AI的雙面刃：預測與偏見的平衡

AI 帶來的是 Prediction 還是 Prejudice？當數據工程師在追求大數據做 AI 學習時，有些非關聯的資訊會造成分析變得不精確，例如市區跟鄉下比幾乎很少有牛隻出車禍，所以導出市區的牛都已經適應都市生活的結論。或者，買尿布的客人都會買啤酒（這個故事跟華盛頓砍櫻桃樹一樣，經典但都不是真的）。

工程師總是認為，所有數據都丟進去演算，結果一定是神聖不可被質疑的，所以很少工程師會從道德面去思考，有些變數其實並不該被丟進去被學習。而這些變數造成的偏見，日常生活中到處可見，例如護士這個職業，心中的性別印象會是男還是女？但是實際上，性別跟護士這個職業有什麼絕對關係嗎？男護士跟女護士，不至於讓人對護士這個職業產生不同的理解與認知。

但如果用 google search 護士的照片，幾乎不會出現單獨的男護士，而要 Bard（google 的聊天機器人）給幾張護士的照片，則清一色都是女護士，而特別要男護士的照片時， Bard 在丟照片出來前，還特別回應了一行字 "男護士在醫療保健行業中扮演著重要角色。他們提供患者護理、教育和支持，就像女護士一樣。以下是一些男護士的照片"

但不論是搜尋還是聊天機器人，護士的照片，性別應該根本不是考量，而這些結果，反而加強了對護士的偏見，在一些其他的案例上，甚至是歧視，例如用更有爭議的字眼 "國家恐怖主義" 來搜尋，會出現哪些國家的圖騰呢？呵呵，入侵過葛瑞納達，阿富汗，伊拉克的美國一次都沒出現，而其他你想得到的國家都有。

但 google 除了有發佈 AI 指南外，也已經開始在移除一些可能會增強偏見與歧視的搜尋及 AI 應用，例如視覺辨識去除掉了性別相關標籤輸出等，但是，偏見，歧視，或玩笑的那條界線在哪裡，並不是那麼容易被定義下來，也導致即便可能是統計上的事實，卻不是可以拿來做機器學習的數據。

對一定年紀以上的男性推薦壯陽食品或許是個好笑的猜你喜歡（或猜你需要），但對特定族裔推薦酒精飲料可能就是偏見或歧視了。或許未來這些講究個人化推薦，個人化行銷的 Martech 公司的從業人員（尤其是工程師），都要比照金融從業人員，都要考到一張職業道德的證照並定期更新才行了。