二、難以根治的算法歧視

記得2016年，微軟推出過聊天機器人Tay，卻因為用戶教給它大量種族歧視和臟話，一天內就被暫時下線。這引出了一個極具爭議的話題：機器學習會吸收人類的知識和信息來塑造自己，那么假如它吸收的信息含有大量“不那么純良”的東西呢？

2017年，算法歧視問題非但沒有被解決，各種各樣新的問題還應運而生。比如谷歌大腦會給女性圖片打上很多關于家庭、弱勢的標簽，顯然有悖于女權主義精神；而把黑人識別為大猩猩，則點燃了AI種族歧視的話題關注度。

所謂的算法歧視，對于普通消費者來說，最有可能在內容推薦和電商推薦兩個地方感覺到。

比如說消費者剛看過寬大的衣服，電商就推薦減肥藥，很可能讓消費者聯想到算法在歧視自己胖；再比如打開今日頭條這類軟件的時候，大家可能都出現過這種情況：偶爾點了一個推薦來的獵奇或者偽色情內容，然后再一刷新。

好嘛，蜂擁而至的類似內容啊，你本來想看的興趣內容和專業內容瞬時間化為烏有。甚至你怎么點我不關心不喜歡，平臺還是給你推薦。這就是因為算法的歸類方式給你貼上了標簽。這種歧視感也蠻嚴重的，好像背后有個人奸笑著對你說：“承認吧，你就是這么低俗……”

這類問題的根源，是機器學習技術進行個性推薦，今天還必須建立在兩個邏輯的基礎上：以過去算將來，以群體算個體。算法會吸收以前有過的經驗來給你特定的某些東西，但很有可能歧視信息就包含在機器吸收的經驗里。

在個性推薦系統越來越多場景應用可能的今天，我們恐怕短期內還難以根治算法的歧視。

三、私人數據與機器學習的矛盾日益凸顯

人工智能和個人隱私，似乎從來都是一對天敵。

因為人工智能技術假如想要提供個性化、完全符合個人習慣的服務，那么就必然要學習和理解用戶本身。而這其中，就涉及對用戶私人數據的學習。

但出于隱私的考慮，以及對網絡安全的不信任，大部分用戶顯然是不希望透露自己數據給機器的。

從而“雞生蛋蛋生雞”的矛盾就產生了。

近兩年，用AI來讀取用戶個人數據這件事一直處在被壓抑和不能提的狀態。更早一點的時候，蘋果和谷歌等大公司都推出過讓AI讀懂用戶的產品，但很快就被輿論抨擊給關停了。即使這樣，谷歌去年推出的家用AI相機還是飽受詬病。

在2017年后半段，我們看到了AI芯片拉開了風云際會的爭奪序幕。但是搭載AI芯片的硬件一定要有的放矢，有任務可以完成。于是讓硬件讀懂用戶、讓系統根據用戶數據提供千人千面的服務，勢必會重新回到公共視野里。

其實從大趨勢上看，把個人數據交給機器似乎是人類不可避免的歸宿。無論是醫療健康、金融服務還是社會安全，機器肯定都比人類更靠譜。只是這其中經歷的不適感和安全風險是巨大的。

在2018年，無論是手機、音箱、穿戴設備、VR，在啟用了機器學習能力后，似乎都要重新沾惹隱私數據這條紅線。

究竟怎么處理這個矛盾，也是挺讓人頭疼的。