算法有偏见？比人强就行！

大数据文摘出品

编译：倪倪、陈同学、Alieen

在讨伐算法导致的偏见和产生的作用时，更重要的问题是：与完全没有使用算法的情况相比是怎样的?我们应该比较算法的缺陷与人类的缺陷，而不是简单地询问算法是否存在缺陷。

一场革命正在悄然进行。

这场革命与大部分新闻报道中出现的人工智能的进展有所不同。

新闻媒体往往聚焦于感知型机器人军团的重大发展，而更重要的角逐是在全国各类机构传统人为决策过程中展开，很显然，自动化比重正在稳步增加。

不同于AlphaGo Zero这样占据头条新闻的先进成果，这场革命通过相当传统的机器学习和统计技术如普通最小二乘法、逻辑回归、决策树等，为许多组织创造了真正的价值。

这些技术应用的领域是很广泛的，包括医疗诊断、司法判决、公共机构的专业招聘和资源分配等。

这场革命是好事吗?

似乎有越来越多的作者、学者和记者给予否定的回答。这一类型的书包括《数学毁灭武器》，《自动化不平等》和《黑匣子协会》等。还有一连串的曝光式长篇文章，如“机器偏差”，“紧缩是一种算法”，“算法是否在构建种族主义的新基础设施?”等。

人们关注的焦点是，算法通常是不透明、有偏差并且难以解释的工具，而这样的工具正在被权利组织加以利用。那么，对于算法逐渐上升的决策地位，人类需不需要感到担忧呢?

这些批评和调查往往很具有洞察力和启发性，并且成功地让人们认为“算法是完全不受主观影响”是不可能的。但是这些批评者之间存在一种模式，即他们很少会探讨他们分析的系统在没有算法参与的情况下运行得如何。

对于从业者和政策制定者而言，这是最相关的问题：算法导致的偏见和产生的作用，与完全没有使用算法的情况相比是怎样的?我们应该比较算法的缺陷与人类的缺陷，而不是简单地询问算法是否存在缺陷。

研究结果怎么说?

关于算法决策的大量研究可以追溯到几十年前。与这一主题相关的研究都得出了一个非常相似的结论：算法比他们所取代的人类更少偏见、更准确。

下面是一个研究样本，调查了当算法控制了传统上由人类执行的任务时会发生什么：

2002年，一个经济学家团队研究了自动承保算法对抵押贷款行业的影响。他们的主要发现是“[自动承保]系统比手动承销商更准确地预测违约”并且“提高了预测借款批准率的准确性，特别是对于通常服务不到的申请人。”在传统的方法中，资源匮乏的消费者往往被边缘化;但算法系统使这部分消费者受益最多。

Bo Cowgill来自哥伦比亚商学院(Columbia Business School)，他在研究一家软件公司的工作申请筛选算法的效果时得出了类似的结论。当公司通过算法来决定哪些申请人应该接受面试时，算法实际上比人类筛选者更喜欢“非传统”候选人。与人类相比，该算法对公司中代表性不足的候选人(例如没有个人引荐或没有拥有名牌大学的学位)的偏见显著偏少。

在纽约市审前保释听证会中，一支由著名计算机科学家和经济学家组成的团队判定，与目前作出保释决定的法官相比，算法有可能实现更为公平的决策，“监禁率减少高达41.9%，犯罪率没有增加”。他们还发现，在他们的模型中，“所有类别的犯罪，包括暴力犯罪中，都显示出监禁率的降低。这些成果可以在减少种族差异的过程中同时实现。”

《纽约时报》杂志最近报道了一个长篇故事来回答这个问题，“算法可以判断孩子何时处于危险之中吗?”

事实证明答案是肯定的，并且算法可以比人类更准确地执行这项任务。有些政府服务加剧了种族偏见，而“阿勒格尼郡的经验表明，它的筛选工具在权衡偏见方面不像人类筛选者那么糟糕”。

最后一个例子是，一个由财务教授组成的团队开始通过查看公开交易公司的历史数据构建算法，为特定公司选择最佳董事会成员。研究人员发现公司在由算法选择的董事会的管理下业绩更好，而且与他们提出的算法相比，“没有算法的公司倾向于选择拥有庞大的社交网络与丰富的董事会经验、目前在董事会参与更多、具有财务背景的男性董事。”