我們在一片對18歲照片的花樣贊美中，迎來了又一個新年。

按說新年應該是開心的時候，但是剛剛跨年結束，抬頭一看居然要上班了！不由得悲從心來……所以今天我們打算說點不那么開心的事。

最近幾天，各種對2018年的科技預測層出不窮，其中對AI的暢想占了大頭，內容差不多是一片喜慶祥和。

但事有兩來，當我們開始從AI中收獲價值的時候，技術升級后帶來的潛在風險也在升溫。這就像汽車當然好過牛車，但汽車也會帶來各種各樣的交通事故。我們當然不能因此禁止汽車上路，但是也不能對交通問題視而不見。

今天我們來預測幾個，很可能在2018年進入我們眼簾的“人工智能負能量”。

畢竟做好準備，是解決問題的前提條件。

一、人工智能倫理問題開始出現個案

2017年1月，在加利福尼亞州阿西洛馬舉行的Beneficial Al會議上，近千名人工智能相關領域的專家，聯合簽署了著名的《阿西洛馬人工智能23條原則》。

隨后，各種關于人工智能倫理道德的討論、會議，以及相關協會和科技組織開始出現在公眾視野里。

《23條原則》的主要內容，就是呼吁人工智能不能損害人類的利益和安全，同時人工智能必須可以被人類控制，同時人類要盡量尊重人工智能和機器人的安全。

聽起來頗有點科幻的味道，但是在各行各業開始部署AI，尤其開始利用AI進行自動化決策的時候，人工智能的倫理與道德問題或許真的會浮出水面。

比如說，自動駕駛車輛在馬上要發生事故時，臺灣主機 臺灣伺服器，是優先保護路人還是乘客？假如AI診斷系統，給出的建議是安樂死，那么它算是殺人嗎？為了避免更大損失，AI系統是否能打破規則，自行其是？

這其中最著名的，大概就是去年谷歌批評上海交大某團隊進行的“看臉定罪犯”研究。引發了媒體對于AI價值觀的大量討論。

在各個產業場景開始使用AI技術時，隨之而來的邊界問題、責權問題、道德選擇問題這些在實驗室中不會出現的矛盾將很可能被引發。

人類還從未真正討論過這些。假如2018年人工智能的落地化足夠快，倫理問題的苗頭或許會臨近。

二、難以根治的的算法歧視

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，香港服務器 香港服務器租用，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。