靠AI徵人，多男性！－人工智慧是否藏有性別偏見？

2018年，亞馬遜宣布停止使用AI（artificial intelligence）篩選求職履歷，因為從招聘結果看來，這個AI居然嚴重的偏好男性。

2006年機器學習演算法（machine-learning algorithm）突破瓶頸，讓人工智慧在某些情況，足以模擬人類的判斷，提供資訊解讀加速作業流程，如影像診斷、關鍵字判讀、資訊推薦、外文翻譯等。此外亦常見以演算法處理排序、挑選內容、過濾資訊等工作，經手人們的決策與信息流通。但快速便捷的同時，多數人不假思索信賴的演算法，也可能會反映強化已經存在的價值偏差，甚至夾帶嚴重的歧視偏見。

如同開頭的案例，2018年亞馬遜的AI演算法以過去十年間招聘資料進行訓練，最終演算法「忠實」呈現了招聘男女不平均，由於難以確保該演算法對於性別的公平性，亞馬遜只得棄用(1)。也有資料學家指出，許多商用的臉孔辨識系統擅長辨識白人男性，換個性別膚色就會失靈(2)。這些偏差的起因，都與訓練資料的取樣偏誤有關。如何在導入應用之前，發覺演算法失靈以避免可能的不公，將是未來科技社會發展的重要課題(3)。

用上人工智慧之前：用在哪？該怎麼用？

而除了前述源自訓練資料造成的不公，如人工智慧這類科技工具該用在何處，該如何設計才能稱得上妥適，也存在探討的空間。

最新的一個爭議案例，發生在印度北方邦的首府勒克瑙（Lucknow）。當地政府規劃於今（2021）年在已知的200個性騷擾熱點設立監視錄影器，佈署AI人臉辨識進行監看，偵測女性出現困擾表情，即傳送警報予警察局(4)。

「第一個顧慮的點，是要如何辨認什麼是被性騷擾後不適或是驚恐的表情？」高醫大性別所的余貞誼認為，這類科技應用的解讀魔鬼藏在細節裡，需要深刻探究背後的執行與設計邏輯。

印度率先於各國考慮採用AI於性騷擾事件，背景脈絡與其AI人才的發展息息相關。成功前例便有2018年4月印度警方使用臉部辨識軟體，根據婦女和兒童發展部（The Ministry of Women and Child Development）與失蹤兒童追蹤網站（Track Child）提供的照片，在四天之內追蹤到將近3000名失蹤兒童的紀錄(5)。爾後也傳出意圖打造全球最大的臉部辨識系統於刑事系統中，因此有此應用構想確實有跡可循。

但是此次應用人臉辨識系統於警方的監視錄影機，很多執行細節並未審慎考量。非政府組織網路自由基金會（Internet Freedom Foundation）就指出，監看臉部表情並不妥當，除了極可能失誤判斷，也形同監視路過女性的一舉一動。

余貞誼分析，透過官方演算法篩選「受威脅」的女性表情，等同認定這類的事件存在固定的「被害者」形象，除了疏於保護「不夠典型」的受害者，也可能變相為另一種受害人責怪的材料，強化助長「理想受害者」的形象。

「用這樣子的方法，會帶來的爭議，比解決的問題還要多。」余貞誼指出，公權力錯誤的使用，視同將此演算法所得的結果視為「證據」，有可能導致惡性循環迴圈（pernicious feedback loop），從出發點即隱含了歧視觀點，並持續強化歧視觀念。政府單位使用演算法需要審慎評估其後果。

印度本次的爭議中，選擇攝影機「看向誰」本身，就已經體現了權力立場，無論是偵測哪個性別，如此的設計都存在著嚴重瑕疵。而更多的問題還包括：這類公權力涉入的演算法，被觀看、紀錄、分析的人本身，其隱私資料是否有受到足夠的保護？有哪些人可以接觸到資料？收集的資料是否有足夠的保護設計？這些都是未來任何牽涉廣泛的科技方案，無論是設計者或是使用者，都必須要審慎考慮的問題。

看見科技中的性別議題：誰的設計，誰能得利？

數位科技產品推出，設計者往往難以意識自身經驗的偏差，而使用者也有可能後知後覺。該如何察覺數位產品中可能存在的偏差？余貞誼介紹了《數據女性主義》（Data feminism，暫譯(6)） 裡提出的七個原則，由提問來檢視科技產品中的權力：是誰（或不是誰）從事相關技術工作？哪些族群的目標具有優先性？誰會從中獲利？又會有誰因此受忽略或傷害？

「要先問出『誰』，這個關鍵問題。」余貞誼認為，由此可一窺各種特權，包括了性別議題，如何融入數據產品。

舉例來說，性愛機器人（Sex Robot）的爭議，很明顯可以反映出優先以男性視角為中心的產品設計。最早推出的性愛機器人如美國公司Realbotix的Harmony，其設計服務的對象明顯是異性戀白人男性，除了存在固化的性別腳本，也有科學家指出可能會帶來心理與道德上的隱憂(7)。

