賽博朋克的電影里，常常可以看到這樣的構想：

社會已經被財閥集團所控制，人工智能充當了統治的工具，所有人的行為都要遵循機器的邏輯、服從算法的規則。然后生活在社會最底層的主角，找到了其中的漏洞并嘗試走出被操控的宿命。

可能在大多數的認知里，類似的反烏托邦世界離我們還很遙遠。但當人工智能技術從象牙塔走進現實生活，與AI倫理有關的議題逐漸成為學術界爭論的焦點，甚至有一些年輕人也開始思考算法的倫理和風險。

比如在B站上小有名氣的視頻博主“在下小蘇”制作的一期內容里，對DeepFake、人機戀愛等話題進行了討論 ，諸如DeepFake等黑科技被用來惡搞甚至是作惡的時候，我們對人工智能應該秉持什么樣的態度?一旦“技術中立”被越來越多人抨擊，我們應該如何處理新時代的人機關系?

或許AI倫理的概念還有些宏觀，卻是與每一個人息息相關的事。

無處不在的算法歧視

人工智能離我們并不遙遠。

當你打開資訊應用時，算法會根據你的喜好自動推薦新聞;當你去電商平臺購物的時候，算法會結合你的習慣推薦對應的商品;當你去求職應聘的時候，首先處理簡歷并進行篩選的可能也是算法;當你去醫院看病就醫的時候，醫生可能會利用某個算法模型來判斷患病的可能性……

算法正在以前所未有的速度滲透到我們的生活中。在支持者眼中，算法可以在一些決策中減少人為干預，進而提升決策 的效率和準確性。可從批判的角度出發，算法是否帶有人為的偏見，人們的命運是否會被算法左右?

遺憾的是，算法歧視現象往往是算法落地應用的衍生品。

亞馬遜曾在2014年開發了一套“算法篩選系統”，目的是在招聘的時候幫助HR篩選簡歷，開發團隊打造了500個算法模型 ，同時教算法識別50000個曾經在簡歷中出現的術語，然后對應聘者的不同能力分配權重。

最后開發團隊卻發現，算法對男性應聘者有著明顯的偏好，如果識別出簡歷中有女子足球俱樂部、女子學校等經歷時，就會對簡歷給出相對比較低的分數。這個算法模型最終被路透社曝光，亞馬遜也適時停止了算法的使用，令人深思的卻是：為何“沒有價值觀”的算法開始有了偏見?

無獨有偶，2018年IG奪冠的喜訊讓互聯網沸騰的時候，戰隊老板王思聰隨即在微博上進行抽獎，結果卻出人意料：獲獎名單中有112名女性獲獎者和1名男性獲獎者，女性獲獎者比率是男性的112倍，而參與用戶的男女比率是1：1.2。

于是不少網友質疑抽獎算法的公平性，甚至有網友主動測試抽獎算法，將獲獎人數的設置大于參與人數，仍然有大量用戶無法獲獎。原因是這些用戶被算法判定為“機器人”，意味著在任何抽獎活動中都沒有中獎的機會。

在算法的黑匣子面前，我們看到的大多只有結果，卻無法理解決策的過程。與之相似的案例可能比比皆是，不過是鮮有人關注罷了。

最直接的教訓就是互聯網，硅谷自由的法度誕生了互聯網，以至于一些原罪被人們選擇性忽略，最終在20多年后出現了一輪輪對互聯網的批判。正如紐約時報在《減少互聯網是唯一的答案》一文中，將互聯網歸結為帶有集權主義意識形態的技術，互聯網企業被形容為一群驅使著技術的“邪惡魔王”。

對互聯網的批判大概率不會讓人們減少互聯網的使用，卻給出了一個思路：為何互聯網會從萬眾仰慕的行業淪為過街老鼠，倘若算法的應用和算法歧視現象不被制約，又將在未來某一天掀起多大的波瀾?

根源在于人性的偏見

當然，算法的“偏見”并不缺少合理的解釋。

一種說法是將機器學習結果的偏見歸咎于數據集偏見，而非算法偏見的“技術中立”。比較知名的支持者就有被稱作“卷積神經網絡之父”的楊立昆，比較常見的論證是：如果某人持菜刀砍了人，難道是菜刀廠商甚至“菜刀本刀”的錯?

另一種解釋是數據量太小，當算法學習的數據量越大時，算法的錯誤會越少，而且結果會越趨向于精準。即使可以開發出一套篩選系統，將不帶偏見的數據輸入給算法，也無法達到絕對的公平。畢竟“主流”永遠擁有更多的數據，算法最終會偏向于大多數，對“非主流”產生所謂的歧視現象。

兩種說法其實講了一個相同的道理：計算機領域有個著名的縮寫是GIGO，即Garbage in, Garbage Out。翻譯成中文的意思是，如果輸入的是垃圾數據，那么輸出的也將是垃圾的結果。算法就像是現實世界的鏡子，可以折射出社會中人們意識到或者無意識的偏見，如果整個社會對某個話題有偏見，算法輸出結果自然是有歧視的。

