本篇文章2414字，读完约6分钟
随着数据的积累、计算机计算能力的飞跃和算法的优化，人工智能正在使生活更加高效。语音识别和图像识别使身份认证更加可靠，可以在几秒钟内证明“你就是你”。智能诊疗和自动驾驶，也让人们看到了战胜疾病和减少事故的新机遇；人工智能可以轻而易举地击败围棋大师，写出优美的诗篇……它的自主性和创造性模糊了人和机器的区别。
然而，当侵犯隐私、数据泄露和算法偏差等事件相继出现时，人们不得不反思:人工智能的不断进步和广泛应用带来的好处是巨大的。为了使其真正造福于社会，人工智能的价值导向、伦理调节和风险调节不可忽视。
“擦脸”的使用更加广泛，对隐私的威胁值得关注。
人脸识别技术正在进入更广阔的应用领域。与指纹和虹膜相比，人脸是一种隐私性很弱的生物特征。因此，这项技术对保护公民隐私的威胁值得特别关注。“人脸图像或视频也是广义上的数据。如果不妥善保管和使用，用户的隐私很容易被侵犯。中国社会科学院哲学研究所的研究员段卫文说。
通过数据收集和机器学习来“描绘”用户的特征和偏好，互联网服务提供商随后将提供一些个性化的服务和建议，这有利于从积极的角度进行供需互动。但是对于消费者来说，这种交换是不平等的。从频繁发生的个人数据侵权事件来看，个人数据权与机构数据权之间的反差已经变得不平衡。消费者是被动的，企业和机构在收集和使用数据方面是主动的。段卫文说:“数据实际上成为企业垄断的资源，也是推动经济发展的因素。”如果企业仅仅从自身利益出发，就不可避免地会过度使用或不当披露个人数据。
“在大数据时代，个人在互联网上的任何行为都将成为数据的沉淀，而收集此类数据最终可能导致个人隐私的泄露。”湖南师范大学人工智能与道德决策研究所所长李伦认为，用户已经成为观察、分析和监控的对象。
算法应该更加客观和透明，避免歧视和“杀戮”
在信息爆炸时代，许多数据处理、分析和应用都是通过算法来实现的，越来越多的决策被算法所取代。从内容推荐到广告投放，从信用额度评估到犯罪风险评估，算法无处不在——它操作的自动驾驶可能比驾驶员更安全，它获得的诊断结果可能比医生更准确，越来越多的人开始习惯于由算法构建的“评分”社会。
作为一种信息技术，该算法在清除信息和数据“迷雾”的同时，也面临着伦理挑战:利用人工智能评估犯罪风险，该算法可以影响刑罚；当自动驾驶汽车遇到危险时，该算法可以决定牺牲哪一边。应用于武器系统的算法甚至可以确定攻击目标...这导致了一个不容忽视的问题:如何保证算法的公平性？
腾讯研究院法律研究中心的高级研究员曹建峰认为，即使作为一种数学表达，算法本质上也是“以数学方式或计算机代码表达的观点”。算法的设计、模型、目的、成功标准和数据使用都是程序员的主观选择。偏见会有意或无意地嵌入算法并使其编码。“算法并不客观，在算法决策发挥作用的许多领域，算法辨别并不罕见。”
“算法决策在大多数情况下是一种预测。过去的数据被用来预测未来的趋势。算法模型和数据输入决定预测结果。因此，这两个元素也成为算法区分的主要来源。”曹建峰解释说，除了主观因素，数据本身也会影响算法的决策和预测。“这些数据反映了社会现实。数据可能不正确、不完整或过时。训练数据本身可能是歧视性的。用这些数据训练的算法系统自然会背负歧视的污名。”
2016年3月，微软的人工智能聊天机器人Tay上线。在与互联网用户互动的过程中，它在短时间内“误入歧途”,将性别歧视和种族歧视结合在一起。最后，微软不得不“解雇”它。根据曹建峰的观点，该算法倾向于巩固或放大歧视，因此歧视在整个算法中持续存在。因此，如果将该算法应用于犯罪评估、信用贷款、就业评估等关系到人们切身利益的场合，一旦发生歧视，可能会危及个人乃至社会的利益。
此外，深度学习也是一种典型的“黑箱”算法。即使是设计者也可能不知道算法是如何做出决策的，所以从技术上来说，很难找出系统中是否存在歧视及其根本原因。"算法的“黑盒”特性使得其决策逻辑缺乏透明度和可解释性."李伦说，随着大数据“杀人”和算法歧视等事件的出现，社会对算法的怀疑逐渐增加。在使用数据的过程中，政府和企业必须提高对公众的透明度，让选择权回归个人。
加强检查监督，加大对数据滥用等行为的处罚力度
2017年7月，国务院发布了《新一代人工智能发展规划》(以下简称《规划》)。该计划强调促进人工智能行业和企业的自律，切实加强管理，并加强对数据滥用、侵犯个人隐私、违反道德和其他行为的惩罚。
“虽然‘刷脸’的使用越来越多，但人工智能仍处于起步阶段，因此有必要加强对数据和隐私的保护，并注意和防止决策失误和误用算法造成的社会不公。”在保护个人数据权方面，段卫文建议，参与数据交易的各方都应该对自己的行为负责，这样每个人都可以知道自己的数据是如何处理的，特别是为了其他目的，减少数据滥用，让人们清楚地知道自己的“脸”是否仍然安全。
段卫文认为，应进一步加强人工智能的伦理设计，对算法的理论前提、内在机制和实践语境进行质疑和检验的全过程。从算法决策的结果和影响的不公平性出发，对机制和过程进行逆向检查，找出有意或无意的曲解和误导，揭示存在的问题，促进纠正和改进。
曹建峰认为，要解决人工智能带来的伦理问题，首先要构建算法治理的内外约束机制，将人类社会的法律、道德等规范和价值观嵌入到人工智能系统中；二是在人工智能的研究和发展中贯彻伦理原则，督促研究者遵守基本伦理原则。三是监督算法，提高算法自身代码和决策的透明度。第四是为算法决策、歧视以及个人和财产损失提供法律救济。
“我们生活在人机共生的时代。人与机器之间必然会有各种各样的冲突和矛盾，仅靠法律和制度是无法完全解决的。”李伦说，人们还应该努力提高科学素养，积极维护自己的权利。社会也应该尽快建立一个讨论人工智能伦理问题的公共平台，让各方都能充分表达自己的观点，促进共识的形成。(本报记者顾)
《人民日报》(2018年8月16日，第12版)
