1

20
2

文字

分享

1
20
2

是誰教機器人性別歧視?人工智慧複製人類偏見——高醫大性別所余貞誼專訪

科技大觀園_96
・2021/03/03 ・4565字 ・閱讀時間約 9 分鐘

科技始終來自於人性,人工智慧更是如此。此時此刻,人類社會中仍隱藏許多不平等與歧視,人工智慧與這些議題將如何互動?透過社群媒體可以如何解讀性別議題?任教於高雄醫學大學性別研究所的余貞誼助理教授,研究專長包括性別社會學、資訊科技與社會。她關注的重點之一,便是科技應用對社會溝通的影響

2018 年,亞馬遜宣布停止使用 AI (artificial intelligence) 篩選求職履歷,因為從招聘結果看來,這個 AI 居然嚴重的偏好男性

一個好好的 AI,哪裡學來性別歧視的壞毛病?從人身上阿。(設計對白)圖/Pixabay

2006 年機器學習演算法 (machine-learning algorithm) 突破瓶頸,讓人工智慧在某些情況,足以模擬人類的判斷,提供資訊解讀加速作業流程,如影像診斷、關鍵字判讀、資訊推薦、外文翻譯等。此外亦常見以演算法處理排序、挑選內容、過濾資訊等工作,經手人們的決策與信息流通。但快速便捷的同時,多數人不假思索信賴的演算法,也可能會反映強化已經存在的價值偏差,甚至夾帶嚴重的歧視偏見

如同開頭的案例,2018 年亞馬遜的 AI 演算法以過去十年間招聘資料進行訓練,最終演算法「忠實」呈現了招聘男女不平均,由於難以確保該演算法對於性別的公平性,亞馬遜只得棄用。1也有資料學家指出,許多商用的臉孔辨識系統擅長辨識白人男性,換個性別膚色就會失靈。2這些偏差的起因,都與訓練資料的取樣偏誤有關。如何在導入應用之前,發覺演算法失靈以避免可能的不公,將是未來科技社會發展的重要課題。3

用上人工智慧之前:用在哪?該怎麼用?

而除了前述源自訓練資料造成的不公,如人工智慧這類科技工具該用在何處,該如何設計才能稱得上妥適,也存在探討的空間。

余貞誼認為,人臉辨識科技應用的解讀魔鬼藏在細節裡,需要深刻探究背後的執行與設計邏輯。圖/曹盛威攝

最新的一個爭議案例,發生在印度北方邦的首府勒克瑙 (Lucknow)。當地政府規劃於今 (2021) 年在已知的 200 個性騷擾熱點設立監視錄影器,佈署 AI 人臉辨識進行監看,偵測女性出現困擾表情,即傳送警報予警察局。4

「第一個顧慮的點,是要如何辨認什麼是被性騷擾後不適或是驚恐的表情?」

余貞誼認為,這類科技應用的解讀魔鬼藏在細節裡,需要深刻探究背後的執行與設計邏輯。

印度率先於各國考慮採用 AI 於性騷擾事件,背景脈絡與其 AI 人才的發展息息相關。成功前例便有 2018 年 4 月印度警方使用臉部辨識軟體,根據婦女和兒童發展部 (The Ministry of Women and Child Development) 與失蹤兒童追蹤網站 (Track Child) 提供的照片,在四天之內追蹤到將近 3000 名失蹤兒童的紀錄。5爾後也傳出意圖打造全球最大的臉部辨識系統於刑事系統中,因此有此應用構想確實有跡可循。

但是此次應用人臉辨識系統於警方的監視錄影機,很多執行細節並未審慎考量。非政府組織網路自由基金會 (Internet Freedom Foundation) 就指出,監看臉部表情並不妥當,除了極可能失誤判斷,也形同監視路過女性的一舉一動。

余貞誼分析,透過官方演算法篩選「受威脅」的女性表情,等同認定這類的事件存在固定的「被害者」形象,除了疏於保護「不夠典型」的受害者,也可能變相為另一種受害人責怪的材料,強化助長「理想受害者」的形象

「用這樣子的方法,會帶來的爭議比解決的問題還要多。」余貞誼指出,公權力錯誤的使用,視同將此演算法所得的結果視為「證據」,有可能導致惡性循環迴圈 (pernicious feedback loop),從出發點即隱含了歧視觀點,並持續強化歧視觀念。政府單位使用演算法需要審慎評估其後果。

官方演算法篩選「受威脅」的女性表情,除了疏於保護「不夠典型」的受害者,也可能強化「理想受害者」的刻板印象。圖/Pexels

印度本次的爭議中,選擇攝影機「看向誰」本身,就已經體現了權力立場,無論是偵測哪個性別,如此的設計都存在著嚴重瑕疵。而更多的問題還包括:這類公權力涉入的演算法,被觀看、紀錄、分析的人本身,其隱私資料是否有受到足夠的哪些保護?有哪些人可以接觸到資料?收集的資料是否有足夠的保護設計?這些都是未來任何牽涉廣泛的科技方案,無論是設計者或是使用者,都必須要審慎考慮的問題。

看見科技中的性別議題:誰的設計,誰能得利?