德國哲學家雅斯貝爾斯曾在《原子彈與人類的未來》寫道：“技術本身既非善，亦非惡，但它既可以用于善，也可以用于惡。它本身不包含任何觀念：既不包含完美的觀念，也不包含毀滅的邪惡觀念;它們都有別的源頭——在人類自身之中。”

也就是說，算法歧視的根源其實在于人性的偏見，“算法中立”之流的觀點本質上是對人性偏見的掩飾，也恰恰是人工智能讓人恐懼的地方 。

任何一項技術的出現，都有“工具性”和“目的性”兩個維度，選擇權其實留給了人類自身。然而人性往往經不起考驗，無法想象當“工具”交到人們手中又缺少節制的時候，將會做出多大的惡。

就像“小蘇”在視頻中提到的DeepFake算法，2017年亮相時就引起了巨大的轟動，一位名為Deepfakes的用戶將神奇女俠扮演者蓋爾·加朵的臉換到了一部成人電影女主角身上，以假亂真的效果引發了巨大的爭議。

由于DeepFake算法的出現，原本只有專業電影制作機構才能完成的任務，普通人經過一段時間的學習也能掌握，就像是一頭沖出籠子的野獸：加蓬總統Ali Bongo利用DeepFake合成的新年致辭，意外引發了軍方的兵變;有人用DeepFake合成馬來西亞經濟部長與男性在一起的視頻，給政府造成了不小的煩惱;在世界上無數隱蔽的角落里，有人利用DeepFake進行欺詐勒索……

在這個“算法無處不在”的世界里，我們該如何自處?

把野獸關進鐵籠子里

作為新時代的“火種”，我們可能無法拒絕人工智能。

因為人工智能的應用，質檢線上的工人無須再盯著強光下的產品用眼睛尋找瑕疵;因為人工智能的應用，基層的醫生也可以根據病人的檢查結果做出準確的病情判斷;因為人工智能的應用，一群不會輸入法的老年人也能用語音走進互聯網世界……

不過一切美好的前提在于，先將野獸關進鐵籠子里。

或許可以借用《人民日報》在評論“快播案”時的觀點：技術不但必然負荷價值，而且還有倫理上“應當”負荷的“良善”價值：維持法律與習俗的穩定，遠離破壞和顛覆。一旦違逆了這條原則，任何技術都將被打上可恥的烙印。

言外之意，技術不應該是獨立于現實的烏托邦，科技的崛起離不開必要的監管，在法律法規上劃清技術應用的邊界，為技術中立套上倫理的枷鎖，可以說是人工智能技術行穩致遠的前提所在。

同時越來越多的學者也在討論代碼與法律之間的關系，擔憂算法會不會動搖現有人類社會法律的基本框架，并提出了“算法規制”的概念，一種以算法決策為手段的規制治理體系，可以理解為利于算法治理的工具。

而除了這些防御性的機制，或許還存在另外一種可能：對算法開發者進行適當的“AI倫理”教育，確定一些算法的“基本準則”，就像“機器人永不能傷害人類”的鐵律一樣，從源頭杜絕算法的濫用。

以“在下小蘇”為代表的視頻博主不失為一個切入口。盡管“在下小蘇”的AI倫理節目不排除和曠視合作的嫌疑，可如果一家人工智能企業愿意走進年輕人聚焦的互動場域，以年輕人熟悉的語境和表達方式，向外界傳遞AI倫理的概念和自身的AI倫理實踐，何嘗不是一種行之有效的啟蒙方式 。

目前包括中國社科院、清華大學、復旦大學、上海交大等在內的科研機構與高校，均已經開始進行AI倫理的相關研究。世界人工智能大會、北京智源大會等行業頂級峰會，也將AI倫理作為討論的議題。在人工智能普及過程中扮演了領頭羊作用的企業們，同樣應該肩負普及AI倫理觀念的義務，為年輕人上好AI第一課。

早在一百多年前的時候，美國最高法院大法官路易斯·布蘭代斯就曾發表言論稱：“陽光是最好的殺毒劑。”同樣的道理也適用于人工智能教育，在教會年輕人用人工智能改變世界的同時，還要讓他們明白善惡、底線和邊界。

沿用前面提到的那個例子，菜刀在設計它的時候就已經標注了它的用途，人工智能也是如此，應該將其控制在可理解的天花板下，而非放任在失控的黑箱中，AI倫理就是其中的天花板。

寫在最后

無可否認的是，伴隨著人工智能的大規模產業化應用，一些無先例可循的人機矛盾逐漸浮出了水面，以至于找到一種可預期的、可被約束的、行為向善的人工智能治理機制，成了人工智能時代的首要命題。

或許無須太過沮喪 ，從鉆木取火的原始時代到計算機時代，人類一直走在學習科技、利用科技、掌控科技的路上，期間雖然走了一些彎路，終究做出了一次次善的選擇，找到了正確的馭火之術。而學習AI倫理的“AI第一課”，恰恰就是規避AI走向惡的一面，理性駕馭AI的正確開始。

當Z世代的年輕人都在討論AI倫理的時候，構建出一套完美的人工智能治理規則，已經不再遙不可及。