如何讓人工智能實現(xiàn)認(rèn)知正義

近幾年，人工智能在許多行業(yè)都有應(yīng)用，成為人類的“好幫手”。但在這一過程中，也出現(xiàn)了各種各樣的問題。其中，人工智能系統(tǒng)基于不良的數(shù)據(jù)來源和有缺陷的算法設(shè)計生成錯誤的“知識”，且沒有對所輸出內(nèi)容進行價值判斷的能力，無法承擔(dān)相應(yīng)認(rèn)知責(zé)任，導(dǎo)致系統(tǒng)性的認(rèn)知偏差，是一個比較突出的問題。

從科技倫理角度分析，這違背了認(rèn)知正義的原則。所謂認(rèn)知正義，是指在知識生成、傳播和獲取過程中，確保所有個體和群體的聲音都能被公平地聽取和理解，并且有平等的機會被轉(zhuǎn)化為人類的公共知識。

過去，知識生成主要依賴人類個體的感知、記憶、推理和證詞。然而，隨著人工智能的超速迭代，尤其是會話式人工智能的廣泛應(yīng)用，傳統(tǒng)的知識生成和傳播方式正迎來重大轉(zhuǎn)變?；跀?shù)據(jù)和算法的“機器知識”挑戰(zhàn)了過去基于經(jīng)驗和專業(yè)判斷的人類知識，導(dǎo)致認(rèn)知“碎片化”，破壞了傳統(tǒng)人類知識系統(tǒng)的認(rèn)知正義。

如今，生成式人工智能已經(jīng)開始全面嵌入到所有可能對認(rèn)知、決策進行技術(shù)性替代的場景和社會過程之中。面對人工智能在知識生成中對認(rèn)知正義的挑戰(zhàn)，如何讓人工智能更智能？如何讓其成為提升認(rèn)知的幫手，確?？萍枷蛏?？

筆者認(rèn)為，需從提升數(shù)據(jù)質(zhì)量、改進算法設(shè)計、優(yōu)化人機協(xié)同和加強倫理治理等維度著手。

負(fù)責(zé)任的算法設(shè)計是實現(xiàn)認(rèn)知正義的核心架構(gòu)。人工智能作為一種強大的認(rèn)知技術(shù)，通過數(shù)據(jù)挖掘和統(tǒng)計分析來識別信息的模式和趨勢，參與人類公共知識的生成。由于算法主要關(guān)注在訓(xùn)練數(shù)據(jù)中頻繁出現(xiàn)的信息模式，而不夠普遍或統(tǒng)計上不夠強大的數(shù)據(jù)往往會被忽視和排除，從而無法得到算法的充分理解和適當(dāng)響應(yīng)。依賴于統(tǒng)計頻率的算法設(shè)計構(gòu)成了一種特定的“認(rèn)知盲從”，進而導(dǎo)致部分群體的聲音被系統(tǒng)性邊緣化。這種設(shè)計上的缺陷不僅限制了算法的認(rèn)知能力，也加劇了社會中的不平等和認(rèn)知壓迫，破壞認(rèn)知正義?！懊摹毙袨楸澈蟮母矗撬惴ǖ脑O(shè)計和訓(xùn)練過程缺乏對不同群體文化背景的理解。因此，在我們常談及的算法透明性和可解釋性之外，符合認(rèn)知正義要求的算法設(shè)計還應(yīng)兼顧涉及不同社群的認(rèn)知多樣性。

有質(zhì)量的數(shù)據(jù)供給是實現(xiàn)認(rèn)知正義的基礎(chǔ)設(shè)施。造成人工智能破壞認(rèn)知正義的另一個重要誘因是數(shù)據(jù)質(zhì)量。大數(shù)據(jù)是智能技術(shù)的認(rèn)知基礎(chǔ)和決策基礎(chǔ)，可以更清晰直觀地呈現(xiàn)人類社會生活各方面的特征和趨勢，但與傳統(tǒng)人類公共知識不同，數(shù)據(jù)不為人們普遍共享。具體來說，哪些數(shù)據(jù)可以被收集起來并用于分析，這些數(shù)據(jù)又將如何被分類提取，它們最終服務(wù)于誰，這些問題都變得模糊不清，導(dǎo)致數(shù)據(jù)質(zhì)量參差不齊。算法的訓(xùn)練數(shù)據(jù)往往來源于互聯(lián)網(wǎng)的大型數(shù)據(jù)庫和社區(qū)，而這些數(shù)據(jù)很可能包含偏見和歧視。人工智能的知識生成，需確保數(shù)據(jù)的來源可靠、內(nèi)容多樣，對數(shù)據(jù)進行去偏處理，還需對數(shù)據(jù)保持持續(xù)監(jiān)測和更新，以應(yīng)對社會文化變化帶來的新問題。有質(zhì)量的數(shù)據(jù)供給，才能使人工智能系統(tǒng)在多元文化和復(fù)雜社會結(jié)構(gòu)中提供更精準(zhǔn)的知識和決策支持。

大范圍的人機協(xié)作是實現(xiàn)認(rèn)知正義的有效手段。從腦機接口中的信號轉(zhuǎn)譯，到智能醫(yī)療決策、AI for Science等人機聯(lián)合行動，不同層面的人機協(xié)作都涉及人類知識與機器知識的傳遞、解釋、融合等認(rèn)知過程。鑒于人機各自典型的認(rèn)知特征，大范圍、合理化的“人機認(rèn)知勞動分工”將有效避免更多的人機認(rèn)知偏差。比如，在科學(xué)研究中可以如此分工：人類設(shè)定目標(biāo)、提出假設(shè)和解釋結(jié)果，并負(fù)責(zé)提供創(chuàng)造性思維、臨場決策、倫理判斷以及對非結(jié)構(gòu)化問題的直覺理解；而人工智能處理大量結(jié)構(gòu)化數(shù)據(jù)、進行模式識別和預(yù)測分析，提供未被注意的模式和關(guān)聯(lián)。在這種協(xié)作中，人工智能更多地成為啟發(fā)新想法的“伙伴”，而非生成錯誤知識的“機器”。

高水平的倫理治理是實現(xiàn)認(rèn)知正義的制度支撐。認(rèn)知正義要求多元的知識生成、平等的知識獲取、無偏的知識傳播和負(fù)責(zé)的知識使用，這些都需要高水平的人工智能倫理治理。于企業(yè)而言，應(yīng)在算法設(shè)計中考慮不同社會群體的需求和視角，對算法進行持續(xù)風(fēng)險監(jiān)測和價值評估；還應(yīng)探索人工智能倫理眾包模式，鼓勵不同背景的研究者和用戶參與到人工智能倫理風(fēng)險的研判中，及時化解倫理風(fēng)險。于政府而言，應(yīng)積極鼓勵私人數(shù)據(jù)向公共數(shù)據(jù)轉(zhuǎn)化，加快公共數(shù)據(jù)面向全社會開放共享，擴展數(shù)據(jù)多樣性、強化數(shù)據(jù)可靠性；還應(yīng)尋求應(yīng)對人工智能潛在倫理風(fēng)險的社會解決方案，建立涵蓋前瞻性預(yù)見、實時性評估和系統(tǒng)性調(diào)整的敏捷治理機制。