目前，人類為AI制定的道德框架很失敗
前不久，一個名為AINow的新研究機構發布了報告呼吁，要進一步提高人工智能對社會影響的關注度。在這個報告發布之后，Wired記者ScottRosenberg對該研究機構的創始人之一KateCrawford進行了訪談。進一步挖掘了該報告背后傳遞的想法。KateCrawford認為，在人工智能成為一種災難之前，必須要將其安放好。
KateCrawford，AINow創始人之一。
關于人工智能的道德問題，并不乏報道。但大多數都是輕量級的充滿了關于公私合作、關于把人放在第一位之類的陳詞濫調。他們不承認人工智能創造出的社會困境有多棘手，也不承認解開這些難題有多么困難。但AINow研究所（一家位于紐約大學的新研究機構）的新報告并非如此。報告指出，科技行業正以一種不容置疑的態勢，競相使用人工智能來重塑社會，這并不會帶來任何可靠和公平的結果。
兩周前發布的這份報告是由KateCrawford和MeredithWhittaker完成，他們是AINow的聯合創始人。Crawford、Whittaker和他們的合作者在一個密集但易于獲得的35頁報告中列出了研究議程和政策路線圖。他們的結論并不是胡說八道：他們說，到目前為止，我們將人工智能保持在道德標準上的努力是失敗的。
他們寫道：人工智能的新倫理框架需要超越個人責任，在設計和使用人工智能的過程中，工業機器人維修，讓強大的工業、政府和軍事利益承擔責任。當科技巨頭開發人工智能產品時，用戶同意、隱私和透明度往往被忽視，而只專注于聚合數據，為利潤驅動的商業模式服務與此同時，在警務、教育、醫療和其他環境中引入人工智能系統，在這些環境中，算法的失誤可能會毀掉一個人的生活。有什么我們可以做的嗎？本周，Crawford與我們一起討論了為什么人工智能的道德規范仍然一團糟，庫卡機器人，以及采取什么樣的實際步驟可能改變這一局面。
ScottRosenberg（下文略）：在新報告的最后，你直截了地方說，當前為人工智能的道德規范制定的框架正在失敗。這聽起來很可怕。
KateCrawford（下文略）：很多人都在談論我們是如何提出這個領域的道德規范的。但仍然沒有一個能夠落地的。包括IEEE，Asilomar，以及其他一些組織都帶頭做了很多的工作。我們現在看到的是高層次原則之間的鴻溝，和大規模機器學習系統日常開發的實際情況。這顯然是非常重要且真實存在的。
我們閱讀了過去兩年出版的所有關于人工智能和算法系統的道德準則。然后我們研究了理想和實際情況之間的區別。現在最迫切需要的是，這些道德準則伴隨著非常強大的問責機制。我們可以說，我們希望人工智能系統遵循最高的道德原則，但我們必須確保有某種利害關系。通常，當我們談論道德規范時，我們會忘記談論權力。人們往往會有最好的意圖。但我們看到的是，人們缺乏對真正的權力不對稱如何影響著不同群體的思考。
這份報告透露出來的基礎信息似乎是，我們可能發展得太快了，以至于我們沒有花時間來做這件事。
我可能會用不同的方式來表達。時間是一個因素，但優先級也是一個因素。如果我們花很多的錢，聘請了許多人去思考和研究這些體系帶來的廣泛的社會和經濟影響，那么我們就會有一個更強大的基礎。實際上，誰在創造行業標準說，好，這是你需要經過的基本的預發布試驗系統；這是你應該如何公開展示你怎樣在不同類型的人群中測試你的系統；這些是你應該如何準備在你的系統或產品背后建立的信心界限？這些都是我們在藥物測試和其他關鍵任務系統中所使用的東西，即使是在城市的水安全問題上也是如此。
但只有當我們看到它們失敗時，例如在像弗林特、密歇根這樣的地方，我們才意識到我們對這些基礎設施的依賴程度，對所有人來說都是安全的。就人工智能而言，我們還沒有這些系統。我們需要訓練人們去測試人工智能系統，并創造出這些安全與公平的機制。這是我們現在可以做的事情。在將這些系統部署到人類身上之前，我們需要在安全與公平的優先次序上增加一些緊迫感。
在人工智能成為災難之前，你想要把它安放好。
我認為我們必須這樣做。
目前科技行業的格局是由幾家大公司主導的。為什么會這樣？
這是核心問題。作為這個領域的研究人員，我會去了解我所知道的工具。實際上，我們可以通過提高研究的水平和嚴謹程度來做大量的工作。我們認為，我們可以做出改變：在這些系統的設計中，誰能獲得一席之地？目前，它是由工程和計算機科學專家推動的，他們設計的系統涉及從刑事司法、醫療保健到教育等方方面面。但是，就像我們不希望聯邦法官優化神經網絡一樣，我們也不應該指望一個工程師能理解刑事司法系統的運行機制。
因此，我們有一個非常強烈的建議，即人工智能行業應該從計算機科學和工程以外的領域聘請專家，并確保這些人擁有決策權。如果你已經設計了一個系統，而你已經準備好部署它，那么僅僅在最后引入咨詢顧問是遠遠不夠的。如果你不通過刑事司法體系或預見性監管的方式來考慮系統偏見的傳播，那么很有可能的是，你正在設計一個基于歷史數據的系統，將會使這些偏見延續下去。
解決這一問題不僅僅是技術上的問題。這不是僅僅通過調整數字來試圖消除系統的不平等和偏見的問題。
這是一種內部重組的計劃。但是現在，情況看起來更像是研究人員坐在外面，他們得到了一些數據，然后他們得出了這些爆炸性的研究結果表明事情有多糟糕。這可能會引起公眾的關注，并贏得媒體的報道，但你是如何從內部改變事物的呢？
當然，當我們思考人工智能行業的數據能力和來源時，這并不難。我們應該把這看作是一個底線安全問題。你會影響一個人獲得工作，擺脫監獄，進入大學等方面的能力。至少，我們應該對這些制度如何變得更公平、以及這些決策對人們生活的重要性有深入的了解。
我不認為這是個很大的要求。我認為，這些系統中最負責任的生產商確實希望它們能很好地工作。這是一個開始用強有力的研究和強有力的安全門檻來支持這些良好意愿的問題。這并不超出我們的能力范圍。如果人工智能將以如此快的速度進入我們的核心社會機構，我認為這是絕對必要的。
你是微軟研究院的成員，而MeredithWhittaker則隸屬于谷歌。你難道不能走到合適的會議上說，我們為什么不做這個？
毫無疑問，我和Meredith在公司都有一席之地，這就是我們會提出這些建議的一部分原因。我們知道這些系統是如何建立起來的，我們可以明白一些積極的步驟，可以讓它們變得更安全、更公平。這也是為什么我們認為在一個獨立的環境中工作是非常重要的，我們也可以在科技公司之外做研究，幫助這些系統盡可能地感受到它們將要進入的復雜的社會領域。