欢迎来到深圳互联网技术应用协会
您当前的位置:首页 - 协会资讯 - 行业动态

"达摩院"科学家周以真:用错大数据会有哪些恶?

来源:发布日期:2017/10/12已有 2820 人浏览

在云栖大会的主论坛上,达摩院学术咨询委员会十位科学家之一,美国哥伦比亚大学数据科学研究院主任周以真发表了演讲—《Data for Good:Scary AI and Other Dangers with Big Data(永久的大数据:可怕的人工智能以及大数据的威胁)》。在演讲中,她针对大数据和人工智能可能带来的威胁进行了反思。

演讲中周以真教授就大数据伦理,提出了很多问题:使用不负责任的数据导致的偏见算法和严重后果,到底应该由谁负责?个人和阿里巴巴这样的企业应该用什么样的态度对待数据?以及我们该如何用科技本身保证科技的公平透明?

演讲中,她用FATES(命运)这个比喻的缩写来讲述了怎样有责任的使用数据,F是代表公平,A是可靠,T是透明,E是有道德,S是代表安全。

“我要给大家敲一个警钟,我们在使用数据过程当中不负责任的话,会有什么样的后果。”

达摩院科学家周以真:用错大数据会有哪些恶?

以下为周以真相关演讲的速记,略有删改。

数据能够带来什么样的好处,我这里分两方面来说。

第一方面,我们要有责任的使用数据。

第二方面,我们要用数据来应对社会巨大的问题,比如说能源、环境、教育、气侯变化等等这些重大的人类命题。

但是今天我只是会去谈有责任的使用数据这一个方面,因为我们所有人都是在使用数据,我们在使用数据的目的,都是为了应对社会的挑战。我演讲的目的,给大家敲一个警钟,我们在使用数据过程当中不负责任的话,会有什么样的后果。

我想用FATES(命运)这个比喻的缩写来去讲一下怎么有责任的使用,F是代表公平,A是可靠,T是透明,E是有道德,S是代表安全。

有偏见的数据导致的问题,谁该负责任?

首先来看一下数据,我在给大家分享之前,先非常简单的讲一下典型的算法和模式,我们在用大数据为原料,进行大数据计算的时候,涉及到的一些算法和模型。我们知道机器学习和形成一种模型,有这个模型,我可以再输入新的数据,这个新的数据,经过这个模型之后,有可能产生新的结果,之后我们可以来判断和预计,这个用户有可能采购哪些商品。

我们知道数据和算法都可能是有偏见的,那么如果数据和算法是有偏见的话,那么我们的这个模型可能也会有偏见,那么我们的结果也会有偏见的。让我们来看一个实例,那么这是几年前我们看到两个小偷,在美国的法官用了这种算法来决定判断量刑过程当中是否恰当,我们看到这些自主研发的算法,在法官当中广为流行的算法,用于帮助法官去判断这些量刑。

我发现他们对于黑人和白人量刑的结果是不同的,其实结果还不仅仅于此,我们在算法当中有一些什么样的问题,这个算法本身是有偏见的,而且哈佛大学学者研究出来,这些算法有可能是可以判断的,又可能是错误的,但不可能两者兼具,实际上是不可能去判断这个风险的分数。

第二个例子,这是我的这些同事做的项目,我的这些同事研究了在Google上的广告,他们发现这些高薪的工作机会更多的会向男性网民展现,女性网民看到这些高薪的招聘广告机会会比较少,我们觉得这是不公平的。现在我们就要去思考,这个模型是否是公正的,这些分类是否是公正的,我们怎么样来确保,这个案例就引发了另外一个问题,那就是可靠性。

说到底,出现问题的时候,我们应该怪谁呢?

好像这个问题很难找出一个好的答案,但是我们要有担当,我们在IT界,我们是发明这些算法的人,我们是使用数据的人,我们是产生和收集这些数据的人,并且生成这些结果的人,我们要有担当。

如果你是一家企业,那么如果你是一个有责任的企业,你应该做什么,你首先可以把政策进行公布,你的隐私政策进行公布,而且你要遵守这些政策,如果有人违规的话,违反了这个政策,你就要去修补你的这个漏洞。

我和的同事在微软研究院所做的,我们会看一下在人们遵守这个公共政策的规模和程度是如何。这涉及到我们编程的语言,我们做成数据地图,这个数据地图每天晚上在微软进行运行,帮我们找到我们政策上的漏洞,所以自动化可以在这方面帮助我们,让我们负起责任来,让我们对于我们发布的政策负起责任来。

152层的DNN如何保障其透明度?

第三个关键词是透明度。

透明度现在是一个很大的问题,特别是我们涉及到这些深层的神经网络的时候,我们是否应该对这个结果予以信任,我们为什么要对这个结果予以信任呢,我们都不知道怎么样来运作的,从这个科学的角度来说,我们其实并不了解他们是如何来工作的,那这样的话,就会引起一些问题。

在给大家举例子之前,首先给大家介绍一下,我们最大的DNN(音),这是152层的DNN,那么它是获得了2015年的Image.net的竞赛奖项,这里面我们可以看到这里的DNN一共有152层,大家问为什么是要152层,事实上我们不知道为什么是152层,结果就是如此,对于科学家来讲,我们不仅仅满足于这个答案,我们看这个DNN在什么情况下会出错。