數位科技產品推出,設計者往往難以意識自身經驗的偏差,而使用者也有可能後知後覺。該如何察覺數位產品中可能存在的偏差?余貞誼介紹了《數據女性主義》(Data feminism,暫譯)6 裡提出的七個原則,由提問來檢視科技產品中的權力:是誰(或不是誰)從事相關技術工作?哪些族群的目標具有優先性?誰會從中獲利?又會有誰因此受忽略或傷害?

「要先問出『誰』,這個關鍵問題。」余貞誼認為,由此可一窺各種特權,包括了性別議題,如何融入數據產品。

舉例來說,性愛機器人 (Sex Robot) 的爭議,很明顯可以反映出優先以男性視角為中心的產品設計。最早推出的性愛機器人如美國公司 Realbotix 的 Harmony ,其設計服務的對象明顯是異性戀白人男性,除了存在固化的性別腳本,也有科學家指出可能會帶來心理與道德上的隱憂。7

光是決定優先推出的產品、是怎樣的樣貌,就反映了某種權力分配的議題。

設計者優先考慮自己的視角無可避免,但如此一來,蓬勃發展的 AI 產業就更值得密切關注。2018 年,世界經濟論壇 (World Economic Forum, WEF) 全球性別差距報告,指出全球的 AI 從業人員有 78% 為男性組成,性別差距懸殊。AI 快速蔓延各領域應用的此時此刻,如果未能在密切檢視主要由男性視角出發的 AI 應用,將可能擴大既存的性別差距。

那麼,研發 AI 的時候,該如何避免複製社會上常見的不平等呢?

2018 年二十國集團女性會議 (Women 20, W20) 上,全球資訊網基金會 (World Wide Web Foundation) 提出了運作 AI 的兩個注意事項,以避免帶有性別意識或其他偏見。

首先是應注意訓練資料的平等程度,除了資料的數量,更應該注重質量,尤其檢視樣本中是否存在特定「數據匱乏」(data desert) 的情況,使 AI 缺乏資料無法解讀特定族群。不只性別資料數量應當平均,還包括應納入邊緣與少數族群的資訊。

運作 AI 應注意訓練資料的平等程度,除了資料的數量,更應該注重質量。圖/Pexels

其次,應該找出系統性的偏誤,利用開放資料與邏輯運算進行修正。透過擴大資訊的透明度、訂定相關守則並且開放其它意見的溝通與監督,才有機會避免系統性的偏誤。如前述亞馬遜的履歷 AI 所根據的資料即具備此類系統性的問題,W20 並認為可透過政府單位規範提升 AI 服務的資訊透明度,訂立準則進行監督來修正相關問題。

最後余貞誼補充,由於資料科學家常缺乏對於現場脈絡的理解,《數據女性主義》以及 Google Brain 的數據科學家莎拉‧虎克 (Sara Hooker) ,均提出研發 AI 等數據計畫,應當重視「接地氣」的知識,納入多元參與才有機會打造出更有效、更有創意的方案。

以性別議題做為試金石,避免人工智慧放大歧視的未來

除了 AI 的從業人員應當銘記在心,自身立場可能帶來的偏差,AI 使用者對於資料來源、資訊與現實間的差距,也應當有一定的體認,甚至提供回饋貢獻。舉例來說,於 2009 年發表於 Nature 風靡一時的「Google 流感趨勢預測」(Google Flu Trend),就在後續幾年間被證實沒有預測效力。當演算法採取間接資料做出推論,使用者對於原始資料與演算法屬性應該有足夠的認識,方不至以管窺天差之千里。

討論到 AI、社群媒體或科技將如何型塑我們的未來,余貞誼主張,任何科技發展的後續效應,主要是人群、情境與科技產物互動的綜合效果,不宜輕易落入「科技決定論」。余貞誼曾以關鍵字分析批踢踢的厭女與性別挑釁,認為由於社群媒體的匿名性以及極化特性,容易聚集極端意見,加上與現實間的界線消弱同情心、倫理規範模糊,因而容易聚集呈現激烈的偏見言論。相同的科技物質基礎不見得會出現同樣結果,仍要端看人與情境的最終互動。

