我们需要一个新的人工智能领域来打击种族偏见

加里·M·希夫曼(Gary M.Shiffman)博士是“暴力经济学：行为科学如何改变我们对犯罪、叛乱和恐怖主义的看法”一书的作者。他在乔治城大学教授经济科学和国家安全，也是巨橡树搜索技术的创建者巨橡树公司的创始人和首席执行官。

但我们需要的不仅仅是监管改革；整个人工智能(AI)领域必须在计算机科学实验室之外成熟起来，接受整个社区的拥抱。

我们可以开发出令人惊叹的人工智能，它在很大程度上是不偏不倚的。但要实现这一点，人工智能不能像现在这样只是计算机科学(CS)和计算机工程(CE)的一个子领域。我们必须创建一门考虑到人类行为复杂性的人工智能学科。我们需要从计算机科学拥有的人工智能转向计算机科学支持的人工智能。人工智能的问题不是在实验室发生的，而是在科学家将技术转移到人类的现实世界中时发生的。CS实验室的培训数据通常缺乏你我生活的世界的背景和复杂性。这一缺陷使偏见永久化。

人们发现，人工智能驱动的算法对有色人种和女性存在偏见。例如，亚马逊在2014年发现，它开发的一种自动猎头的人工智能算法教会了自己对女性候选人的偏见。麻省理工学院的研究人员在2019年1月报告称，面部识别软件在识别色素沉着较深的人方面不太准确。最近，在美国国家标准与技术研究所(NIST)去年年底的一项研究中，研究人员在近200种面部识别算法中发现了种族偏见的证据。

尽管人工智能错误的例子不计其数，但热情仍在继续。这就是为什么IBM和亚马逊的公告产生了如此多的正面新闻报道。从2015年到2019年，全球人工智能使用量增长了270%，预计到2025年，该市场将创造1186亿美元的收入。根据盖洛普(Gallup)的数据，近90%的美国人已经在日常生活中使用人工智能产品-往往甚至没有意识到这一点。

除了12个月的中断之外，我们必须承认，虽然构建人工智能是一项技术挑战，但使用人工智能需要社会科学、法律和政治等非软件开发重点学科。但是，尽管我们越来越普遍地使用人工智能，人工智能作为一个研究领域仍然被混入CS和CE领域。例如，在北卡罗来纳州立大学(North Carolina State University)的CS课程中教授算法和人工智能。麻省理工学院在CS和CE下都有人工智能的研究。人工智能必须进入人文课程、种族和性别研究课程以及商学院。让我们在政治学部门开发一条人工智能赛道。在我自己在乔治敦大学的项目中，我们向安全研究专业的学生教授人工智能和机器学习的概念。这需要成为惯例。

如果没有更广泛的人工智能专业化方法，我们几乎肯定会延续今天存在的偏见和歧视性做法。我们可能只是以更低的成本进行歧视-这不是一个高尚的技术目标。我们需要有意识地建立一个人工智能领域，其目的是了解神经网络的发展和技术将部署到的社会背景。

在计算机工程专业，学生学习编程和计算机基础。在计算机科学中，他们学习计算和编程理论，包括算法学习的基础。这些都是研究人工智能的坚实基础-但它们只应被视为组成部分。这些基础对于理解人工智能领域是必要的，但仅凭这些基础是不够的。

为了让人们从人工智能的广泛部署中获得安慰，以便亚马逊和IBM等科技公司以及无数其他公司能够部署这些创新，整个学科需要超越CS实验室。需要那些在心理学、社会学、人类学和神经科学等学科工作的人。理解人类的行为模式，需要在数据生成过程中产生偏差。如果没有我的行为科学背景，我不可能开发出我开发的识别人口贩运、洗钱和其他非法行为的软件。

负责任地管理机器学习过程不再只是进步的一个可取组成部分，而是一个必要的组成部分。我们必须认识到人类偏见的陷阱，以及在未来的机器中复制这些偏见的错误，社会科学和人文科学提供了关键。只有在创建一个涵盖所有这些学科的新的人工智能领域时，我们才能实现这一点。