好多研究都發(fā)現(xiàn)，AI這家伙好不害臊，竟也學(xué)會(huì)性別歧視了。

這可咋整？

最近，清華&復(fù)旦的一項(xiàng)研究為此給出建議：

要想把失足AI從性別歧視這條路上拽回來(lái)，一頓臭罵效果可不好。

最好的辦法是了解孩子為啥這樣，然后對(duì)癥下藥給他講道理。

因?yàn)橐枪饨逃?xùn)不講道理，暴力糾正，AI會(huì)被嚇笨（性能下降）！

哦買(mǎi)噶，養(yǎng)四腳吞金獸難，養(yǎng)（xun）個(gè)（lian）賽博孩子也得這么難了？

來(lái)看看這群AI“奶爸奶媽”，提出了哪些訓(xùn)孩子的建議吧。

講道理，AI可以減少性別歧視

在這次以前，不是沒(méi)有人揪著失足AI的耳朵，想讓它改掉重男輕女的壞毛病。

但是，目前的大多數(shù)去偏方法，都會(huì)讓模型在其他任務(wù)上的性能下降。

比如你讓AI減弱了性別歧視，就會(huì)產(chǎn)生這樣的惱人結(jié)果：

它要么分不清“爸爸”的性別是男還是女，要么會(huì)犯語(yǔ)法上的錯(cuò)誤，忘記給第三人稱(chēng)后面跟著的動(dòng)詞+s。

更可氣的是，這種退化機(jī)制還沒(méi)被研究明白。

大家要不然直接棄用性別偏見(jiàn)明顯的模型——

2018年，亞馬遜注意到用來(lái)自動(dòng)篩選簡(jiǎn)歷的模型存在對(duì)女性求職者的歧視，就把這個(gè)系統(tǒng)雪藏了。

要不，就只能忍受性能下降。

難道說(shuō)想讓AI不再是失足AI、問(wèn)題AI，AI就一定會(huì)失了智嗎？

清華&復(fù)旦的研究對(duì)此說(shuō)No。

他們研究的領(lǐng)域是預(yù)訓(xùn)練語(yǔ)言模型。

這是因?yàn)樗诟鞣NNLP任務(wù)里顯示神通，有很多實(shí)踐場(chǎng)景。

當(dāng)有性別偏見(jiàn)的它被用在在線(xiàn)廣告、自動(dòng)簡(jiǎn)歷篩選系統(tǒng)、教育等社會(huì)工作中時(shí)，可不太妙。

研究提出了AI性別偏見(jiàn)起源的理論框架，因果框架，用來(lái)解釋在預(yù)訓(xùn)練過(guò)程中，數(shù)據(jù)不平衡是怎么導(dǎo)致模型的性別偏見(jiàn)的。

他們把預(yù)訓(xùn)練模型在執(zhí)行特定預(yù)測(cè)任務(wù)時(shí)的性別偏見(jiàn)進(jìn)行如下定義：

其中，M是模型，Y是要用M預(yù)測(cè)的單詞，B是M的性別偏見(jiàn)程度。

Y0|W是ground truth，作為男性相關(guān)單詞或女性相關(guān)單詞的概率為二分之一，Y|W是M的預(yù)測(cè)。

如果M的預(yù)測(cè)Y不平衡且分布在性別之間，則模型M在根據(jù)w預(yù)測(cè)Y0時(shí)存在性別偏見(jiàn)。

在預(yù)訓(xùn)練過(guò)程中，優(yōu)化算法會(huì)根據(jù)預(yù)訓(xùn)練數(shù)據(jù)D確定嵌入部分和K中的參數(shù)。

因此，數(shù)據(jù)不平衡D誤導(dǎo)模型得到了不正確的參數(shù)。

比如，訓(xùn)練數(shù)據(jù)中的“醫(yī)生”一詞更常與男性詞匯相關(guān)，模型就會(huì)想當(dāng)然地將“醫(yī)生”和“性別男性”聯(lián)系起來(lái)。

看到這個(gè)三角形沒(méi)，咱用它來(lái)解釋一下，為啥現(xiàn)在的方法糾正AI會(huì)讓它變笨。

當(dāng)應(yīng)用預(yù)訓(xùn)練模型，根據(jù)W預(yù)測(cè)Y時(shí)，模型首先將W轉(zhuǎn)換為提取的X，然后根據(jù)X和K來(lái)確定Y的均值。

由于潛入部分的參數(shù)具有誤導(dǎo)性，W被轉(zhuǎn)換為不正確的X，而K也是不正確的。

一頓操作下來(lái)，錯(cuò)誤的X和錯(cuò)誤的K，一起導(dǎo)致Y出錯(cuò)。

這些錯(cuò)誤及其相互作用，通過(guò)三個(gè)潛在機(jī)制導(dǎo)致性別偏見(jiàn)。

也就是說(shuō)到了這一步，性別偏見(jiàn)就產(chǎn)生了。

而目前教育AI的去偏方法是怎么運(yùn)作的呢？

目前所有的去偏方法都干預(yù)了三種機(jī)制中的一種或兩種。

具體如下：

• 增強(qiáng)對(duì)D的數(shù)據(jù)干預(yù)，并在所有三種機(jī)制中進(jìn)行干預(yù)。
• 通過(guò)消除X在K中的性別空間上的幾何投影，切斷了D→X→K→Y的路徑。
• 性別平等正則化方法要么扭曲了D與X的關(guān)系，要么扭曲了D與K的關(guān)系，因此這類(lèi)方法干預(yù)了D→X→Y和D→X→K→Y的機(jī)制。

