人工智能的算法偏差及其规避

被引：25

作者：

闫坤如

机构：

[1] 华南理工大学马克思主义学院

来源：

江海学刊 | 2020年 / 05期

关键词：

人工智能; 算法; 算法偏差; 算法歧视;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

人工智能的发展引发人类认知的第四次革命,但人工智能中存在着算法偏差,算法偏差可能引起算法歧视,导致不公平竞争以及算法滥用等现象。算法并非价值中立的,它负载着设计者的价值,人工智能的算法偏差是由算法设计者的主观因素和认知偏差引起的,除此之外,数据偏差和"算法黑箱"也可能导致算法偏差。要想消除算法偏差,需要强化人工智能算法主体的责任,保障挖掘数据的准确性并提高算法的透明度与可解释性,通过在人工智能技术中嵌入道德代码消除算法偏差,让人工智能算法经受"道德图灵测试"的考验。

引用

页码：141 / 146

页数：6

共 7 条

[1] 第四次革命[M]. 浙江人民出版社 , 弗洛里迪, 2016
[2] European Union Regulations on Algorithmic Decision Making and a "Right to Explanation"
Goodman, Bryce
Flaxman, Seth
[J]. AI MAGAZINE, 2017, 38 (03) : 50 - 57
[3] MAPPING THE FIELD OF ALGORITHMIC JOURNALISM
Dorr, Konstantin Nicholas
[J]. DIGITAL JOURNALISM, 2016, 4 (06) : 700 - 722
[4] Accountability in Algorithmic Decision Making
Diakopoulos, Nicholas
[J]. COMMUNICATIONS OF THE ACM, 2016, 59 (02) : 56 - 62
[5] Better decision support through exploratory discrimination-aware data mining: foundations and empirical evidence[J] . Bettina Berendt,S?ren Preibusch.Artificial Intelligence and Law . 2014 (2)
[6] CRITICAL QUESTIONS FOR BIG DATA[J] . danah boyd,Kate Crawford.Information, Communication & Society . 2012 (5)
[7] An Approach for Discrimination Prevention in Data Mining .2 Dive R. T,Khedkar A. P. http://www. ijaiem. org Email:editor@ijaiem. org . 2014

← 1 →