在討伐算法導(dǎo)致的偏見和產(chǎn)生的作用時(shí)，更重要的問(wèn)題是：與完全沒有使用算法的情況相比是怎樣的？我們應(yīng)該比較算法的缺陷與人類的缺陷，而不是簡(jiǎn)單地詢問(wèn)算法是否存在缺陷。

一場(chǎng)革命正在悄然進(jìn)行。

這場(chǎng)革命與大部分新聞報(bào)道中出現(xiàn)的人工智能的進(jìn)展有所不同。

新聞媒體往往聚焦于感知型機(jī)器人軍團(tuán)的重大發(fā)展，而更重要的角逐是在全國(guó)各類機(jī)構(gòu)傳統(tǒng)人為決策過(guò)程中展開，很顯然，自動(dòng)化比重正在穩(wěn)步增加。

不同于AlphaGo Zero這樣占據(jù)頭條新聞的先進(jìn)成果，這場(chǎng)革命通過(guò)相當(dāng)傳統(tǒng)的機(jī)器學(xué)習(xí)和統(tǒng)計(jì)技術(shù)如普通最小二乘法、邏輯回歸、決策樹等，為許多組織創(chuàng)造了真正的價(jià)值。

這些技術(shù)應(yīng)用的領(lǐng)域是很廣泛的，包括醫(yī)療診斷、司法判決、公共機(jī)構(gòu)的專業(yè)招聘和資源分配等。

這場(chǎng)革命是好事嗎？

似乎有越來(lái)越多的作者、學(xué)者和記者給予否定的回答。這一類型的書包括《數(shù)學(xué)毀滅武器》，《自動(dòng)化不平等》和《黑匣子協(xié)會(huì)》等。還有一連串的曝光式長(zhǎng)篇文章，如“機(jī)器偏差”，“緊縮是一種算法”，“算法是否在構(gòu)建種族主義的新基礎(chǔ)設(shè)施？”等。

人們關(guān)注的焦點(diǎn)是，算法通常是不透明、有偏差并且難以解釋的工具，而這樣的工具正在被權(quán)利組織加以利用。那么，對(duì)于算法逐漸上升的決策地位，人類需不需要感到擔(dān)憂呢？

這些批評(píng)和調(diào)查往往很具有洞察力和啟發(fā)性，并且成功地讓人們認(rèn)為“算法是完全不受主觀影響”是不可能的。但是這些批評(píng)者之間存在一種模式，即他們很少會(huì)探討他們分析的系統(tǒng)在沒有算法參與的情況下運(yùn)行得如何。

對(duì)于從業(yè)者和政策制定者而言，這是最相關(guān)的問(wèn)題：算法導(dǎo)致的偏見和產(chǎn)生的作用，與完全沒有使用算法的情況相比是怎樣的？我們應(yīng)該比較算法的缺陷與人類的缺陷，而不是簡(jiǎn)單地詢問(wèn)算法是否存在缺陷。

研究結(jié)果怎么說(shuō)？

關(guān)于算法決策的大量研究可以追溯到幾十年前。與這一主題相關(guān)的研究都得出了一個(gè)非常相似的結(jié)論：算法比他們所取代的人類更少偏見、更準(zhǔn)確。

下面是一個(gè)研究樣本，調(diào)查了當(dāng)算法控制了傳統(tǒng)上由人類執(zhí)行的任務(wù)時(shí)會(huì)發(fā)生什么：

2002年，一個(gè)經(jīng)濟(jì)學(xué)家團(tuán)隊(duì)研究了自動(dòng)承保算法對(duì)抵押貸款行業(yè)的影響。他們的主要發(fā)現(xiàn)是“[自動(dòng)承保]系統(tǒng)比手動(dòng)承銷商更準(zhǔn)確地預(yù)測(cè)違約”并且“提高了預(yù)測(cè)借款批準(zhǔn)率的準(zhǔn)確性，特別是對(duì)于通常服務(wù)不到的申請(qǐng)人。”在傳統(tǒng)的方法中，資源匱乏的消費(fèi)者往往被邊緣化；但算法系統(tǒng)使這部分消費(fèi)者受益最多。

