隨著數(shù)據(jù)的積累、計(jì)算機(jī)算力的躍升和算法的優(yōu)化，人工智能正在讓生活變得高效。語(yǔ)音識(shí)別、圖像識(shí)別使身份認(rèn)證更可信賴(lài)，短短幾秒就能證明“你就是你”;智能診療和自動(dòng)駕駛，更讓人們看到了戰(zhàn)勝疾病、減少事故的新機(jī)會(huì);人工智能還可以輕松戰(zhàn)勝?lài)甯呤?，?xiě)出優(yōu)美的詩(shī)句……其自主性和創(chuàng)造性正在模糊人和機(jī)器的分野。

但是，當(dāng)隱私侵犯、數(shù)據(jù)泄露、算法偏見(jiàn)等事件層出不窮時(shí)，人們又不得不反思：人工智能的持續(xù)進(jìn)步和廣泛應(yīng)用帶來(lái)的好處是巨大的，為了讓它真正有益于社會(huì)，同樣不能忽視的還有對(duì)人工智能的價(jià)值引導(dǎo)、倫理調(diào)節(jié)以及風(fēng)險(xiǎn)規(guī)制。

“刷臉”進(jìn)站、“刷臉”支付、“刷臉”簽到、“刷臉”執(zhí)法……人臉識(shí)別技術(shù)正走進(jìn)更為廣闊的應(yīng)用場(chǎng)景，與指紋、虹膜等相比，人臉是一個(gè)具有弱隱私性的生物特征，因此，這一技術(shù)對(duì)于公民隱私保護(hù)造成的威脅性尤其值得重視?！叭四槇D像或視頻廣義上講也是數(shù)據(jù)，如果沒(méi)有妥善保管和合理使用，就會(huì)容易侵犯用戶(hù)的隱私?！敝袊?guó)社會(huì)科學(xué)院哲學(xué)研究所研究員段偉文說(shuō)。

通過(guò)數(shù)據(jù)采集和機(jī)器學(xué)習(xí)來(lái)對(duì)用戶(hù)的特征、偏好等“畫(huà)像”，互聯(lián)網(wǎng)服務(wù)商進(jìn)而提供一些個(gè)性化的服務(wù)和推薦等，從正面看是有利于供需雙方的一種互動(dòng)。但對(duì)于消費(fèi)者來(lái)說(shuō)，這種交換是不對(duì)等的。就頻頻發(fā)生的個(gè)人數(shù)據(jù)侵權(quán)的事件來(lái)看，個(gè)人數(shù)據(jù)權(quán)利與機(jī)構(gòu)數(shù)據(jù)權(quán)力的對(duì)比已經(jīng)失衡，在對(duì)數(shù)據(jù)的收集和使用方面，消費(fèi)者是被動(dòng)的，企業(yè)和機(jī)構(gòu)是主動(dòng)的。段偉文表示，“數(shù)據(jù)實(shí)際上成為被企業(yè)壟斷的資源，又是驅(qū)動(dòng)經(jīng)濟(jì)的要素?！比绻碳抑粡淖陨砝娉霭l(fā)，就難免會(huì)對(duì)個(gè)人數(shù)據(jù)過(guò)度使用或者不恰當(dāng)披露。

“大數(shù)據(jù)時(shí)代，個(gè)人在互聯(lián)網(wǎng)上的任何行為都會(huì)變成數(shù)據(jù)被沉淀下來(lái)，而這些數(shù)據(jù)的匯集都可能最終導(dǎo)致個(gè)人隱私的泄露?！焙蠋煼洞髮W(xué)人工智能道德決策研究所所長(zhǎng)李倫認(rèn)為，用戶(hù)已經(jīng)成為被觀(guān)察、分析和監(jiān)測(cè)的對(duì)象。

