「人工智能」非萬能 這些是AI做不到的

今年4月，傳出亞馬遜公司使用人工智能（以下簡稱AI）系統追蹤員工效率，提醒動作變慢的員工，並自動開除未達目標者。同樣在4月，一位布朗大學（Brown University）的學生被誤認為是斯里蘭卡爆炸案的疑犯，起因也是斯里蘭卡當局的臉部辨識AI出錯。

這些事件顯示，當人們越來越依賴AI進行決策，將AI系統引入司法、金融、僱用等重大議題時，可能會造成隱憂。「我最擔心的是，我們想用來解決問題的系統，最終可能會加劇這些問題。」紐約大學的AI Now研究所共同創辦人凱特．克勞福德（Kate Crawford）如是說。

AI為甚麼會出錯？

過去，人們相信AI的一個理由是，AI不像人類受情緒、疲倦所影響，可直接分析事件進行準確判斷。但許多證據表明AI也會有「偏見」（AI bias），並不總是像我們想像的那麼客觀真實。一項調查顯示，部份美國法院採用的累犯風險評估軟件COMPAS，在評估非裔美國人時準確性較低，可能高估他們成為累犯的機率。執法單位的面部辨識系統在婦女、青少年和少數族裔上，錯誤率也比較高。這種情況，被稱作「AI偏誤」或「演算法偏誤」，怎麼形成的呢？

1. 偏誤來自於AI的學習過程

AI的準確度需要經過訓練，訓練時提供的資料如果不足，無法反映複雜的真實世界，就會造成AI有偏誤。Edge Case Research共同創辦人暨行政總裁華格納（Michael Wagner）指出，在訓練自動駕駛車AI時，儘管感測器已分析了數千或數百萬個人類影像，AI還是會忽略坐輪椅的使用者或穿著螢光背心的建築工人，因為這些例子在數據庫中是少數。

華格納認為，安全可靠的產品不僅需測試已知的偏誤，還應該仔細尋找新的以及意想不到的新偏誤，而這些偏誤可能不會被發現，直到產品被廣泛運用。

「機器學習與人類學習相當不同」，華格納說，「例如電腦可能會漏掉一個站在垂直物體（如電線杆）附近的人。你想過這個嗎？」

2. 面對偏見，AI沒有思考能力

AI程式也可能「學會」人類的偏見。訓練AI時，它們依靠從大量數據中找尋不可見的模式來分析信息。當這些資訊中隱藏了人類的偏見時，AI會複製這樣的偏見。但AI和真人不同，在面對偏見時，它們沒有思考能力。Google決策智能主管凱西．科茲科夫（Cassie Kozyrkov）表示，AI只是收集數據、呈現模式的工具，永遠不會自己思考，