《紐約時(shí)報(bào)》近日發(fā)表文章，稱人臉識(shí)別技術(shù)的發(fā)展近來可謂突飛猛進(jìn)，目前已經(jīng)有一些商業(yè)軟件可以用來識(shí)別照片中人物的性別，當(dāng)照片中的人是白人時(shí)，99%的情況下識(shí)別結(jié)果都是正確的，但如果照片中是黑人，錯(cuò)誤率就比較高了。以下為原文內(nèi)容：

　　人臉識(shí)別技術(shù)在識(shí)別不同種族和性別的人臉時(shí)，效果有多大的不同呢?一項(xiàng)新的研究對(duì)此進(jìn)行了測量，結(jié)果表明，膚色越黑，識(shí)別率就越低。在識(shí)別黑皮膚女性時(shí)，它的錯(cuò)誤率幾乎達(dá)到了35%。

　　MIT媒體實(shí)驗(yàn)室的研究員喬伊o布蘭威尼(Joy Buolamwini)進(jìn)行的這項(xiàng)研究，顯示了現(xiàn)實(shí)世界中的一些偏見已經(jīng)滲透到了人工智能(AI)領(lǐng)域，因?yàn)?a class="contentlabel" href="http://www.biyoush.com/news/listbylabel/label/人臉識(shí)別">人臉識(shí)別技術(shù)就是建立在AI之上的。

　　在計(jì)算機(jī)視覺技術(shù)中，顏色很重要

　　使用微軟、IBM和Face ++的人臉識(shí)別算法在識(shí)別黑人女性時(shí)，錯(cuò)誤率高于識(shí)別白人男性。

　　在一組385張膚色較白的男性照片中，性別判斷的錯(cuò)誤率為1%。

　　在一組296張膚色較白的女性照片中，性別判斷的錯(cuò)誤率為7%。

　　在一組318張膚色較黑的男性照片中，性別判斷的錯(cuò)誤率為12%。

　　在一組271張膚色較黑的女性照片中，性別判斷的錯(cuò)誤率為35%。

　　在現(xiàn)代AI技術(shù)中，數(shù)據(jù)是關(guān)鍵。 用來訓(xùn)練AI的數(shù)據(jù)有多好，AI效果就會(huì)有多好。如果訓(xùn)練數(shù)據(jù)中的白人男性比黑人女性多，那么它識(shí)別黑人女性的能力就比較差。

　　另一項(xiàng)研究報(bào)告顯示，在一種獲得廣泛使用的人臉識(shí)別數(shù)據(jù)集中，75%以上的圖像都是男性，80%以上是白人。

　　因此這項(xiàng)新的研究就提出了一個(gè)問題：當(dāng)AI獲得的投資額和采用量日益增長時(shí)，AI的公平性和問責(zé)性又該怎么保證呢?

　　今天，商業(yè)公司正以各種方式部署人臉識(shí)別軟件，其中就包括根據(jù)社交媒體上的資料圖片來對(duì)產(chǎn)品進(jìn)行精準(zhǔn)宣傳。但是，一些公司也正在嘗試把人臉識(shí)別和其他AI技術(shù)納入到一些自動(dòng)決策過程中，比如招聘和貸款決策。

　　喬治城大學(xué)法學(xué)院的研究人員估計(jì)，執(zhí)法部門的人臉識(shí)別網(wǎng)絡(luò)涵蓋了1.17億美國成年人的數(shù)據(jù)(警方拍攝的罪犯或嫌疑犯的面部照片)，而非洲裔美國人最有可能被挑出來，因?yàn)樗麄冊(cè)谶@個(gè)數(shù)據(jù)庫中占的比例格外高。

　　人臉識(shí)別技術(shù)受到的監(jiān)管還很少

　　猶他大學(xué)計(jì)算機(jī)科學(xué)教授Suresh Venkatasubramanian說：“現(xiàn)在是時(shí)候了，我們要認(rèn)真研究AI系統(tǒng)的工作方式和問題，要從社會(huì)角度向它們問責(zé)。”

　　之前已經(jīng)有一些計(jì)算機(jī)視覺技術(shù)犯錯(cuò)的例子，顯示存在著歧視。例如在2015年，谷歌的圖像識(shí)別照片app把非洲裔美國人標(biāo)記為“大猩猩”，后來谷歌為此道了歉。

　　哈弗福德學(xué)院的計(jì)算機(jī)科學(xué)家索列爾o弗里德勒(Sorelle Friedler)說，專家們?cè)缇蛻岩扇四樧R(shí)別軟件對(duì)不同人群的效果不同。

　　“但這是我所知道的第一個(gè)顯示存在這種不同的研究，”弗里德勒說。

　　28歲的布蘭威尼是非裔美國計(jì)算機(jī)科學(xué)家，曾經(jīng)歷過人臉識(shí)別偏見。她在喬治亞理工學(xué)院就讀本科時(shí)，人臉識(shí)別技術(shù)對(duì)她的白人朋友們來說效果很好，但是卻無法識(shí)別出她的臉。她當(dāng)時(shí)覺得這個(gè)缺陷在不久之后就會(huì)修復(fù)。

