在减少社会偏见方面，你认为人工智能比人类更具有优势么？

社会偏见有许多来源。其中包括统计意义上的，也包括情绪上的：人们既会根据有限的样本进行贴标签，又先天有排斥他人的倾向。这里的“他人”含义广泛：可以是肤色，可以是性别，甚至可以是支持哪支球队。只要找到能把一群人分成两组的特征，人们非常容易陷入“我们”敌对“他们”的思维。

消除社会偏见有不同的目标：首先，我们希望在人际交往中每个人都能把每个人当作独立的个体，而非所属标签集合（种族*性别*年龄*健康状况*···）来看待。这方面人工智能恐怕帮不上什么忙。

另一方面，在政府、企业、教育机构等组织中设法减少系统性偏见，从而给每个人尽可能平等的机会。这里采用包括人工智能进行决策在内的机制是比人类更有效的，原因很简单：人类不能完全掌握群体偏见的统计意义（只看到白色的恋童癖，所有的白色都是恋童癖者），也不可能消除本能的排外情绪（看到外国人就想着非我族类、其心必异）。这两个因素会共同加剧对他人的负面印象。

一个较简单的例子：大学在决定是否录取博士生时，如何避免种族和性别的偏见呢？一个常见的做法是在决定录取的过程中删去姓名和照片。这一做法比在心里提醒自己不要有偏见要有效的多。

那么当这种方法无效时（比如说学生的本科学历是很重要的参考，但又会携带生源国家的信息；又比如会揭示性别属性的夏令营经历），将筛选过程交给没有偏见的人工智能不失为一个好方法。

需要注意，只要做到对每个个体单独看待，即使不同人群中有统计上的差异（比如来自x中学的学生平均分比y中学高10%），这一差异也不会进入机器的考虑中，因为学生的分数本身就够了。也就是说，机器并不是无视人群中本来存在的差别，而是能够避免被统计数据或先天偏见干扰，并做出仅基于个体数据的判断。

看算法和学习样本。

如果ai从样本中学习到，某个族群特征跟最后结果有较强的相关性（事实上可能有也可能没有），那么ai会坚持这一看法，除非有新的样本改变这个学习结果。