近日在美国旧金山召开的阿斯彭（Aspen）网络峰会上，德克萨斯州议会代表兼众议院监督与政府改革委员会主席赫德（Will Hurd）表示，未来美国也很有可能推出一款类似GDPR的数据监管法案。赫德表示，一年前可能大多数美国人还对此无法表示认同，但是2018年的一系列数据泄露事件已完全改变了人们对此的看法。

谷歌CEO：担忧AI技术被滥用合情合理

除了个人数据保护，对AI的算法偏见目前是另一个亟待解决的难题。

人与人之间，很难完全消除每个人存在的各种偏见，但通常情况下个体的影响力有限，不至于给社会带来严重后果。可是如果一种人工智能算法暗含偏见，一旦它被广泛应用，所产生的负面影响将难以估量。

2018年10 月中旬，亚马逊关闭了其（试验性的）人工智能招聘引擎，该工具本来的作用是对应聘者的简历做出打分，然后把其中高分对象推送给负责招聘的人力资源部门，而低分的简历则直接淘汰。但在实际应用过程中，开发人员发现AI竟然对“女性”求职者存在偏见，如果简历中在特定语境下出现了“女子”一词，可能被系统自动降级。这并非是开发者在设计程序时故意为之，而是人工智能在对公司历史上的海量求职、招聘数据进行学习后，得出的模型。作为一家科技公司，亚马逊男性员工的比例约占60%，男性求职者也远远多于女性。

随着人工智能应用领域的越来越大，如何能确保AI算法的公正、公平且安全正是当务之急。尤其是在无人驾驶、医疗诊断、法律咨询等深具社会影响力的领域，一旦因算法偏见造成了负面影响，又应由谁来承担责任呢？

从理论上说，想要避免产生算法偏见，前提是要保证输入算法的数据本身不带任何偏见，但实际情况则要复杂许多，比如任何数据来源都是有限的，如果源头本身就不完全客观，那么这种偏见自然会遗传给算法。

相关报道: