免費(fèi)AI編程助手
來源：MSN
作者：Shara Tibken
翻譯：W3Cschool
去年年底美國開始分發(fā) COVID-19 疫苗時，出現(xiàn)了一個重要問題：誰應(yīng)該優(yōu)先注射疫苗？許多醫(yī)療機(jī)構(gòu)和衛(wèi)生官員決定優(yōu)先給與感染者密切接觸的工作人員接種疫苗，包括醫(yī)護(hù)、安保人員。斯坦福大學(xué)做為該國最頂尖大學(xué)之一，建立了一種確定順序的算法。
讓計(jì)算機(jī)決定誰先接種疫苗的唯一問題是它的“非常復(fù)雜的算法”（事實(shí)證明根本不是很復(fù)雜）是建立在錯誤的假設(shè)和數(shù)據(jù)之上的。也就是說，該算法優(yōu)先考慮特定年齡的醫(yī)務(wù)人員，而不考慮許多年長的醫(yī)生沒有定期看病人的情況。斯坦福大學(xué)（Stanford Medicine）首批 COVID-19 疫苗的 5,000 劑疫苗中，只有七劑被分配一線駐地醫(yī)生。絕大多數(shù)被分配到了在家工作或與感染 COVID-19 的患者接觸很少的高級教師和醫(yī)生。斯坦福大學(xué)迅速取消了該算法，并為一線員工接種了疫苗。
斯坦福大學(xué)門診護(hù)理團(tuán)隊(duì)主任蒂姆·莫里森（Tim Morrison）12月中旬在發(fā)布的 Twitter 視頻中說：“我們的算法，倫理學(xué)家和傳染病專家工作了幾個星期，使用年齡、高風(fēng)險(xiǎn)的工作環(huán)境以及該環(huán)境中的陽性率... ... 等條件中，顯然沒有正確的工作”
斯坦福大學(xué)的疫苗崩潰只是算法有偏見的許多方式中的一個例子，隨著計(jì)算機(jī)程序取代人類決策者，這個問題變得越來越明顯。算法有望在沒有情感影響的情況下根據(jù)數(shù)據(jù)做出決策：可以更快、更公平、更準(zhǔn)確地做出決策。然而，算法并不總是基于理想的數(shù)據(jù)，這一缺點(diǎn)在進(jìn)行生死攸關(guān)的決定（例如重要疫苗的分配）時會被放大。
根據(jù)加利福尼亞州奧克蘭市一家致力于種族和經(jīng)濟(jì)正義的非營利性機(jī)構(gòu) Greenlining Institute 周二發(fā)布的一份報(bào)告顯示：其影響甚至更為廣泛，因?yàn)橛?jì)算機(jī)可以確定某人是否獲得房屋貸款，誰被雇用以及囚犯被關(guān)押的時間。Greenlining 首席執(zhí)行官黛布拉·戈?duì)枴ぢ―ebra Gore-Mann）表示，算法通常會保留與人類決策者相同的種族，性別和收入水平偏差。
戈?duì)枴ぢ诮邮懿稍L時說：“您正在看到這些工具被用于刑事司法評估、住房評估、金融信貸、教育、求職。它變得如此普遍，以至于我們大多數(shù)人甚至都不知道正在進(jìn)行某種自動化和數(shù)據(jù)評估?！?/p>
Greenlining 報(bào)告研究了設(shè)計(jì)不當(dāng)?shù)乃惴ㄈ绾瓮{到加劇系統(tǒng)性種族主義、性別歧視和對低收入人群的偏見。由于這項(xiàng)技術(shù)是由人們創(chuàng)造和培訓(xùn)的，因此這些算法（無論是否有意）都可以重現(xiàn)歧視和偏見的模式，而人們通常不會意識到這種情況的發(fā)生。面部識別是被證明存在種族偏見的技術(shù)領(lǐng)域之一。健身帶一直在努力準(zhǔn)確地測量有色人種的心率。
Greenlining 技術(shù)股權(quán)法律顧問 Vinhcent Le 說：“用于超目標(biāo)全球廣告的相同技術(shù)也正用于向人們收取不同價格的產(chǎn)品，這些產(chǎn)品對于經(jīng)濟(jì)健康至關(guān)重要，例如抵押產(chǎn)品保險(xiǎn)，以及不太重要的產(chǎn)品（例如鞋），” 。
在另一個示例中，Greenlining 標(biāo)記了由 Optum Health 創(chuàng)建的算法，該算法可用于確定患者的醫(yī)療照顧優(yōu)先級。其中一個因素是病人在醫(yī)療費(fèi)用上的花費(fèi)，假設(shè)病情最嚴(yán)重的人在醫(yī)療保健上花費(fèi)最多。僅僅使用這個參數(shù)不會考慮到那些沒有那么多錢的人有時不得不在支付房租和支付醫(yī)療賬單之間做出選擇，這會不成比例地傷害到黑人患者。
Optum Health 表示，健康服務(wù)提供者以這種方式測試了算法的使用，但最終沒有使用它來確定醫(yī)療服務(wù)。
Optum 在一份聲明中說：“這個算法沒有種族偏見。這個工具的設(shè)計(jì)目的是根據(jù)個別病人過去的醫(yī)療經(jīng)驗(yàn)來預(yù)測未來可能產(chǎn)生的費(fèi)用，并且在用于此目的時不會導(dǎo)致種族偏見——研究作者同意這一事實(shí)?！?/p>
沒有簡單的解決方法
Greenlining 為政府和公司提供了三種方法來確保技術(shù)更好。Greenlining 建議組織實(shí)行算法透明度和問責(zé)制；在有意義的情況下開發(fā)種族意識算法，并特別尋求將弱勢群體納入算法假設(shè)。
確保這種情況發(fā)生的責(zé)任，將落在立法者身上。
勒（Le）說：“（這份報(bào)告）的重要意義是樹立起開始監(jiān)管人工智能的政治意愿?！?
在加利福尼亞州，州議會正在考慮第 13 號議會法案，也被稱為 2021 年自動決策系統(tǒng)問責(zé)法案。它于 12 月 7 日推出，由 Greenlining 贊助，它將要求使用“自動決策系統(tǒng)“的企業(yè)測試其偏見及其對邊緣群體的影響。如果有影響，組織必須解釋，為什么歧視待遇不違法。勒說：“你可以區(qū)別對待別人，但如果是基于受保護(hù)的特征，比如種族、性別和年齡，那就是違法的?！?
2019 年 4 月，民主黨人新澤西州參議員科里 · 布克（Cory Booker）和俄勒岡州參議員羅恩 · 懷登（Ron Wyden），以及紐約州眾議員伊維特·D·克拉克（Yvette D. Clarke）。提出了算法問責(zé)法案，該法案要求公司研究和修正有缺陷的計(jì)算機(jī)算法，這些算法導(dǎo)致了不準(zhǔn)確、不公平、偏見或歧視性的決定。一個月后，新澤西州引入了類似的算法責(zé)任法案。兩個法案都沒通過委員會。
勒說，如果加利福尼亞州的 AB13 通過，那將是美國第一個這樣的法律，但是它可能會失敗，因?yàn)樗姆秶珡V了，因?yàn)樗壳笆菚娴?。相反，Greenlining 希望將法案的職責(zé)范圍縮小到首先關(guān)注政府創(chuàng)建的算法。希望該法案將為國家努力樹立榜樣。
勒說：“算法的大多數(shù)問題并不是因?yàn)槿藗儗δ繕?biāo)有偏見。他們只是在開發(fā)這些程序時走捷徑。就斯坦福疫苗計(jì)劃而言，算法開發(fā)人員沒有考慮到后果。 ”
Le補(bǔ)充說：“沒有人真的非常確定需要改變的所有事情。但是（我們）確實(shí)知道，當(dāng)前的系統(tǒng)不能很好地處理AI。”
