向AI“投毒”:“纠正AI的歧视,实际是纠正人的歧视”
“当AI提取了人类社会的偏见,复制后向人类社会再传播,反过来可能固化人类社会中一些歧视性、刻板性的观念。”
(本文首发于2025年1月2日《南方周末》)
南方周末记者 郑丹
责任编辑:谭畅
改绘自美国画家诺曼·洛克威尔揭露种族歧视的作品《我们共视的难题》。 (谭畅使用AI工具生成/图)
你有没有意识到,看上去无所不知的AI,回答人类提出的问题时也会带有偏见与歧视?
中国政法大学人权研究院教授刘小楠曾给AI出了一百多道题,涉及性别、城乡、残障人士等容易产生歧视的议题。AI给出严丝合缝的答案,但她发现,不少看似正确的答案流露出偏见。
刘小楠参与的测试活动名为“给AI的100瓶毒药”。对于明显高危问题,AI已具备足够的敏感度和应对能力,但在一些更微妙的议题上,AI的回复还有完善空间。2023年6、7月份,一个大语言模型中文数据集研发团队邀请心理学、法律、环保、无障碍组织等领域的专业人士担任“投毒师”,向AI投喂多道人类都不一定能完善回答的复杂问题,诱发AI做出错误或不得体的回答,再对回答评分,并给出更合理的答案让AI学习。
在那场活动前不久,国家网信办联合多部委颁布的《生成式人工智能服务管理暂行办法》要求,在算法设计、训练数据选择、模型生成和优化、提供服务等过程中,采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视。
“歧视是不可能被消除的,只要有人在,就一定会有歧视。”一年多过去,曾担任“投毒师”的北京航空航天大学法学院教授翟志勇对南方周末记者表示,AI的使用者、研发者可以共同努力减少歧视。
翟志勇。(受访者供图/图)
给AI挖坑,暴露偏见
南方周末:你接触AI有多长时间了?
翟志勇:我很早就接触AI,经历过AI从早期的机械性人工智能,更迭到人脸识别、自动驾驶,再到ChatGPT问世,大家当时都没想到,突然有这么一个大爆发。
刘小楠:我比较“老古董”,挺意想不到会与AI有交集。我一直觉得人工智能离我好远,跟我研究的人权、平等这些议题一点关系都没有。在日常生活中,我使用传统方法还能应付,不太接受新鲜事物。2023年7月,突然有人给我打电话,让我出一百道诱导AI掉坑里的题目,我觉得挺有意思,这才开始接触AI。
南方周末:你给AI出题是从哪些方面设计的?AI回答的效果如何?
翟志勇:我主要设计偏法理方面的,在所有组中,我那组得分最低,可能也是因为题目设计得比较难。我想看AI是不是能够真正理解法律,但可能AI在初期对偏专业性的法律还没那么了解,不如偏公共的话题满意度高。
刘小楠:我们提的问题包含了几个容易产生歧视的领域。AI给我的回答中,其实没有特别明显称得上违法、侮辱的文字,但我当时
登录后获取更多权限