IBM开源统计偏差修正框架FairnessKit，要阻止种族歧视机器人产生

研究发现，人工智能不只学了人类好的部分，也学了种族与性别歧视等坏的部分，IBM实验室现在开源了AI Fairness 360（AIF360）工具包，用来减轻人工智能的学习偏差。

机器学习逐渐可以代替人们做出高风险的决策，IBM提到，虽然机器学习的本质就是一种统计歧视（Statistical Discrimination）的形式，但是当部分拥有特权的群体处于系统优势的时候，歧视会变得令人反感。机器学习的训练资料，无论是采样不足或是过度采样，甚至标签存在偏差，最终都会造成不良的模型。

IBM着手修正人工智能可能存在的偏差问题，现在对外开源AIF360专案，这是一个Python软件套件，由广泛的算法平等研究社群开发，内含有9种不同的算法，开发者能以类似Scikit-learn函式库的范式，呼叫使用这些算法。AIF360不仅仅是提供人工智能模型的偏差指标，更是提供减轻偏差的方法，并专注于可用性与软件工程改良上。

AIF360内建3个范例，领域包括信用评分、预测医疗支出以及以性别分类脸部图片。IBM表示，虽然他们过去已经在健康保险领域上，与许多客户合作多年，针对特定人群量身订做保险方案，但是就从未加入算法评等研究。而这个结果离真正公平的结果是有一段差距的。

AIF360能以互动式的体验，引导使用者了解套件的概念以及功能，开发者可能会在一开始对于不同案例使用的指标或是算法产生困惑，AIF360则会提供参考资料作为引导。IBM期望，透过这个开源专案可以凝聚相关研究人员，并把研究成果转换成各产业可以使用的解决方案。