这个例子看出来,我们为什么使用这个DNN的时候,做图象识别的时候,要小心,这是一段视频,在这个视频当中,我们可以看到,我们在驾驶车辆,我们开车的时候,可以看到有一个车速限速度的标志,在右侧可以看到,在右边是停止的Stop的牌子,在左边是涂鸦的限速45英里的牌子,这个DNN识别到在右侧Stop的图像。它认为有了这个涂鸦的限速牌,不认为这是一个限速牌,在开车不到一秒的时间里面,我们可以看到后面驾驶的车辆,开得很近的时候,发现涂鸦的这个标牌也是Stop的标牌,但是看见的时候已经太迟了,他觉得这个时候要刹车已经来不及了,这时候就有可能发生撞车的事故。

现在不光是熊猫、猴子,还有刚才我们所提的这样一些例子,这个就是大家可以看到的,如果我们对于这个DNN怎样工作的原理不清楚的话,就会潜在的造成一些威胁。

我们再来看一个例子。我们可以看到奥巴马在同样一个音轨,同样的话,用四种语音语段发出来,这是一个Youtube上面比较好玩的事情。对于这样一个音频流,你可以知道任何人都可以模拟任何人的发音,这样就会产生威胁。

阿里巴巴这样的大公司应该怎么做?

这不单会产生技术问题,也不是写论文的问题,应该说这是一个实实在在的,对于大公司,比方说像阿里巴巴这样的大公司,正在努力致力于研究解决的这样一些问题。欧盟也有这样的政策,2018年所有大的公司,都要遵守这样的一个有关于数据方面的问题的法规章程,不然的话,你就会被罚款或者说有4%这样的营业收入就要来交营业罚款。

这里有四个标准,一个是可访问的权利,一个是可忘却的权力,一个是数据的可携带性,还有可解释的权利,2017年到2018年之间,科学家正在致力于了解深度学习到底是怎么样来进行工作的,要能够解释得清,这是一个伦理的问题。

这里面我们可以看到,这里是一个列车的问题,我们可以看到这里面一辆列车开过来,扳这里有一个选择,到底是通过扳道,是往上面的通道走还是往下面的通道走,下面可能是小孩子或者说肥胖的人,不管是把道路往哪个方向搬,这都会牵涉到伦理方面的难题。那么现在有了我们这个自动驾驶车,必须要做这样的决定,比方说在碰到类似情况的时候,这个车应该做什么样的决断。比方说在右边有一个行人,但是这个人比方说在人行道上面也有其他的人,这个车躲避的话,到底是躲避谁,撞上什么,这是很难下的决定。

这是一个假新闻的问题,那么假新闻现在也在美国到处肆虐,这里应该说假新闻泛滥,造成了很多的问题,我们大家看到微软有这样一个例子,一个聊天机器人,叫做小兵,这个聊天机器人是如此的流行,以至于在美国,我们有一点嫉妒,你们中国有这样的很好的聊天机器人,在美国还没有这么好的聊天机器人,去年微软也有了这么一个聊天机器人。

我们在24小时之内,不得不把这个聊天机器人关闭了,为什么呢?因为我们看到由于互联网之间有一些阴暗面的存在,很快我们发现聊天机器人被诱导,引导说一些很不好听的话题,这里面我们才认识到互联网,这里面也有一些快速传播的不良信息,我们要非常重视伦理道德,我们在设计的时候就要注意,而不是在运用的时候。

还有一个例子是关于安全和保密的事情,例如天猫精灵,在你家或者车里,很容易被黑客侵入,所以物联网这样的平台,如果说连到互联网这样任何的物品,很容易被坏人所侵入,这样就会造成一些影响。

如何用科技保证科技本身的公平透明?

回过头来再看一下缩写拼出的词,FATEC代表公平、透明等等,在这方面,科技能够做哪些工作呢?

我们可以看到刚才所说的,应该要产出各种可能性,有各种各样的模式模板,所以我们要让第三方别人能够来检查我们这样的一些产品,同样的道理,比如说给他们提供这样一些资料和数据,我和我的两个同事也写过一篇论文,大家有兴趣的话,也可以阅读一下,比方说你的数据谁在掌握,我们现在有很多这样的科技公司,可以看到这样一些科技公司都是尽量在确保想要把人工智能、数据往好的方面运用。

 

比如说亚马逊、深度思考,包括苹果、IBM、Google、脸书等等机构,现在都有更多的机构和个人,都加入进来。人工智能能够造福人类,但是我们在科技界应该承担这样的责任,能够确保往好的方面来发展,我们现在也有一些新的问题。

我们现在已经对机器人有相关的立法,对人工智能是否也要立法,那么人工智能是不是也要进行很好的管制,包括这样一些平台,包括一些使用,人工智能的这样一些管道,是否也应该进行管制呢,如果要管制的话,是由谁来管制呢,我们是否要有一个消费者保护,有一个保险,还有比方说一些经济上面的奖励,以避免这样一些人工智能不良的应用。

包括我们所有的产品是否需要有一个授权许可,公司是否也需要有这样一个委员会专门来进行检查和审核。所以我们对于这个数据有一个负责任的态度来使用,才能够物尽其用,谢谢。

地址:深圳市福田区梅华路105号多丽科技楼11层1105A房  本协会主管单位:中国互联网协会 深圳市科技工贸和信息化委员会

深圳市互联网技术应用协会 版权所有 技术支持:九曲网  电话:0755-83352158  QQ:2078864445 邮箱:2078864445@qq.com