美國麻省理工學院媒體實驗室研究項目顯示，人工智能識別淺色皮膚男性的平均錯誤率不超過1%，識別深色皮膚女性的平均錯誤率達35%……

人臉識別所導致的偏見問題一直受到廣泛關注。近期，一篇關于圖像超分辨率的論文引發了對于產生偏見原因的新爭論。

網友利用論文中的開源代碼進行了模型推理，在使用時發現，非白人面孔的高糊照片被還原成了一張白人面孔。對此，2018年圖靈獎得主、AI領軍人物楊立昆(Yann LeCun)在推特上指出，當數據有偏見時，機器學習系統就變得有偏見。而這一觀點，掀起一場爭論浪潮。有人說，機器學習系統產生偏見不應只歸咎于數據集，這種甩鍋的做法是不公平的，還有技術、人類觀念等原因。

現在還沒有100%無偏見的數據集

隨著人工智能時代的到來，人臉識別技術正被越來越廣泛地應用在執法、廣告及其他領域。然而，這項技術在識別性別、膚色等過程中，存在著一定偏見。

“在美國，人臉識別系統中白人男性的識別率最高，而黑皮膚女性的識別率則最低;在亞洲國家的人臉識別系統中黃種人的識別率相比白種人的識別率差距就會小一些。”福州大學數學與計算機科學學院、福建省新媒體行業技術開發基地副主任柯逍博士說。

這次陷入爭論中心的人臉識別偏見問題其實是一個存在很久、熱度很高的話題。

早前，美國麻省理工學院媒體實驗室主導的一項名為《Gender Shades》的研究項目在研究了各個前沿科技公司的面部識別系統后發現，各系統在識別男性面臉與淺色面臉方面表現更佳，淺色皮膚男性的平均識別錯誤率不超過1%，淺色皮膚女性的平均識別錯誤率約為7%，深色皮膚男性的平均識別錯誤率約為12%，深色皮膚女性的平均識別錯誤率則高達35%。

那么本次爭議中，楊立昆指出的數據集問題是如何產生偏見的?有無100%沒有偏見的數據集?“不均衡的數據，導致了系統在學習時,更好地擬合了比重較大的數據，而對占比小的數據的擬合則表現不佳，這就可能最終導致了偏見的產生。”柯逍介紹說，如一個常見的人臉識別數據集LFW，數據集中有近77%的男性，同時超過80%是白人。

“目前，幾乎可以肯定的是沒有100%無偏見的數據集。”柯逍舉例說，在收集數據時，可以針對性地讓男性與女性數目一樣，甚至也可以讓各種膚色的數據數目都一樣。但是，其中可能大部分人是沒有戴眼鏡的，這可能就對戴眼鏡的人進行識別時帶來了偏見。進一步講，各個年齡段的人臉也很難做到完全一致，導致最后學習到的模型可能對戴眼鏡、年長或年幼的人臉產生偏見。所以有時候討論數據偏見的產生，會發現其產生的原因是考慮問題的角度不同。

出現偏見不能只歸咎于數據

眾多專家也指出，數據可能是機器學習系統中偏見的來源，但不是唯一的來源。

其實，在本次爭議中，楊立昆在推特中已經很明確地表示，他的本意并不是說問題都出在數據集上，只是針對這篇論文，其算法在特定場景下，換個數據集就能解決問題，但并不是說所有的機器學習系統偏見都來源于數據集。

那么，誰才是產生偏見真正的“幕后推手”?

AI學習過程應該是架構、數據、訓練算法等的相互作用。算法包括了特征的選擇、損失函數的選擇、訓練方法的選擇以及超參數調節等，其本身的缺陷也是偏見產生的一個原因。

2019年12月，美國國家標準技術研究院進行的一項研究發現，在大多數當前評估的人臉識別算法中，跨人種差異確實存在廣泛的準確性偏差。

柯逍介紹說，在算法設計的時候，往往會選擇L1損失函數或者L2損失函數。若在將一個低分辨率人臉圖像還原成高分辨率人臉圖像的方法中，使用L2損失函數，得到的大多數人臉圖像更像白人;而使用L1損失函數，得到大多數人臉圖像更像黑人。這說明由于損失函數的選擇不同，某個群體(黑人或白人)在一定程度上就會受算法的忽視，進而產生偏見。

這當中還存在另一種情況，假如數據帶有少量的偏見，算法系統會將其放大，并變得更具有偏見。一項研究表明，如果初始數據中，下廚與女性的聯系概率是66%，將這些數據喂給人工智能后，其預測下廚與女性聯系起來的概率會放大到84%。一般來說，機器學習系統會選擇最符合通用情況的策略，然而這樣會導致一些非典型情況或較為特殊情況被忽略。

除此之外，產生偏見的原因還有相似性的偏見。信息推送系統總會向用戶推薦他已經看到、檢索過的相關內容。最終的結果是導致流向用戶的信息流都是基于現存的觀點和看法。“系統會自動幫助用戶屏蔽與他們意見相左的信息，這就催生了一個信息泡沫，用戶看到的都是人工智能讓你看到的。這種偏見根本上也是數據與算法共同作用產生的。”柯逍說。

“總體而言，偏見還是源于規則制定者。”中銳網絡人工智能產品總監葉亮說，工程師從頭到尾參與了整個系統設計，尤其是機器學習的目標設定。算法就好像一只嗅探犬，當工程師向它展示特定東西的氣味后，它才能夠更加精準地找到目標。

算法糾偏工具已經上崗

近期，國際多家機構相繼宣布禁用人臉識別技術。有色人種被還原成白人的事件，再次掀起了人們對于人工智能系統產生偏見的批判浪潮，也再次警醒人們，技術帶有偏見所帶來的潛在危機。

偏見可能導致無辜者蒙冤。在2018年夏天，英國媒體就報道過，由于人臉識別技術的誤判，導致一名年輕黑人男性被誤認為嫌疑犯，在公眾場合被警察搜身。

也有報告顯示，一些國外執法機構可以根據AI識別出的發色、膚色和面部特征對視頻中的人物進行檢索。這種技術上的偏見也在一定程度上放大了人們的偏見。

除了對人種與性別的識別偏差之外，人臉識別技術還因其在侵犯隱私方面的問題而引起擔憂。2020年初，美國一家人臉識別技術公司便受到了嚴密的審查，有關部門發現，其面部識別工具由超過30億張圖像構建而成，然而這些圖像大部分都是通過抓取社交媒體網站收集的，并且已被許多企業廣泛使用。

偏見存在的同時，一批新興的算法糾偏工具也涌入了人工智能。

早在2018年，臉書曾發布一個算法模型，表示會在算法因種族、性別、年齡等因素做出不公正判斷時發出警告以提醒開發者;2019年麻省理工學院就提出了一種糾偏算法，可以通過重新采樣來自動消除數據偏見。

那么克服偏見還需要人工智能技術做出哪些努力?“開源方法和開源技術都有著極大的潛力改變算法偏見。”葉亮指出，開源方法本身十分適合消除偏見程序，開源社區已經證明它能夠開發出強健的、經得住嚴酷測試的機器學習工具。如果線上社團、組織和院校能夠接受這些開源特質，那么由開源社區進行消除算法偏見的機器設計將會順利很多。

柯逍認為，可以看出偏見基本來源于數據與算法，加強對人工智能所使用的數據、算法以及模型的評估，能夠在一定程度上緩解潛在的、可導致偏見與歧視的因素。同時，人工智能的偏見其實都是人類偏見的反映與放大，因此人們放下偏見才是最根本的解決方案。

關鍵詞： AI