尽管我们喜欢把人工智能(A I)和机器学习作为超人的东西-机器能比人做得更好-但现实是，人工智能和机器学习只是加快了我们人类偏见通常运作的速度。
正如前谷歌记者Yonatan Zunger在一篇关于人工智能偏见的特别深思熟虑的文章中所写的那样，当我们开始建立一个ML模型时，我们遇到了一个令人不快的事实：“人工智能的最大挑战往往是在写作时开始的，它使我们必须非常明确地说明我们的目标，而几乎没有其他的东西。”
换句话说，机器反映和放大我们的偏见，而不是消除它们。 当我们转向人工智能和机器学习的一切，从营销到司法判决，我们需要高度认识这一点。
不管是好是坏，机器都会按照我们的要求去做。 正如Zunger所强调的，机器通过数据的最好方法不是速度，而是内在的缺乏创造力：
这种“不要无聊”的优势是真实的，但它也指向了问题。
SEE：IT领导者对人工智能未来的指导（技术研究）
就像营销人员喜欢在某种程度上“超越人类”销售人工智能产品一样，他们并不是。 人们编程计算机，而不是反过来，在这个过程中，人们把他们的计算机灌输他们所有的偏见。 正如祖格所言：
或者，正如他所总结的：“人工智能模型为我们提供了一面镜子；当我们真的不想要诚实时，他们就不明白。 如果我们事先告诉他们如何对我们撒谎，他们只会告诉我们有礼貌的小说。” 人工智能模型不是真理的中立仲裁者，换句话说：我们告诉它我们的真理，它把它们吐回我们。
祖格在行动中经历了一系列关于这种偏见的著名（和不那么著名）例子，你应该花时间阅读。 现在出现的不是一种担心，我们永远无法教汽车驾驶，而是一种担心，我们已经期待太多的人工智能和机器学习，我们如何使用计算机说话，或为人类机构。
当我们编程人工智能和机器学习算法时，我们必须明确地决定什么是重要的，这会使我们非常不舒服。 例如，如果你在编程一辆汽车，你会告诉它杀死跑到路上的孩子还是司机？ 选一个。 也许这种不适是我们所有人的学习机会。 也许，只是也许，在被迫公开面对我们在编程这些模型时的偏见时，我们可能会学会克服它们，即使我们的机器不能。