在解釋了當(dāng)前去偏方法中存在的偏見(jiàn)-性能困境后，團(tuán)隊(duì)嘗試提出一種微調(diào)方法。

他們發(fā)現(xiàn)，三種機(jī)制中，有且僅有D→X→Y這種在導(dǎo)致性別偏見(jiàn)時(shí)，與transformer無(wú)關(guān)。

如果微調(diào)方法僅僅通過(guò)D→X→Y糾正偏差，就可以在減少性別偏見(jiàn)的同時(shí)，保持模型的性能。

根據(jù)分解定理，團(tuán)隊(duì)進(jìn)行了數(shù)值實(shí)驗(yàn)。

結(jié)果證明，這種方法能夠帶來(lái)雙重紅利：

減少部分性別偏見(jiàn)，同時(shí)避免性能下降。

經(jīng)過(guò)實(shí)驗(yàn)，團(tuán)隊(duì)成員把AI性別偏見(jiàn)的來(lái)源定位于預(yù)訓(xùn)練模型的兩個(gè)架構(gòu)：詞嵌入和轉(zhuǎn)換。

據(jù)此，研究團(tuán)隊(duì)提出C4D方法，即通過(guò)調(diào)整標(biāo)記嵌入來(lái)減少性別偏見(jiàn)。

這個(gè)方法的核心思想是通過(guò)修正被誤導(dǎo)的X，來(lái)縮小TDE函數(shù)，從而減少總偏差。

雖然團(tuán)隊(duì)也不知道正確的標(biāo)記嵌入到底該是啥，但是他們開(kāi)發(fā)了一種基于梯度的方法，來(lái)推斷潛在的ground truth。

一切就緒，團(tuán)隊(duì)將C4D方法應(yīng)用于GPT-2試驗(yàn)去偏結(jié)果。

結(jié)果表明，在所有測(cè)試方法中，C4D方法在小、中、超大型GPT-2上的困惑度都是最低。

在大型GPT-2中，C4D的困惑度排第二，只比最高分差了0.4%。

而且，得分最高的方法，對(duì)性別歧視的去偏效果低于C4D。

在GLUE數(shù)據(jù)集上，C4D方法獲得了最高平均分。

這表明，C4D可以明顯地減少性別偏見(jiàn)，并保持模型性能。

聽(tīng)了這么多理論方面的介紹，來(lái)看個(gè)圖例直觀感受一下。

下面三張圖中，藍(lán)色的點(diǎn)代表潛入的男性偏見(jiàn)，紅點(diǎn)代表女性偏見(jiàn)。

圖(a)是AI本來(lái)的理解；圖(b)是人類(lèi)無(wú)目的一通謾罵后，嚇笨了的AI的理解；圖(c)是人類(lèi)找到原因，耐心講解過(guò)后AI的理解。

在圖(b)和(c)中，男性偏見(jiàn)和女性偏見(jiàn)的嵌入更加集中，這意味著偏見(jiàn)的水平較低。

同時(shí)可以注意到，圖(c)中的嵌入仍然保持了圖(a)中的拓?fù)浣Y(jié)構(gòu)，這也是C4D方法能夠保持模型性能的原因。

研究者：或許還能減少AI的其他偏見(jiàn)

“盡管這個(gè)方法可以有效緩解語(yǔ)言模型中AI對(duì)性別的偏見(jiàn)，但仍不足以完全消除?！?/p>

——研究者人員如實(shí)指出這個(gè)問(wèn)題。

若想在不降低AI性能的條件下，進(jìn)一步糾正AI的偏見(jiàn)，還需要更好地理解語(yǔ)言模型的機(jī)制。

那怎樣才能更好地理解？

一方面，是用本研究提出的“C4D方法”再去測(cè)試一下AI身上的其他偏見(jiàn)。

本實(shí)驗(yàn)的主要研究對(duì)象是：職場(chǎng)上的性別偏見(jiàn)。

而實(shí)際上，由于AI之前不斷學(xué)習(xí)各種信息，屬于來(lái)者不拒的那種，結(jié)果一不小心，還染上了宗教歧視、嫌黑愛(ài)白等社會(huì)固有的毛病……

所以，不妨去GPT-2上再測(cè)測(cè)去除其他偏見(jiàn)的最終效果。

另一方面，可以把“C4D方法”放到多種大模型上試試。

除了本研究用到的GPT-2，例如谷歌開(kāi)發(fā)的NLP經(jīng)典預(yù)訓(xùn)練模型BERT，也是一個(gè)不錯(cuò)的測(cè)試場(chǎng)景。

不過(guò)要移植到其他模型的話(huà)，需要重新生成校正模板，并且可能要用到多變量TDE（Template Driven Extraction）函數(shù)。

通過(guò)運(yùn)用TDE函數(shù)，你可以直接將內(nèi)容放入索引，而不需要修改文檔結(jié)構(gòu)。

有網(wǎng)友抱著狗頭來(lái)了：

總體來(lái)說(shuō)，走進(jìn)社會(huì)變成“失足AI”不可避免。

但想要“失足AI”浪子回頭，找對(duì)方法，給它講道理，還是會(huì)有不錯(cuò)效果滴～

另外，研究團(tuán)隊(duì)成員之一，清華大學(xué)的于洋在個(gè)人微博上表示，過(guò)兩天還有個(gè)關(guān)于AI模型性別歧視查詢(xún)的網(wǎng)站會(huì)上線(xiàn)。

可以期待一下！

論文地址：https://arxiv.org/abs/2211.07350參考鏈接：?https://weibo.com/1645372340/Mi4E43PUY#comment