裡，我們該如何自處？

03 把野獸關進鐵籠子裡

作為新時代的“火種”，我們可能無法拒絕人工智慧。

因為人工智慧的應用，質檢線上的工人無須再盯著強光下的產品用眼睛尋找瑕疵；因為人工智慧的應用，基層的醫生也可以根據病人的檢查結果做出準確的病情判斷；因為人工智慧的應用，一群不會輸入法的老年人也能用語音走進網際網路世界……

不過一切美好的前提在於，先將野獸關進鐵籠子裡。

或許可以借用《人民日報》在評論“快播案”時的觀點：技術不但必然負荷價值，而且還有倫理上“應當”負荷的“良善”價值：維持法律與習俗的穩定，遠離破壞和顛覆。一旦違逆了這條原則，任何技術都將被打上可恥的烙印。

言外之意，技術不應該是獨立於現實的烏托邦，科技的崛起離不開必要的監管，在法律法規上劃清技術應用的邊界，為技術中立套上倫理的枷鎖，可以說是人工智慧技術行穩致遠的前提所在。

同時越來越多的學者也在討論程式碼與法律之間的關係，擔憂演算法會不會動搖現有人類社會法律的基本框架，並提出了“演算法規制”的概念，一種以演算法決策為手段的規制治理體系，可以理解為利於演算法治理的工具。

而除了這些防禦性的機制，或許還存在另外一種可能：對演算法開發者進行適當的“AI倫理”教育，確定一些演算法的“基本準則”，就像“機器人永不能傷害人類”的鐵律一樣，從源頭杜絕演算法的濫用。

以“在下小蘇”為代表的視訊博主不失為一個切入口。儘管“在下小蘇”的AI倫理節目不排除和曠視合作的嫌疑，可如果一家人工智慧企業願意走進年輕人聚焦的互動場域，以年輕人熟悉的語境和表達方式，向外界傳遞AI倫理的概念和自身的AI倫理實踐，何嘗不是一種行之有效的啟蒙方式 。

目前包括中國社科院、清華大學、復旦大學、上海交大等在內的科研機構與高校，均已經開始進行AI倫理https://www.45xs.org/的相關研究。世界人工智慧大會、北京智源大會等行業頂級峰會，也將AI倫理作為討論的議題。在人工智慧普及過程中扮演了領頭羊作用的企業們，同樣應該肩負普及AI倫理觀念的義務，為年輕人上好AI第一課。

早在一百多年前的時候，美國最高法院大法官路易斯·布蘭代斯就曾發表言論稱：“陽光是最好的防毒劑。”同樣的道理也適用於人工智慧教育，在教會年輕人用人工智慧改變世界的同時，還要讓他們明白善惡、底線和邊界。

沿用前面提到的那個例子，菜刀在設計它的時候就已經標註了它的用途，人工智慧也是如此，應該將其控制在可理解的天花板下，而非放任在失控的黑箱中，AI倫理就是其中的天花板。

04 寫在最後

無可否認的是，伴隨著人工智慧的大規模產業化應用，一些無先例可循的人機矛盾逐漸浮出了水面，以至於找到一種可預期的、可被約束的、行為向善的人工智慧治理機制，成了人工智慧時代的首要命題。

或許無須太過沮喪 ，從鑽木取火的原始時代到計算機時代，人類一直走在學習科技、利用科技、掌控科技的路上，期間雖然走了一些彎路，終究做出了一次次善的選擇，找到了正確的馭火之術。而學習AI倫理的“AI第一課”，恰恰就是規避AI走向惡的一面，理性駕馭AI的正確開始。

當Z世代的年輕人都在討論AI倫理的時候，構建出一套完美的人工智慧治理規則，已經不再遙不可及。