人工智能偏见 技术如何决定你是找到工作获得贷款

几乎每个行业的企业都部署人工智能，使员工的工作更简单，消费者的任务更容易。

计算机软件教客户服务代理如何更有同情心，学校使用电子机器学习扫描武器和大规模射击在校园，医生使用人工智能绘制疾病的根本原因。

网络安全、在线娱乐和零售等行业结合广泛的客户数据，以革命性的方式简化服务。

虽然这些应用似乎无害，甚至可能是有益的，但人工智能只像输入它的信息一样好，这可能会产生严重的影响。

你可能没有意识到这一点，但AI有助于确定在某些情况下你是否有资格获得贷款。 还有一些产品可能会让警察阻止你，因为软件识别了你和其他人。

2020年深度假：新的人工智能在选举前改变视频

皮尤调查：美国人比科技巨头更信任警察使用面部识别

想象一下，如果街上的人能给你拍张照片，然后一台电脑扫描数据库，告诉他们你的一切，或者机场的安全摄像头标记了你的脸，而一个坏人走过TSA。

这些都是现实世界中的可能性，当本应促进便利的技术已经被人类的偏见渗透到框架中。

“人工智能是一个超级强大的工具，就像任何真正强大的工具一样，它可以用来做很多事情-其中一些是好的，有些可能是有问题的，”开发人工智能软件的现代Hire创新执行副总裁埃里克·西德尔说。

Sydell说：“在这种新技术的早期阶段，你会发现很多公司都在努力想办法把它引入他们的业务中。”

人工智能往往是一个包罗万象的术语，用来描述计算机执行的通常需要人类完成的任务，如语音识别和决策。

不管是有意还是无意，人类做出的判断可能会溢出到为人工智能创建的代码中。 这意味着人工智能可以包含隐含的种族、性别和意识形态偏见，这推动了一系列联邦和州的监管努力。

6月，哥伦比亚特区众议员Don Beyer对一项众议院法案提出了两项修正案，该法案将阻止联邦资金通过执法手段覆盖面部识别技术，并要求国家科学基金会向国会报告人工智能的社会影响。

“我不认为我们应该禁止所有的联邦资金做所有的人工智能。 Beyer今天对美国说：“我们只需要深思熟虑。 他说，电脑学习和面部识别软件可以使警察错误地识别某人，从而促使警察在极端情况下对枪支进行攻击。

Beyer说：“我想很快我们就会要求禁止在身体凸轮上使用面部识别技术，因为这是实时的问题。” “当数据不准确时，可能导致局势失控。

人工智能用于预测分析，其中计算机显示一个人有多可能罪。 虽然这并不完全符合汤姆·克鲁斯科幻片《少数民族报告》中的“预先调查”警察单位的程度，但这项技术已经面临过多的考验，无论是改善安全还是简单地延续不平等。

今年，美国AI治理中心和牛津大学人类未来研究所(Oxford University of Humanity Institute)的一项研究表明，美国人对人工智能应用的支持程度参差不齐，大多数人（82%）认为应该对人工智能进行监管。

具体说到面部识别，美国人说执法机构会很好地利用这项技术。

尸体摄像头不会让警察变得更好：大学学位和更高的标准

许多研究表明，自动化将破坏人类的工作。 例如，牛津大学的学者卡尔·本尼迪克特·弗雷(CarlBenedikt Frey)和迈克尔·奥斯本(MichaelOsborne)估计，到20世纪30年代中期，47%的美国工作岗位面临着自动化的高风险。

由于工作人员担心被电脑取代，其他人也因为人工智能软件而被雇用。

这项技术可以吸引那些拥有特定工作环境的理想技能的雇主，因为他们可能太忙，无法让人筛选候选人。

现代Hire使用从测试、音频面试和简历收集的数据来预测一个人在工作中的表现。

西德尔说：“有意义的信息包括：“一个人将如何工作，他们将停留多久，他们将是一个顶级的销售人员或高素质的工人。”

使用人工智能，“我们可以摆脱工作不好或冗余的过程。 我们可以通过在整个过程中给候选人实时反馈给他们更好的体验。

他说，如果人工智能部署得不好，它可能会使工作环境恶化，但如果做得周到，它可能会导致更公平的工作场所。

机器人偷工作不是问题：这是问题。

无论是好是坏，人工智能都会影响人们做出的财务决策，而且它已经存在了多年。 专家说，它在交易员投资中发挥着越来越重要的作用，而且它在防止信用卡欺诈方面特别有效。

事情有问题的地方是当技术用来决定你是否值得从银行借钱。

AppZen的联合创始人Kunal Verma说：“每当你申请贷款时，可能会有人工智能来确定是否应该发放贷款。”AppZen是一个AI平台，它的客户包括We Work和Amazon。

这项技术通常被吹捧为对潜在贷款借款人的更快、更准确的评估，因为它可以在几秒钟内筛选出大量数据。 不过，还有出错的余地。

如果输入到Analogrithm中的信息表明你生活在一个很多人拖欠贷款的地区，系统可能会确定你是不可靠的，Verma说。

佛玛说：“这一地区也可能有许多少数民族或其他特征的人，这可能导致算法的偏差。”

人工智能的问题？ 研究表明，白人和男性太多，需要更多的女性和少数民族

偏见几乎可以在深度学习过程的每一个阶段蔓延；然而，算法也可以帮助减少由于人类判断力差而造成的差异。

一种类型的解决方案涉及数据集中对变化敏感的属性来抵消结果。 另一个是预筛选数据以保持准确性。 无论哪种方式，一家公司拥有的数据越多，人工智能就越公平。

赛德尔说：“谷歌、Face book和亚马逊之所以是人工智能领域的领导者，是有原因的。 “这是因为他们有大量的数据要处理。 其他公司可以访问相同类型的AITechnology，但它们可能没有大量的数据可供使用和应用。 这就是绊脚石。

想监管人工智能的政治家比耶(beyer)赞成让人类对计算机所做的决定进行双重检查，“直到技术完美（如果有的话）。”

他说，也许值得质疑的是，人工智能是否应该成为每一个问题的直接解决方案，包括是否有人入狱。

“当它完美的时候，我们必须开始考虑隐私问题。 比如，拍一张某人的照片并通过一个数据库进行运行是否合理？ 贝尔说。 如果人工智能能比人类更快、更准确、更少偏见地读取X射线，那就太好了。 如果我们给AI宣战的能力，我们就有大麻烦了。”