朱悦丨算法偏见及其纠正

　　朱悦  对外经济贸易大学数字经济与法律创新研究中心研究员

　　算法或有偏见[1]，此事已为人熟知；数据、人以及算法本身，尽皆可能导致偏见，同样不是新鲜想法。随着算法治理议题再度引人注目，引致相应制度体系的可能性愈发显著，从相对宏大的伦理命题进发，进一步定位偏见具体位置，再循此行有针对性的分析、建议，必要性日益突出。Cowgill等六位学者的新近研究[2]，即以随机对照实验方法，观察算法偏见的成因与方向，并研究纠偏措施的效果。原文核心结论之一：数据集可能是偏见最主要的来源。

　　图1 针对下述实验二组参与者的、对“数据集不具有代表性”的告知

　　此处先简述原文整体实验流程，再讨论分组等具体的设计。400余名参与培训项目的算法工程师[3]，获得由一测量各国成人数学水平、并包含其它多种个人信息的微观数据库中[4]抽取的训练集，各自预测测试集中个体的数学水平。按预测误差计，对预测的评估，既有基准的误差要求，又有要求更低误差水平的、额外的加分要求[5]。提交预测后，每位算法工程师都要填写一份详细的、涵盖项目过程细节的问卷，并参与测量偏见水平的内隐测试[6]。以上是整体的流程。

　　图2 控制组参与者整体对男性（虚线）/女性（实线）数学水平估计的误差。对两性数学水平，均有所高估。相对而言，对女性数学水平的高估，幅度更大

　　具体设计上，有两点展开：其一，变量选取；其二，实验分组。此处所及，是“性别”与“数学水平”间的常见偏见。于是，变量选取层面，主要考虑不同分组对整体的预测误差与按性别分组时、各组的预测误差[7]的影响。实验分四组：控制组，获得不具代表性，因而可能有偏的数据集[8]，有一句“数据可能有偏”提示；实验一组，获由整体抽取的、具代表性的数据集；实验二组，数据集同控制组，且有图1所示提示；实验三组，二组基础上，再加包含具体纠偏方法的文献。

　　表1 相比控制组，三实验组（纵向，自上而下）在以“均方误”衡量的整体预测误差与分组预测误差上的表现。例如，负向显著，说明误差显著减少；女性负系数较男性负系数绝对值显著更大，说明偏见有所缓解

　　之后，结果可大体总结为两部分。就整体预测误差而言，如图2：不加实验处理的控制组，倾向于高估个体的数学水平；对女性的高估，较对男性的高估更为明显。无论是提供具代表性的数据集，还是提供图1提示，均可有效降低预测误差。有趣的是，进一步提供具体纠偏方法，反而导致预测误差上升。对问卷数据的分析显示：这可能是因为工程师没能正确理解相应文献。之外，工程师性别、族裔、内隐测试结果等个体特征，对整体预测误差，没有显著影响。

　　表2 相比控制组，三实验组（纵向，自上而下）在以“差值”（见注7）衡量的整体预测误差与分组预测误差上的表现。例如，负向显著，说明误差显著减少；女性负系数较男性负系数绝对值显著更大，说明偏见有所缓解

　　在性别分组各自的误差、亦即通常所言的“算法偏见”层面，结论颇为类似。如前，控制组对女性数学能力的高估，更加显著。提供具代表性的数据，在降低整体预测误差的同时，也更多地减少了对女性数学能力的高估、拉平了两性各自的预测误差，从而部分消解了算法的偏见。相对而言，提示倾向于增强对女性数学的高估，但不显著。此外，提供纠偏方法，影响不显著；上述各个体特征，同样不显著。综之，从此处实验看，数据集仍是偏见问题的核心[9]。

　　[1] 如何定义“偏见”，本身即有难解争论。此处不涉及这一论题。

　　[2] 原文长摘要版本，可见Cowgill, Bo, et al. "Biased programmers? or biased data? a field experiment in operationalizing ai ethics." Proceedings of the 21st ACM Conference on Economics and Computation. 2020。

　　[3] 对这些算法工程师而言，这是培训课程中的一次项目作业。

　　[4] 有关相应数据集的详细信息，请见PIAAC, the OECD's programme of assessment and analysis of adult skills。原文着重考虑了工程师发现数据来源这一问题，未发现相应现象。

　　[5] 值得一提的是，原文尚有以下设计：其中一半的工程师，基准预测误差与加分误差要求间的“坡度”较平；剩下一半，相应坡度更陡。这一分组，对应于之后的“投入精力”变量。

　　[6] 原文还考虑并排除了作弊、团队作业（项目要求个人完成）等可能。

　　[7] 原文考虑了“均方误”和简单的“预测值减真实值差值”两种误差，均以标准差标准化。

　　[8] 此处“不具代表性”指：训练集仅由前述数据集中、从事数学相关工作的个体内抽取。对于整体而言，这一样本不具代表性。例如，其中男性占比达63%，远超整体中平衡的比例。

　　[9] 原文还有可能相对更为初步的、基于问卷数据的因果机制分析。

　　文献来源：Cowgill, Bo, et al. "Biased Programmers? Or Biased Data? A Field Experiment in Operationalizing AI Ethics." (2021).

本文首发于微信公众号：数字经济与社会。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。