近年來,經諸多有識者的關注,科技設計於性別議題的敏感度逐漸增加。Google 在 2020 年 2 月公開宣告, Google Cloud Vision API 取消照片辨識「男性」「女性」性別標籤,希望以此避免對 AI 灌輸性別偏見。89而史丹佛大學歷史系的隆達·希賓格 (Londa Schiebinger) 設立的「性別化創新」網站,也提供科學家與工程師可運用的性別/分析實用方法。如未來設計機器人該如何避免強化性別刻板印象,並列出六種可同時顧及社交投射需求的做法,包括挑戰既有的刻板印象、客製化設計、設計無性別或性別流動的機器人等。10

未來設計機器人應該避免強化性別刻板印象。圖/Pexels

「討論性別,其實就是討論權力,那是一種很具象的『看見權力』的方式。」余貞誼說明從事性別研究的起點,權力有時候很抽象,由性別的角度能協助將之具像化,因而察覺其分佈與影響。

科技需要克服的偏見絕不止於性別,而探討科技如何受人的權力與價值觀影響,性別議題可說是個最好的試金石,讓我們一窺各種決策之下人性、情境、科技的互動。人工智慧最終發展是載是覆,就端看人類的智慧是否足以駕馭這把雙面刃了。

參考資料

  1. 亞馬遜發現招聘用人工智慧系統歧視女性,決定棄用
    亞馬遜AI徵才歧視女性挨轟- 國際
  2. Buolamwini, J., & Gebru, T. (2018, January). Gender shades: Intersectional accuracy disparities in commercial gender classification. In Conference on fairness, accountability and transparency (pp. 77-91). PMLR.
  3. Courtland, R. (2018). Bias detectives: the researchers striving to make algorithms fair, Nature. Accessed 23 July, 2018. Available: httpa.
  4. 打擊猖獗性犯罪 印度加裝AI監視器偵測女性表情
  5. 印度警方使用人臉辨識技術,在4 天內發現近3000 名失蹤兒童
  6. Book: “Data Feminism”
  7. 暗黑的AI性與愛學者警告:性愛機器人有害- 國際
    AI性愛機器人恐危害人類心理與道德專家籲管制[影] | 國際
  8. Google 圖片辨識AI 工具將不再標記男女| TechNews 科技新報
  9. 高雄醫學大學性別研究所:Al 與社會—數據女性主義
  10. http://genderedinnovations.taiwan-gist.net/case-studies/genderingsocialrobots.html#tabs-2

文章難易度
所有討論 1
科技大觀園_96
10 篇文章 ・ 94 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

0
0

文字

分享

0
0
0

能量看不到,那就透過介質來觀察吧!——《物理學的演進》

商周出版_96
・2021/04/17 ・2453字 ・閱讀時間約 5 分鐘
  • 作者|Albert Einstein, Leopold Infeld
  • 譯者|王文生

雖然沒有任何實際參與流言散布的人真的在兩個城市間旅行,來自倫敦的小道消息,很快地傳到了愛丁堡。這個過程,涉及兩種截然不同的動作,一種和流言本身有關,從倫敦到愛丁堡;另一種,則要歸咎散播流言的人。一陣風吹過麥田,帶起一道穿過整片田地的麥浪。這一次,我們還是要分清楚波的運動,以及個別植物的運動之間的差異。植物只是稍稍晃動而已。我們曾經看過,把石頭丟進池塘中,水波的圓越來越大,藉此傳播出去。

波的運動方式,和水粒子的運動方式相當不同。水粒子只是上下運動。我們觀察到波的運動,是物質的狀態變化,物質本身並不是波。

從水面上的一顆軟木塞就能清楚地見到這個現象。軟木塞上上下下的動作,和水實際上的運動類似,它的運動不是波造成的。

把石頭丟進池塘中,水波的圓越來越大,藉此傳播出去。圖/Pexels

為了深入了解波的機制,我們再來考慮一項思想實驗。假設在一個足夠大的空間裡,均勻地被水、空氣,或其他種「介質」填滿。空間的中央處有一個球體。實驗開始時,沒有任何運動。突然,球體開始規律地「呼吸」,體積擴張,然後縮小,在此同時維持球狀的外表。介質會發生什麼變化?我們從球體開始擴張的瞬間開始分析。緊鄰球體的粒子被推開,導致周邊一層球殼狀的水,或是空氣的密度上升,高於正常值。經由類似的過程,球體縮小時,緊鄰球體介質的密度下降了(下圖)。組成介質的粒子只是微幅振動,但是,整體的運動卻是一個行進的波。基本上,我們現在正踏入全新的領域,第一次考慮物質以外的運動,也就是經由物質傳遞的能量產生的運動。