在信息爆炸的時(shí)代，數(shù)據(jù)的處理、分析、應(yīng)用很多都是由算法來(lái)實(shí)現(xiàn)的，越來(lái)越多的決策正被算法所取代。從內(nèi)容推薦到廣告投放，從信用額度評(píng)估到犯罪風(fēng)險(xiǎn)評(píng)估，算法無(wú)處不在——它操作的自動(dòng)駕駛或許比司機(jī)更加安全，它得出的診斷結(jié)果可能比醫(yī)生更準(zhǔn)確，越來(lái)越多的人開(kāi)始習(xí)慣一個(gè)由算法構(gòu)建的“打分”社會(huì)。

作為一種信息技術(shù)，算法在撥開(kāi)信息和數(shù)據(jù)“迷霧”的同時(shí)，也面臨著倫理上的挑戰(zhàn)：利用人工智能來(lái)評(píng)估犯罪風(fēng)險(xiǎn)，算法可以影響刑罰;當(dāng)自動(dòng)駕駛汽車(chē)面臨危險(xiǎn)，算法可以決定犧牲哪一方;應(yīng)用于武器系統(tǒng)的算法甚至可以決定攻擊的目標(biāo)……由此引發(fā)了一個(gè)不容忽視的問(wèn)題：如何確保算法的公正？

騰訊研究院法律研究中心高級(jí)研究員曹建峰認(rèn)為，即使作為一種數(shù)學(xué)表達(dá)，算法本質(zhì)上也是“以數(shù)學(xué)方式或者計(jì)算機(jī)代碼表達(dá)的意見(jiàn)”。算法的設(shè)計(jì)、模型、目的、成功標(biāo)準(zhǔn)、數(shù)據(jù)使用等，都是編程人員的主觀(guān)選擇，偏見(jiàn)會(huì)有意或者無(wú)意地嵌入算法，使之代碼化?！八惴ú⒉豢陀^(guān)，在算法決策起作用的諸多領(lǐng)域，算法歧視也并不鮮見(jiàn)?！?/p>

“算法決策多數(shù)情況下是一種預(yù)測(cè)，用過(guò)去的數(shù)據(jù)預(yù)測(cè)未來(lái)的趨勢(shì)，算法模型和數(shù)據(jù)輸入決定著預(yù)測(cè)的結(jié)果，因此這兩個(gè)要素也就成為算法歧視的主要來(lái)源。”曹建峰解釋說(shuō)，除了主觀(guān)因素以外，數(shù)據(jù)本身也會(huì)影響算法的決策和預(yù)測(cè)?！皵?shù)據(jù)是社會(huì)現(xiàn)實(shí)的反映，數(shù)據(jù)可能是不正確、不完整或者過(guò)時(shí)的，訓(xùn)練數(shù)據(jù)本身也可能是歧視性的，用這樣的數(shù)據(jù)訓(xùn)練出來(lái)的算法系統(tǒng)，自然也會(huì)帶上歧視的烙印?！?/p>

2016年3月，微軟人工智能聊天機(jī)器人Tay上線(xiàn)，在與網(wǎng)民互動(dòng)過(guò)程中，很短時(shí)間內(nèi)就“誤入歧途”，集性別歧視、種族歧視于一身，最終微軟不得不讓它“下崗”。曹建峰認(rèn)為，算法傾向于將歧視固化或放大，使歧視長(zhǎng)存于整個(gè)算法之中。因此，如果將算法應(yīng)用在犯罪評(píng)估、信用貸款、雇傭評(píng)估等關(guān)系人們切身利益的場(chǎng)合，一旦產(chǎn)生歧視，就可能危害個(gè)人乃至社會(huì)的利益。

此外，深度學(xué)習(xí)還是一個(gè)典型的“黑箱”算法，可能連設(shè)計(jì)者都不知道算法如何決策，因而要在系統(tǒng)中發(fā)現(xiàn)是否存在歧視和歧視根源，技術(shù)上也較為困難。“算法的‘黑箱’特征使其決策邏輯缺乏透明性和可解釋性。”李倫說(shuō)，隨著大數(shù)據(jù)“殺熟”、算法歧視等事件的出現(xiàn)，社會(huì)對(duì)算法的質(zhì)疑也逐漸增多。政府和企業(yè)在使用數(shù)據(jù)的過(guò)程中，必須提高對(duì)公眾的透明度，讓選擇權(quán)回歸個(gè)人。