　　但是幾年后，當(dāng)她進(jìn)入MIT媒體實(shí)驗(yàn)室時(shí)，又再次遇到了這個(gè)問題——只有當(dāng)她戴上白色面具后，軟件才能將她的臉識(shí)別出來。

　　那時(shí)，人臉識(shí)別軟件正在日益走出實(shí)驗(yàn)室，進(jìn)入主流社會(huì)。

　　“這是個(gè)很嚴(yán)肅的問題，”她回憶說。 “是時(shí)候做點(diǎn)事情了。”

　　于是她將注意力轉(zhuǎn)向與數(shù)字技術(shù)中的偏見作斗爭。布蘭威尼現(xiàn)在在讀博，作為羅德學(xué)者和富布賴特研究員，她倡導(dǎo)“算法問責(zé)制”，致力于讓自動(dòng)化決策變得更加透明、有解釋力，以及公平。

　　她在TED上關(guān)于“編碼偏見”的演講視頻瀏覽量已經(jīng)超過94萬次，她還創(chuàng)立了 “算法正義聯(lián)盟”，這個(gè)項(xiàng)目旨在增進(jìn)人們對(duì)這個(gè)問題的認(rèn)識(shí)。

　　對(duì)三家公司人臉識(shí)別軟件進(jìn)行的實(shí)驗(yàn)

　　布蘭威尼將在本月一個(gè)會(huì)議上介紹一篇最新發(fā)表的論文。她為這篇論文研究了微軟、IBM和中國曠視科技這三家公司的人臉識(shí)別系統(tǒng)的性能，對(duì)它們識(shí)別不同膚色用戶的性別的效果進(jìn)行了衡量。她之所以選擇這些公司，是因?yàn)樗鼈兊娜四樂治鲕浖峁┝诵詣e判斷功能，并且它們的代碼已經(jīng)公開發(fā)布，可以用來測試。

　　她發(fā)現(xiàn)，這三家公司軟件的識(shí)別效果有待提高。

　　布蘭威尼為該測試建立了一個(gè)數(shù)據(jù)集，共有1270張人臉，使用的是女議員較多的國家的議員面部圖像，包括三個(gè)以黑皮膚為主的非洲國家，以及三個(gè)以白皮膚為主的北歐國家。

　　然后她根據(jù)皮膚科醫(yī)生使用的 “六點(diǎn)標(biāo)志體系”對(duì)非洲和北歐的這些人臉資料進(jìn)行評(píng)分，對(duì)皮膚進(jìn)行分類。相對(duì)于種族分類，醫(yī)學(xué)分類更加客觀和準(zhǔn)確。

　　她再對(duì)這些人臉圖像進(jìn)行性別和膚色上的取舍，然后使用三家公司的軟件來識(shí)別它們。微軟識(shí)別黑皮膚女性的錯(cuò)誤率是21%，而IBM和Megvii的錯(cuò)誤率則接近35%。三家公司在識(shí)別白皮膚男性時(shí)的錯(cuò)誤率都低于1%。

　　布蘭威尼發(fā)布這項(xiàng)研究的成果之后。 IBM發(fā)表聲明說，該公司已經(jīng)穩(wěn)步改善了人臉分析軟件，鄭重致力于“不帶偏見”和“透明度”。IBM表示將在本月推出的軟件升級(jí)版在識(shí)別膚色較深的女性時(shí)，精確度會(huì)提高近10倍。

　　微軟則表示它已經(jīng)“已經(jīng)采取措施來提高人臉識(shí)別技術(shù)的準(zhǔn)確性”，并且正在投入資源，研究如何“識(shí)別、理解和消除偏見”。

　　布蘭威尼說，曠視科技的Face ++軟件廣泛應(yīng)用于中國的在線支付和網(wǎng)約車服務(wù)，但該公司沒有回復(fù)置評(píng)請(qǐng)求。

　　布蘭威尼發(fā)布了她的數(shù)據(jù)集，供其他人使用。她稱自己的研究是“解決方案的起點(diǎn)，基本上是第一步”。

　　布蘭威尼還采取了進(jìn)一步的行動(dòng)，她與IEEE(一家大型計(jì)算機(jī)專業(yè)組織)合作，成立了一個(gè)團(tuán)隊(duì)，為人臉分析軟件制定問責(zé)制和透明度標(biāo)準(zhǔn)。

　　她還定期與其他關(guān)注AI影響的學(xué)者、公共政策組織和慈善機(jī)構(gòu)會(huì)面。福特基金會(huì)主席達(dá)倫o沃克(Darren Walker)表示，這種新技術(shù)可能是一個(gè)“機(jī)會(huì)平臺(tái)”，但如果它復(fù)制并放大了過去的偏見和歧視，就發(fā)揮不了作用。

　　沃克說：“數(shù)字世界正在進(jìn)行一場公平、包容和正義之戰(zhàn)。”