球體縮小時,緊鄰球體介質的密度下降了。圖/《物理學的演進

以脈衝球體為例,我們可以導入定義波的性質時相當重要的兩項普通物理觀念。首先是速度,描述波的傳遞。它和介質有關,例如,波在水和空氣的傳播速度不同。其次是波長 (Wave Length)。在海上或河流傳遞的波,它的波長是從一個波到另一個波距離,或是一個波峰到另一個波峰的距離。因此,海上的波相較於河裡的波具有較大的波長。至於脈衝球體產生的波,波長是在某個固定時間點,兩個密度最大或最小的相鄰球殼之間的距離。很明顯,這個距離不會只和介質有關,脈衝球體縮放的速度顯然對波長有不小的影響。縮放的速度越快,波長越小;縮放速度越快,波長越大。

波的觀念在物理學取得巨大的成功。

波是力學的觀念,這點無庸置疑。波的現象被簡化為粒子的運動,而且根據動力學理論,粒子由物質組成。因此,所有用到波的觀念的理論,一般來說都能視為力學理論。比方說,聲學現象的解釋,基本上建立在波的觀念。物體的振動,像是聲帶和琴弦,是聲波的來源。聲波在空氣中的傳遞模式,和脈衝球體波相同。如此一來,將所有聲學現象透過波的觀念簡化為力學是可能的。

前面已經強調過,我們得清楚地分辨粒子的運動和波的運動,後者是介質的一種狀態。兩種運動差異不小,但是,在脈衝球體的例子,兩種運動顯然發生在同一條直線上。介質粒子在一條短線段上振盪,隨著振盪運動,介質密度週期性地增加和減少。波傳遞的方向,與振盪發生的直線的方向,兩者相同。這種類型的波,稱為縱波 (Longitudinal wave)。但是,波只有這一種形態嗎?為了接下來的討論,我們必須認知到另一種類型的波存在的可能性,稱為橫波 (Transverse wave)。

我們調整一下先前的例子。現在依然有一個球體,但是它浸在一種膠狀介質裡,不是空氣,也不是水。此外,球體不再是縮放,而是朝一個方向旋轉一個小角度,再轉回來。旋轉的節奏是固定的,轉軸也不變。膠狀介質附著在球體周遭,被迫以相同的方式運動(下圖)。一部分的力作用在稍微遠一點的地方,造成該處產生相同的運動,如此一來,介質中就產生一個波。如果我們留意到介質的運動與波的運動之間的差異,會發現它們並不是發生在同一條直線上。波沿著球體的直徑方向傳播,而介質的運動則和這個方向垂直。以此方式,我們造出一個橫波。

膠狀介質附著在球體周遭,被迫以相同的方式運動。圖/《物理學的演進

在水的表面傳遞的波是橫波。漂浮的軟木塞上下浮動,水波則沿著水平面傳遞。另一方面,聲波則是我們最熟悉的橫波範例。

還有一點:脈衝的球體和震動的球體,在同質的均勻介質中製造的是球形波。這是因為在任意時間點,任何圍繞著球體的球殼上的任何一點,行為都是相同的。讓我們考慮位在波源遠處,以波源為球心的球殼上的一個小塊。我們考慮的小塊越小,距離波源越遠,它就越接近一個平面。若不做太嚴謹的考慮,可以說半徑夠大的球殼上的一小部分,和平面其實沒有什麼差距。我們常常把遠離波源的球形波上的一小部分,稱為平面波。如果把下圖著色的區域再向遠離球心的方向移動,兩條半徑中間的夾角就會越來越小,更接近平面波。平面波的觀念和某些物理觀念很類似,它們是虛構的,無法以完美的精確度製造出來。然而,平面波依然是相當有用的物理觀念,不一會就能派上用場。

著色的區域再向遠離球心的方向移動,兩條半徑中間的夾角就會越來越小,更接近平面波。圖/《物理學的演進
——本文摘自《物理學的演進》,2021年2月,商周出版。

網站更新隱私權聲明
本網站使用 cookie 及其他相關技術分析以確保使用者獲得最佳體驗,通過我們的網站,您確認並同意本網站的隱私權政策更新,了解最新隱私權政策