Machine Learning(機器學習)主要核心演算法之所以重要,是因為它們能對錯綜複雜的問題給出快速而準確的答案,現今機器學習及演算法已逐漸應用於我們社會的幾乎每一個領域,例如:Google搜尋、Amazon書籍推薦、自動駕駛汽車、配對的交友網站、Facebook的新聞動態等,都是演算法透過分析巨量的資料,給我們提供即時且相關的結果,並能夠幫我們決定什麼是最有利的,演算法告訴我們該如何思考,而且正在改變與影響我們的決定。隨着這趨勢,不難想像有一天我們會不自覺地把決策權和控制權交給機器的演算法。
除了以上所說的改善生活方便外,演算法還能拯救生命,而醫學界就是演算法應用最廣泛的地方之一。影像的掃描、腎臟配對及基因分析等,都在演算法的幫助下讓診斷都變得更快速與正確,不再單單倚靠醫生的診斷。相信不久之後,複雜的演算法就能根據大數據資料分析,加上隨身攜帶的細小醫療感應器,協助醫生對我們的健康狀況做出實時的判斷,許多疾病可以未發先療,增長未來壽命及減低整體醫療資源成本,所以,未來醫生和病人將可能把決定權交給演算法。
這樣的未來也不免讓人擔憂,是不是我們以後從小孩開始,就需被演算法所「培養」呢?例如根據各個家庭小孩的狀況,透過機器學習等技術,可以找到更合適的教學素材,自動推薦個人化的素材增進學習的效果。
演算法存在偏差
然而演算法根據過去的選擇推出建議,卻往往存在好多偏差:根據報告,美國法院系統用的演算法增加了Bias,造成對少數族裔(黑人、亞裔或流浪人士等)的歧視,因為它會考慮到這些人過去在社區以及與犯罪的關聯性,因此演算法可能會犯下災難性的系統性錯誤,把現實中無辜的人當成有罪。近兩年,不同的Social Media背後的科技平台也被發現帶有歧視,可見此問題不是單一事件。
演算法的目的在優化一切,未來許多生活事情會變得更輕鬆,最後對總體社會及經濟是有益的,這是無可置疑的。然而,社會的窮人或未受過教育的人並沒有能力或Access,他們這一不足會被加大化,社會的財富差距會持續擴大,又會減少人們的選擇及降低創新能力,可能導致失業率上升等。更甚的是,傳統上我們付出人力(Labor)得到薪酬回報(Capital),但當一天,我們的人力被演算法取代,那人類的地位究竟是怎樣了?說近一點,既然未來演算法對人們的影響已經無法避免,存在自然偏差的資料估計已經存在於許多的演算法中,這不僅在網絡世界造成分析偏差,也可能給現實世界帶來了危險。未來各政府與專家學者應該要合作,確保演算法背後的分析資料是準確及平等的,大家才能享受演算法所帶的便利與好處。
原刊於iMoney,本社獲作者授權轉載。