|
中新经纬12月21日电 (张燕征)近日，清华大学社会科学学院社会学系、中国科学院学部-清华大学科学与社会协同发展研究中心主办了“伦理立场、算法设计与企业社会责任”研讨会。清华大学公共管理学院副教授陈玲在研讨会上指出，可从数据、算法、人类行为三个层面入手，建立一个“可接受公平”的整体框架，关注算法治理的起点、过程和结果公平，促进AI的创新发展和善治。 
清华大学公共管理学院副教授陈玲。来源：主办方供图 “不管哪个国家、经济体或产业部门，各方都把公平作为算法治理的一个起点性要求，但实际上关于什么是算法公平，大家却没有共同可接受的内容。”陈玲认为，公平有不同的定义，至少应先建立一个基础框架，从共识的角度去理解“可接受公平”。 公平可分为起点公平、过程公平、结果公平，陈玲建议针对不同阶段的公平来制定相应的公平准则。“例如，我们将数据作为起点公平的对象，首先我们希望用于训练算法模型的数据集本身是完整的，数据集不偏向于男性或女性、白人或黑人等。其次，数据集应当是开放的、用户可以自己选择进入或退出数据集。若数据集完整且开放，至少可以在最低限度上保证算法的起点公平。”陈玲称。 在陈玲看来，算法程序的透明、可追溯、可问责，有利于促进算法的过程公平。例如通过企业内设的算法伦理委员会或外部监管机构，可以核查、追溯到算法任意模块或环节的问题，进而确定每一个模块或环节的可问责对象，这可以在最低限度上确保算法的过程公平。 “结果公平是人们最直观、最朴素的公平诉求。人们看到的算法推荐或AI决策，希望这些是可计算、可预期和可解释的。”陈玲举例称，很多时候人们可以接受一些歧视定价或者专门推荐，比如保险的差别定价，本质上是因为它符合人们的预期，而不是结果均等。“所以，算法推荐结果的可计算、可预期、可解释，而不是决策结果的均等化，是结果公平的最低起点。” 那么如何建立一个可接受公平的整体框架？在陈玲看来，可从数据、算法、人类行为三个层面入手。“数据的完整性、准确性、开放性，算法的透明、可追溯和可问责，结果的可计算、可预期、可解释，这是大家可接受的公平底线；那些尚存争议或技术上有待解决的部分，可以作为算法公平的调适区间，随着调适水平提高，算法公平的共识底线也可以逐步提高。” 那么，算法公平的规则体系具体该如何落地？陈玲表示，法律提供了一个最低限度的公平底线，算法伦理的要求往往高于法律。可以从私法、公法、全球秩序三个层面来研究现有法律体系的规制现状，找到可接受公平的共识起点。 “全球立法或治理规定，对我们有两点启示：一是在中国国内现有的法律和行政法规体系下，建议推出不同层面的策略，包括算法公平政策、虚假信息准则、可信的透明度准则等；二是兼顾创新和数字经济的发展，尊重客观的现实条件，吸引更多的工程师和不同领域的专家参与到规则制定过程中。”陈玲称。(中新经纬APP)
|
