來自英國卡迪夫大學(xué)和美國麻省理工學(xué)院的計算機科學(xué)和心理學(xué)專家發(fā)現(xiàn)，自主機器人可以通過識別、復(fù)制、學(xué)習(xí)其他機器人的行為產(chǎn)生偏見，某些種類的算法已經(jīng)產(chǎn)生性別歧視和種族歧視。

歧視看似是人類社會中特有的、需要認(rèn)知才能產(chǎn)生的現(xiàn)象。但是，某些類型的計算機算法已經(jīng)從公開檔案等人類資料中習(xí)得了性別歧視、種族歧視等偏見。最新的一項研究甚至發(fā)現(xiàn)，人工智能可以進化出不同的偏見群體。

為證實人工智能可以自己產(chǎn)生偏見，科學(xué)家用計算機模擬博弈。博弈中，每個個體都可以將錢送給自己所在的群體或其他群體，以測試每個個體的給予策略，觀察其是否對其他群體有偏見。這一博弈由一臺超級計算機模擬，其中包括上千個個體，每個個體都可以通過復(fù)制其他來自相同群體或不同群體的個體學(xué)習(xí)新的策略。

參與研究的卡迪夫大學(xué)計算機科學(xué)與信息學(xué)教授 Roger Whitaker 表示：" 通過成千上萬次模擬，我們發(fā)現(xiàn)了偏見是如何演化的、哪些情況可以激化偏見、哪些情況可以減弱偏見。我們的研究表明，偏見是自然產(chǎn)生的、影響非常大的，它很容易被激勵、損害大范圍的連通性。來自同一偏見群體的保護可以非主觀地引起更進一步的偏見，使整個群體四分五裂。這種廣泛傳播的偏見很難逆轉(zhuǎn)。" 這些個體是通過復(fù)制那些有更高短期效益的個體使得偏見升級的，可見偏見并不需要高級認(rèn)知能力。

在另一項關(guān)于性別的研究中，研究人員發(fā)現(xiàn)，微軟、IBM和 Face++ 等的人臉識別服務(wù)中存在性別歧視和種族歧視。這些服務(wù)對于男性白人更加友好，而對于男性黑人和女性黑人錯誤率最高。微軟在 21% 情況下無法識別黑人女性，而 IBM 和 Face++ 有 35% 情況無法識別。

【來源：新浪科技】