外媒：AI存在种族偏见 奥巴马输出竟成白人男子

  北京时间6月24日晚间消息，据国外媒体报道，当前的人工智能（AI）技术仍存在诸多偏见，从某种角度讲，这也是相当危险的。

这是一张令人震惊的图片，凸显了人工智能（AI）研究根深蒂固的偏见。将美国第一位黑人总统巴拉克·奥巴马（Barack Obama）的一张低分辨率照片，输入到一个“消除马赛克”（生成清晰图像）算法中，输出的结果竟是一个白人男子。

这不仅仅是奥巴马一个人的问题。使用同一算法，输入女演员Lucy Liu或国会女议员亚历山大·奥卡西奥·科尔特斯（Alexandria Ocasio-Cortez）的低分辨率照片，得到的高分辨率图像，面部同样是白色的。

正如一条很受欢迎的推文（Twitter消息）引用奥巴马的例子所说：“这张照片充分说明了人工智能偏见的危险。”但是，是什么导致了这些输出呢，它们到底告诉了我们关于人工智能偏见的什么信息呢？

首先，我们需要稍微了解一下这个图像生成技术。生成上述清晰图像的程序是一种名为“PULSE”的算法，它使用一种被称为“放大”（upscaling）的技术来处理视觉数据。

就像人们在电视和电影中看到的“放大和增强”，但与好莱坞不同的是，真正的软件不能无中生有地产生新数据。为了将低分辨率图像转换为高分辨率图像，软件必须使用机器学习来填补空白。

具体到PULSE，完成这项工作的算法是StyleGAN，由英伟达研究人员开发。

PULSE所做的是，使用StyleGan来“想象”低分辨率图片的高分辨率版本。这不是通过“增强”原始的低分辨率图像来实现的，而是通过生成一个全新的高分辨率人脸来实现的。

而PULSE的创建者表示，趋势很明显：当使用该算法放大低分辨率像素化图像时，该算法通常会更多地生成具有高加索特征的人脸（即白种人人脸）。该算法的创建者在Github上写道：“与生成有色人种的脸相比，PULSE似乎更容易生成白种人的脸。此偏差可能继承自训练StyleGAN的数据集。“

换言之，由于训练StyleGan所使用的数据，当它试图设计出一个低分辨率图像的高分辨率版本时，它默认使用白种人特征。

事实上，这个问题在机器学习中非常常见，这也是面部识别算法在非白人和女性面孔上表现较差的原因之一。用于训练人工智能的数据通常偏向单一的人口统计学，即白人男性，当一个程序看到数据不在这个人口统计学中时，它的表现就很差。还有一个不算巧合的巧合，主导人工智能研究的恰是白人男性。

但是，奥巴马的例子到底揭示了关于偏见的什么，以及它所代表的问题可能如何得到解决，这些都是复杂的问题。事实上，它们是如此复杂，以至于这张图像在人工智能学者、工程师和研究人员之间引发了激烈的分歧。

在技术层面上，一些专家甚至不确定，这究竟是不是数据集偏见的一个例子。但不管是什么原因，算法的输出似乎是有偏见的。而且，在该工具广泛使用之前，研究人员没有注意到这一点。

人工智能问责研究人员黛博拉·拉吉（Deborah Raji）称，这种偏见在人工智能世界里太典型了。拉吉说：“考虑到有色人种的基本存在，不对这种情况进行测试是令人震惊的。有色人种不是异类，不能轻易忽视他们。”