??? 隨著數據的積累、計算機算力的躍升和算法的優化，人工智能正在讓生活變得高效。語音識別、圖像識別使身份認證更可信賴，短短幾秒就能證明“你就是你”；智能診療和自動駕駛，更讓人們看到了戰勝疾病、減少事故的新機會；人工智能還可以輕松戰勝圍棋高手，寫出優美的詩句……其自主性和創造性正在模糊人和機器的分野。
但是，當隱私侵犯、數據泄露、算法偏見等事件層出不窮時，人們又不得不反思：人工智能的持續進步和廣泛應用帶來的好處是巨大的，為了讓它真正有益于社會，同樣不能忽視的還有對人工智能的價值引導、倫理調節以及風險規制。
“刷臉”應用更廣泛，對隱私權的威脅值得重視
“刷臉”進站、“刷臉”支付、“刷臉”簽到、“刷臉”執法……人臉識別技術正走進更為廣闊的應用場景，與指紋、虹膜等相比，人臉是一個具有弱隱私性的生物特征，因此，這一技術對于公民隱私保護造成的威脅性尤其值得重視。“人臉圖像或視頻廣義上講也是數據，如果沒有妥善保管和合理使用，就會容易侵犯用戶的隱私。”中國社會科學院哲學研究所研究員段偉文說。
通過數據采集和機器學習來對用戶的特征、偏好等“畫像”，互聯網服務商進而提供一些個性化的服務和推薦等，從正面看是有利于供需雙方的一種互動。但對于消費者來說，這種交換是不對等的。就頻頻發生的個人數據侵權的事件來看，個人數據權利與機構數據權力的對比已經失衡，在對數據的收集和使用方面，消費者是被動的，企業和機構是主動的。段偉文表示，“數據實際上成為被企業壟斷的資源，又是驅動經濟的要素。”如果商家只從自身利益出發，就難免會對個人數據過度使用或者不恰當披露。
“大數據時代，個人在互聯網上的任何行為都會變成數據被沉淀下來，而這些數據的匯集都可能最終導致個人隱私的泄露。”湖南師范大學人工智能道德決策研究所所長李倫認為，用戶已經成為被觀察、分析和監測的對象。
算法應更客觀透明，要避免歧視與“殺熟”
在信息爆炸的時代，數據的處理、分析、應用很多都是由算法來實現的，越來越多的決策正被算法所取代。從內容推薦到廣告投放，從信用額度評估到犯罪風險評估，算法無處不在——它操作的自動駕駛或許比司機更加安全，它得出的診斷結果可能比醫生更準確，越來越多的人開始習慣一個由算法構建的“打分”社會。
作為一種信息技術，算法在撥開信息和數據“迷霧”的同時，也面臨著倫理上的挑戰：利用人工智能來評估犯罪風險，算法可以影響刑罰；當自動駕駛汽車面臨危險，算法可以決定犧牲哪一方；應用于武器系統的算法甚至可以決定攻擊的目標……由此引發了一個不容忽視的問題：如何確保算法的公正？
騰訊研究院法律研究中心高級研究員曹建峰認為，即使作為一種數學表達，算法本質上也是“以數學方式或者計算機代碼表達的意見”。算法的設計、模型、目的、成功標準、數據使用等，都是編程人員的主觀選擇，偏見會有意或者無意地嵌入算法，使之代碼化。“算法并不客觀，在算法決策起作用的諸多領域，算法歧視也并不鮮見。”
“算法決策多數情況下是一種預測，用過去的數據預測未來的趨勢，算法模型和數據輸入決定著預測的結果，因此這兩個要素也就成為算法歧視的主要來源。”曹建峰解釋說，除了主觀因素以外，數據本身也會影響算法的決策和預測。“數據是社會現實的反映，數據可能是不正確、不完整或者過時的，訓練數據本身也可能是歧視性的，用這樣的數據訓練出來的算法系統，自然也會帶上歧視的烙印。”
2016年3月，微軟人工智能聊天機器人Tay上線，在與網民互動過程中，很短時間內就“誤入歧途”，集性別歧視、種族歧視于一身，最終微軟不得不讓它“下崗”。曹建峰認為，算法傾向于將歧視固化或放大，使歧視長存于整個算法之中。因此，如果將算法應用在犯罪評估、信用貸款、雇傭評估等關系人們切身利益的場合，一旦產生歧視，就可能危害個人乃至社會的利益。
此外，深度學習還是一個典型的“黑箱”算法，可能連設計者都不知道算法如何決策，因而要在系統中發現是否存在歧視和歧視根源，技術上也較為困難。“算法的‘黑箱’特征使其決策邏輯缺乏透明性和可解釋性。”李倫說，隨著大數據“殺熟”、算法歧視等事件的出現，社會對算法的質疑也逐漸增多。政府和企業在使用數據的過程中，必須提高對公眾的透明度，讓選擇權回歸個人。
加強核查監管，加大對數據濫用等行為的懲戒力度
2017年7月，國務院印發《新一代人工智能發展規劃》（以下簡稱《規劃》）。《規劃》強調，促進人工智能行業和企業自律，切實加強管理，加大對數據濫用、侵犯個人隱私、違背道德倫理等行為的懲戒力度。
“雖然‘刷臉’的應用越來越多，但人工智能目前仍處于起步階段，需加大對數據和隱私的保護力度，關注和防范由算法濫用所導致的決策失誤和社會不公。”在個人數據權利的保護方面，段偉文建議，應促使數據交易各方對自己的行為負責，讓每個人知道自己的數據如何被處理，特別是用于其他用途的情形，減少數據濫用，讓人們清楚知道自己的“臉”還是否安全。
段偉文認為，要進一步加強人工智能的倫理設計，對算法的理論預設、內在機制與實踐語境等進行全流程追問與核查，從算法決策的結果和影響中的不公正入手，反向核查其機制與過程有無故意或不自覺的曲解與誤導，揭示存在的問題，并促使其修正和改進。
在曹建峰看來，應對人工智能帶來的倫理問題，一是要構建算法治理的內外部約束機制，將人類社會的法律、道德等規范和價值嵌入人工智能系統；二是在人工智能研發中貫徹倫理原則，促使研發人員遵守基本的倫理準則；三是對算法進行必要的監管，提升算法自身的代碼透明性和算法決策的透明性；四是針對算法決策和歧視以及造成的人身財產損害，提供法律救濟。
“我們生活在一個人機共生的時代，人類與機器之間勢必將發生各種沖突和矛盾，僅靠法律和制度很難完全解決。”李倫表示，人們還應努力提升自身的科學素養，主動維護自身的權利，社會也應盡快建立討論人工智能倫理問題的公共平臺，讓各方充分表達意見，促進共識的形成。
