來(lái)自英國(guó)卡迪夫大學(xué)和美國(guó)麻省理工學(xué)院的計(jì)算機(jī)科學(xué)和心理學(xué)專家發(fā)現(xiàn)，自主機(jī)器人可以通過(guò)識(shí)別、復(fù)制、學(xué)習(xí)其他機(jī)器人的行為產(chǎn)生偏見(jiàn)，某些種類的算法已經(jīng)產(chǎn)生性別歧視和種族歧視。

歧視看似是人類社會(huì)中特有的、需要認(rèn)知才能產(chǎn)生的現(xiàn)象。但是，某些類型的計(jì)算機(jī)算法已經(jīng)從公開(kāi)檔案等人類資料中習(xí)得了性別歧視、種族歧視等偏見(jiàn)。最新的一項(xiàng)研究甚至發(fā)現(xiàn)，人工智能可以進(jìn)化出不同的偏見(jiàn)群體。

為證實(shí)人工智能可以自己產(chǎn)生偏見(jiàn)，科學(xué)家用計(jì)算機(jī)模擬博弈。博弈中，每個(gè)個(gè)體都可以將錢(qián)送給自己所在的群體或其他群體，以測(cè)試每個(gè)個(gè)體的給予策略，觀察其是否對(duì)其他群體有偏見(jiàn)。這一博弈由一臺(tái)超級(jí)計(jì)算機(jī)模擬，其中包括上千個(gè)個(gè)體，每個(gè)個(gè)體都可以通過(guò)復(fù)制其他來(lái)自相同群體或不同群體的個(gè)體學(xué)習(xí)新的策略。

參與研究的卡迪夫大學(xué)計(jì)算機(jī)科學(xué)與信息學(xué)教授 Roger Whitaker 表示：" 通過(guò)成千上萬(wàn)次模擬，我們發(fā)現(xiàn)了偏見(jiàn)是如何演化的、哪些情況可以激化偏見(jiàn)、哪些情況可以減弱偏見(jiàn)。我們的研究表明，偏見(jiàn)是自然產(chǎn)生的、影響非常大的，它很容易被激勵(lì)、損害大范圍的連通性。來(lái)自同一偏見(jiàn)群體的保護(hù)可以非主觀地引起更進(jìn)一步的偏見(jiàn)，使整個(gè)群體四分五裂。這種廣泛傳播的偏見(jiàn)很難逆轉(zhuǎn)。" 這些個(gè)體是通過(guò)復(fù)制那些有更高短期效益的個(gè)體使得偏見(jiàn)升級(jí)的，可見(jiàn)偏見(jiàn)并不需要高級(jí)認(rèn)知能力。

在另一項(xiàng)關(guān)于性別的研究中，研究人員發(fā)現(xiàn)，微軟、IBM和 Face++ 等的人臉識(shí)別服務(wù)中存在性別歧視和種族歧視。這些服務(wù)對(duì)于男性白人更加友好，而對(duì)于男性黑人和女性黑人錯(cuò)誤率最高。微軟在 21% 情況下無(wú)法識(shí)別黑人女性，而 IBM 和 Face++ 有 35% 情況無(wú)法識(shí)別。

【來(lái)源：新浪科技】