光是決定優先推出的產品、是怎樣的樣貌，就反映了某種權力分配的議題。

設計者優先考慮自己的視角無可避免，但如此一來，蓬勃發展的AI產業就更值得密切關注。2018年，世界經濟論壇（World Economic Forum, WEF）全球性別差距報告，指出全球的AI從業人員有78％為男性組成，性別差距懸殊。AI快速蔓延各領域應用的此時此刻，如果未能在密切檢視主要由男性視角出發的AI應用，將可能擴大既存的性別差距。

那麼，研發AI的時候，該如何避免複製社會上常見的不平等呢？

2018年二十國集團女性會議（Women 20, W20）上，全球資訊網基金會（World Wide Web Foundation）提出了運作AI的兩個注意事項，以避免帶有性別意識或其他偏見。

首先是應注意訓練資料的平等程度，除了資料的數量，更應該注重質量，尤其檢視樣本中是否存在特定「數據匱乏」（data desert）的情況，使AI缺乏資料無法解讀特定族群。不只性別資料數量應當平均，還包括應納入邊緣與少數族群的資訊。

其次，應該找出系統性的偏誤，利用開放資料與邏輯運算進行修正。透過擴大資訊的透明度、訂定相關守則並且開放其它意見的溝通與監督，才有機會避免系統性的偏誤。如前述亞馬遜的履歷AI所根據的資料即具備此類系統性的問題，W20並認為可透過政府單位規範提升AI服務的資訊透明度，訂立準則進行監督來修正相關問題。

最後余貞誼補充，由於資料科學家常缺乏對於現場脈絡的理解，《數據女性主義》以及Google Brain的數據科學家莎拉‧虎克（Sara Hooker），均提出研發AI等數據計畫，應當重視「接地氣」的知識，納入多元參與才有機會打造出更有效、更有創意的方案。

以性別議題做為試金石，避免人工智慧放大歧視的未來

除了AI的從業人員應當銘記在心，自身立場可能帶來的偏差，AI使用者對於資料來源、資訊與現實間的差距，也應當有一定的體認，甚至提供回饋貢獻。舉例來說，於2009年發表於Nature風靡一時的「Google 流感趨勢預測」（Google Flu Trend），就在後續幾年間被證實沒有預測效力。當演算法採取間接資料做出推論，使用者對於原始資料與演算法屬性應該有足夠的認識，方不至以管窺天差之千里。

討論到AI、社群媒體或科技將如何型塑我們的未來，余貞誼主張，任何科技發展的後續效應，主要是人群、情境與科技產物互動的綜合效果，不宜輕易落入「科技決定論」。余貞誼曾以關鍵字分析批踢踢的厭女與性別挑釁，認為由於社群媒體的匿名性以及極化特性，容易聚集極端意見，加上與現實間的界線消弱同情心、倫理規範模糊，因而容易聚集呈現激烈的偏見言論。相同的科技物質基礎不見得會出現同樣結果，仍要端看人與情境的最終互動。

近年來，經諸多有識者的關注，科技設計於性別議題的敏感度逐漸增加。Google在2020年2月公開宣告， Google Cloud Vision API取消照片辨識「男性」「女性」性別標籤，希望以此避免對AI灌輸性別偏見(8)(9)。而史丹佛大學歷史系的隆達·希賓格 （Londa Schiebinger） 設立的「性別化創新」網站，也提供科學家與工程師可運用的性別／分析實用方法。如未來設計機器人該如何避免強化性別刻板印象，並列出六種可同時顧及社交投射需求的做法，包括挑戰既有的刻板印象、客製化設計、設計無性別或性別流動的機器人等(10)。

「討論性別，其實就是討論權力，那是一種很具象的『看見權力』的方式。」余貞誼說明從事性別研究的起點，權力有時候很抽象，由性別的角度能協助將之具像化，因而察覺其分佈與影響。

科技需要克服的偏見絕不止於性別，而探討科技如何受人的權力與價值觀影響，性別議題可說是個最好的試金石，讓我們一窺各種決策之下人性、情境、科技的互動。人工智慧最終發展是載是覆，就端看人類的智慧是否足以駕馭這把雙面刃了。

本文轉載自《科技大觀園》（原文標題：人工智慧複製人類偏見，AI 與性別議題間的拉扯——高醫大性別所余貞誼專訪）。

延伸閱讀

>>AI助陣醫學、防疫－會與「個人隱私」難兩全嗎？

>>遏阻網路性誘拐！微軟出手－「關鍵字」揪戀童癖

>>她們都是工程師－Pyladies Taiwan女性的程式社群