全文共2959字，预计学习时长6分钟
人工智能对不同人而言有不同含义，但无论哪一种含义都涉及到技术与女性和少数族裔的关系，以及这些技术如何适应（或不适应）人类。
人类当前与人工智能的关系很容易使人回想起出版业过去是如何向女性推销图书，尤其是爱情小说的。套路很简单：让女性走上神秘的职业精英道路，再使其被某个男子迷得神魂颠倒。
推销浪漫
一些读者厌倦了“身材高大、皮肤黝黑、英俊潇洒”的男主形象，他们想要读到一些有别于办公室恋情的内容。
在身材强壮的职业精英男性的神秘感消失后，关于他们的浪漫故事也就失去了吸引力。
打造更好的偶像
出版商担忧图书未来的销量可能下降，这促使他们采取行动。他们做了什么?他们发明了一种新的爱情小说类型——“超自然爱情小说”。
这类小说常常描述维京人和诸神的爱情故事，它的卖点在于摆脱了人类男性常有的烂笑话。
“超自然爱情小说”成为年销售总额超过1亿美元的小说类型，这也帮助出版业在没有过多变动的情况下捕获一批观众。
这种令人眼花缭乱的营销技巧是很多这些技术工作者早已熟知的。
我们经常听到人们将科技行业描述为无比神秘的精英行业。
我们也见证了一大批技术先驱和梦想家的涌现，尤其是那些“天才”，他们也经常属于其中“一种”。
但正如传统爱情小说的衰落一样，在女性掌握了技术领域的情况后，她们掀起了一波揭秘浪潮，这也波及到科技领域的风险投资行业
科技行业不像那些书籍一样试图兜售令人厌倦的幻想，其公开募股有望达到10亿美元。科技行业的新英雄是一种被宣传为淡化人类行为的技术：大家称之为人工智能。
人工智能对科技行业的贡献，就像“超自然爱情”小说对爱情小说书商的贡献一样。
人工智能被炒作成纯粹的数据驱动。换句话说，人工智能完全不同于易错的人类行为，正如吸血鬼不同于你愚蠢的办公室同事。
科技投资者欣然接受人工智能所驱动的一切。这意味着应用人工智能的产品、服务和系统正在全球范围内不断推出，这正显示出投资者对人工智能的痴迷。但人工智能并不局限于技术实验，它正以一种我们可能不愿接受或不甚享受的方式，将触手伸向日常生活的方方面面。
也许是时候确认我们和人工智能之间真切而亲密的关系了。事实上，人工智能算法和人类实际已走向虐待关系——只是没有电影中遇见亿万富翁、搭乘直升机和使用安全暗号的桥段罢了。
人工智能是技术行业的“超自然爱情小说”
人脸识别技术——人工智能的基石——已经对人们的生活产生了巨大的影响。对于正关注这项技术的人来说，人工智能已经开始显现令人不悦的一面。
看看iPhoneX上的FaceID技术就知道了。
许多人对这项技术感到高兴，它可以帮助用户解锁手机并访问手机的通话记录、电子邮件和短信。然而，中国部分iPhoneX用户对此并不满意。
刚开始使用时一切都充满乐趣，直到你的老板或同事也可以用他们的脸解锁你的手机。
或者，让我们看看黑人。他们可能不会用iPhoneX，但其中许多人可能无法避开人工智能监控摄像头，但人工智能在面对黑人群体时一贯表现不佳。
“一贯表现不佳”可能意味着警察会错误地逮捕你，因为人工智能软件会错误识别黑人以及其他深色皮肤的男性、女性和儿童。
如果即使这些错误存在，警方依然大规模应用人工智能技术，该怎么办呢?
没有精准的指导原则，人工智能算法对不同人的作用效果就会不一样。
人们发现亚马逊公司的“人工智能驱动”招聘算法将女性排除在招聘渠道之外——只因她们是女性，这正是由于缺乏精准的指导原则，所以亚马逊公司不得不取消了该算法。
男性没有受到亚马逊人工智能招聘算法的负面影响，而且出于某种原因，在算法影响到潜在应试者之前，并没人注意到其中的偏见。
这些都是不久前的例子。就在去年，本文的作者也与人工智能算法发生了冲突。在得到预准信用额度后，作者向一家大型信用卡发行机构提交了驾照扫描件、护照照片和一张“自拍照”——结果却被告知由于某种原因“无法核实”身份。
在人工智能失灵的情况下，没有其他备用方案。驾照扫描件、护照信息和自拍照现在怎么样了？都已经不复存在。
人工智能正尝试决定你是否能得到一份工作，正决定你是否能得到医疗服务——如果人工智能出错了，后果将会很严重。
Joy Buolamwini，
我们应该公开质疑是谁在使用我们的数据以尝试接近我们，尽管我们并不希望如此。除了质疑数据的去处，我们还可以：
1. 技术去神秘化
柏林有一个非营利性组织FrauenLoop，其明确目标是为女性揭开科技的神秘面纱。其教学从网站开发课程开始，到数据分析，再到软件测试、机器学习，最后还有神经网络的介绍——这正是无监督计算机学习或者说人工智能的基础。
2. 技术多样化
缺乏多样化和全球性的数据集是FaceID无法区分亚洲人的原因，也是无人驾驶汽车和一些财务核实的算法无法一直识别深色皮肤的原因。
同时也是亚马逊公司的招聘算法在被要求在所有人和一个人之间做出选择时，将所有女性排除在外的原因之一。
3. 需求透明化
我们理应质疑人工智能算法在我们选择工作、医疗、晋升或金融产品时所扮演的角色。那些训练人工智能的人，是不是既不考虑也不关心你所在人群的数据?
如果人工智能无法识别老年人、肥胖者、皮肤晒黑的人或有卷发的人，那这个问题很快就会变成大家的问题。
任何英雄都需要一套行为准则
我们不需要把所有人重新训练成为数据科学家，我们需要的是在人工智能算法的预测和建议不受质疑或无人理解时，确保它们不会成为默认的决策者。
你不会相信《暮光之城》系列小说中的真实存在，也不会相信他有能力选择最好的大学——但将关键决策委托给人工智能算法而不进行错误检查，几乎无异于前者。
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）
转载：https://blog.csdn.net/duxinshuxiaobian/article/details/100695174