種族歧視一直是很多國家的社會問題，在北美和歐洲等地區最為嚴重，而現在種族歧視不僅僅發生在人類社會，更是發生在人工智能界。
近日，外媒報道稱，有位研究者認為，亞馬遜的人臉識別技術Rekognition無法精準地確定女性和膚色較深面部的性別，具體體現在其錯誤的將19%的女性圖像識別為男性，將31%的深膚色女性圖像識別為男性。而相比之下，微軟在是被深色皮膚人群性別時，將女性錯認為男性比例只有1.5%。
其實這也不是亞馬遜Rekognition因為產生的偏見而陷於爭議中了。
在去年夏天美國公民自由聯盟對Rekognition的測試中，在把25000張罪犯照片與國會議員的官方照片進行比較時，錯誤地將28名國會代表視為罪犯，而38%的錯誤匹配都是有色人種。
但也許是人工智能的算法還不夠完善，在其他企業發明的人臉識別系統中也出現過很多種族歧視現象。
弗吉尼亞大學的研究人員進行的一項獨立研究發現，兩個著名的研究圖像集ImSitu和COCO，後者由Facebook，微軟和創業公司MightyAI共同發起。在他們對體育，烹飪的描述中表現出性別偏見，和其他活動。（例如，購物的圖像與女性有關，而教練則與男性有關）
也許最臭名昭著的是在2015年，一位軟件工程師報告說，Google Photos的圖像分類算法將非裔美國人視為“大猩猩”。
人工智能出現種族歧視現象，說明這與人工智能的本質有關，因為人工智能本就是人類所創造的，人工智能的數據與經驗也都是人類所賦予的。
那麼如何才能讓人工智能去除掉這種種族歧視呢？
這個問題也應該從我們人類自身去思考，只有研究透了人類這種種族歧視的觀念，得出了種族歧視的數據模型以及分析模式，我們才能將這些賦予人工智能，這樣人工智能才能具備識別種族歧視特徵，從而避免種族歧視。
值得一提的是，人臉識別技術也在不斷地進步。
去年6月，微軟與人工智能專家合作，修改並擴展了用於訓練Face API，提供用於檢測、識別和分析圖像中人臉的算法，通過膚色、性別和年齡的新數據，它能夠將皮膚較深的男性和女性的錯誤率分別降低20倍和9倍。
而亞馬遜方面也表示，將不斷致力於提高Rekognition的準確性，建立面部分析個面部識別的標準化測試以及監管合作指導其使用。
人工智能是人類的產物，很多方面都是繼承著人類的特性，像人類一樣生活與思考，所以人工智能會怎樣，也取決於我們人類自己。
希望有一天，不僅僅是人工智能界能排除性別歧視，人類社會也是如此。
閱讀更多 互聯網深科技 的文章