Bo Cowgill來(lái)自哥倫比亞商學(xué)院（Columbia Business School），他在研究一家軟件公司的工作申請(qǐng)篩選算法的效果時(shí)得出了類似的結(jié)論。當(dāng)公司通過(guò)算法來(lái)決定哪些申請(qǐng)人應(yīng)該接受面試時(shí)，算法實(shí)際上比人類篩選者更喜歡“非傳統(tǒng)”候選人。與人類相比，該算法對(duì)公司中代表性不足的候選人（例如沒有個(gè)人引薦或沒有擁有名牌大學(xué)的學(xué)位）的偏見顯著偏少。

在紐約市審前保釋聽證會(huì)中，一支由著名計(jì)算機(jī)科學(xué)家和經(jīng)濟(jì)學(xué)家組成的團(tuán)隊(duì)判定，與目前作出保釋決定的法官相比，算法有可能實(shí)現(xiàn)更為公平的決策，“監(jiān)禁率減少高達(dá)41.9％，犯罪率沒有增加”。他們還發(fā)現(xiàn)，在他們的模型中，“所有類別的犯罪，包括暴力犯罪中，都顯示出監(jiān)禁率的降低。這些成果可以在減少種族差異的過(guò)程中同時(shí)實(shí)現(xiàn)。”

《紐約時(shí)報(bào)》雜志最近報(bào)道了一個(gè)長(zhǎng)篇故事來(lái)回答這個(gè)問(wèn)題，“算法可以判斷孩子何時(shí)處于危險(xiǎn)之中嗎？”

事實(shí)證明答案是肯定的，并且算法可以比人類更準(zhǔn)確地執(zhí)行這項(xiàng)任務(wù)。有些政府服務(wù)加劇了種族偏見，而“阿勒格尼郡的經(jīng)驗(yàn)表明，它的篩選工具在權(quán)衡偏見方面不像人類篩選者那么糟糕”。

最后一個(gè)例子是，一個(gè)由財(cái)務(wù)教授組成的團(tuán)隊(duì)開始通過(guò)查看公開交易公司的歷史數(shù)據(jù)構(gòu)建算法，為特定公司選擇最佳董事會(huì)成員。研究人員發(fā)現(xiàn)公司在由算法選擇的董事會(huì)的管理下業(yè)績(jī)更好，而且與他們提出的算法相比，“沒有算法的公司傾向于選擇擁有龐大的社交網(wǎng)絡(luò)與豐富的董事會(huì)經(jīng)驗(yàn)、目前在董事會(huì)參與更多、具有財(cái)務(wù)背景的男性董事。”

在每個(gè)案例研究中，數(shù)據(jù)科學(xué)家都做了一件看起來(lái)驚人事情：他們根據(jù)過(guò)去的數(shù)據(jù)訓(xùn)練他們的算法，而這些數(shù)據(jù)肯定會(huì)受到歷史偏見的影響。所以這是怎么回事呢？

在很多不同的領(lǐng)域 ——信用申請(qǐng)、工作篩選、刑事司法、公共資源分配和公司治理 ，算法都可以減少偏見；但為什么許多評(píng)論家和批判者告訴我們的卻正好相反呢？

人類是非常糟糕的決策者

我們可以看到，上述提到的算法實(shí)際上是存在偏見的，但它們正在取代的人類顯然有更大的偏差。畢竟，如果不是一直被人為控制，制度偏見從何而來(lái)？

人類是糟糕到極點(diǎn)了么？也不盡然。雖然存在著偏見，但在某些維度上看，我們也做過(guò)一些較好的決策。不幸的是，近幾十年來(lái)，判斷和決策方面的心理學(xué)研究已經(jīng)一次又一次地證明了人類在各種背景下的判斷非常糟糕。我們至少在20世紀(jì)50年代就已經(jīng)知道，在預(yù)臨床環(huán)境中的重要結(jié)果方面，非常簡(jiǎn)單的數(shù)學(xué)模型就已優(yōu)于所謂的專家。

在上面提到的所有例子中，人類決策者的表現(xiàn)并不好，用算法取代他們既提高了準(zhǔn)確性，又降低了制度偏差。這就達(dá)到了經(jīng)濟(jì)學(xué)家所說(shuō)的帕累托改進(jìn)，即一項(xiàng)政策在我們關(guān)心的每一個(gè)方面上都有更優(yōu)越的表現(xiàn)。

雖然許多批評(píng)者喜歡暗示前沿公司以犧牲公平和公正為代價(jià)來(lái)追求運(yùn)營(yíng)效率和更高的生產(chǎn)力，但當(dāng)前的證據(jù)都表明其實(shí)沒有這樣的讓步。算法可以提供更高效，更公平的結(jié)果。

如果有什么事情會(huì)讓你感到驚恐，那么應(yīng)該是這樣一個(gè)事實(shí)：我們的許多重要決策是由前后矛盾的，有偏見的，非常糟糕的決策者做出的。

改善現(xiàn)狀

當(dāng)然，我們應(yīng)該盡一切努力消除制度偏見及其對(duì)決策算法的有害影響。對(duì)算法決策的批評(píng)催生了機(jī)器學(xué)習(xí)的研究的新浪潮，人們更加重視算法的社會(huì)和政治后果。

統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)中出現(xiàn)了一些新技術(shù)，專門用于解決算法歧視問(wèn)題。每年甚至還有一次學(xué)術(shù)會(huì)議（https://www.fatml.org），研究人員不僅討論機(jī)器學(xué)習(xí)的倫理和社會(huì)挑戰(zhàn)，而且還提出了確保算法對(duì)社會(huì)產(chǎn)生積極影響的新模型和新方法。

隨著深度學(xué)習(xí)等不太透明的算法變得越來(lái)越普遍，這項(xiàng)工作可能會(huì)變得更加重要。?即使技術(shù)不能完全解決制度偏見和偏見歧視的社會(huì)弊端，這里所回顧的證據(jù)表明，在實(shí)踐中，它在改善現(xiàn)狀方面發(fā)揮著微小但重要的作用。

這不是在鼓吹算法絕對(duì)主義或?qū)y(tǒng)計(jì)力量的盲目信仰。如果我們?cè)谀承┣闆r下發(fā)現(xiàn)算法與當(dāng)前的決策過(guò)程相比具有不可接受的高度偏差，那么接受這樣的結(jié)果并維持人類決策現(xiàn)狀也不會(huì)造成任何損害。

但是，維持現(xiàn)狀也是有利有弊。

我們應(yīng)該承認(rèn)，在某些情況下，算法將會(huì)為減少制度偏見起到一些作用。因此，下次當(dāng)您讀到有關(guān)算法偏差風(fēng)險(xiǎn)的標(biāo)題時(shí)，請(qǐng)記得冷靜下來(lái)，并想一想人類偏見帶來(lái)的危險(xiǎn)是否會(huì)更嚴(yán)重。

作者：Alex P. Miller

轉(zhuǎn)自：大數(shù)據(jù)文摘

編譯：倪倪、陳同學(xué)、Alieen

原文鏈接：

https://hbr.org/2018/07/want-less-biased-decisions-use-algorithms

版權(quán)歸原作者所有，轉(zhuǎn)載僅供學(xué)習(xí)使用，不用于任何商業(yè)用途，如有侵權(quán)請(qǐng)留言聯(lián)系刪除，感謝合作。

數(shù)據(jù)與算法之美

用數(shù)據(jù)解決不可能

長(zhǎng)按掃碼關(guān)注

總結(jié)

以上是生活随笔為你收集整理的算法有偏见？总比人类识别强吧！的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。