学生推特包美式怎么用的啊（）

人们经常仅仅根据一个人的说话方式就很快知道他从哪里来。而现在，部分AI系统甚至也正在学习“歧视”某些方言。随着基于语言学习的AI系统越来越普及，该领域的研究专家们发出了这样的警告：一些少数方言或语言可能已经被机器自动忽略了。说话带有很重的地方口音或者奇怪口音的人大概会有这种感受：Siri或者Alexa总是听不懂你说了什么。这是因为它们的声音识别系统利用自然语言技术来解析你的声音，而自然语言技术的算法则通过样品数据来训练机器识别人声的能力。这就导致，如果某种口音或是方言没有足够的样本数据的话，AI系统可能会干脆放弃或排除它们。这个问题带来的后果可能比我们想的更麻烦且影响广泛。自然语言技术现在已经用于自动客户服务，自动电话聊天或网络聊天服务中。它还被用于挖掘网络或社交媒体的公众意见，梳理收集文章的有用信息。这意味着，所有利用自然语言技术的服务都可能成为潜在的歧视特定少数人群的“帮凶”。马萨诸塞大学的助理教授Brendan O`Connor和他的学生Su Lin Blodgett对推特上的语言使用情况作了一项调查。他们使用人口统计过滤工具在推特中拣选了5920万条包含非洲美式俚语的推文作为样本，再利用一些基于自然语言技术的常用工具对这些推文进行分析。结果发现，这些推文却被识别为丹麦语，而且系统对此并没有太多怀疑。“如果人们利用推特来分析大众关于某一位证治家的意见，而这个分析工具蕞终完全不考虑非裔美国人或者年轻人在说什么，这就不太好了”，O`Connor说。研究人员们还测试了一些用于分析文本大意或是其中情绪的基于机器学习的API，结果同样的不乐观。“如果你从一家公司购买一套情绪分析应用，你并不会知道这里面有着怎样的偏向性。”O`Connor说，“我们连关于这种偏向性带来的歧视风险的评判审核都没有多少。”他还说，这种歧视问题不仅存在于上面说到的系统中，它存在于任何使用语言的系统中——包括搜索引擎。随着AI的推广，有关使用AI算法的不公正问题已经在世界的许多角落越来越多的引起人们的注意。一个关于偏向性算法的广受争议的例子，是一款叫做Compass的专有算法，它被用于判断一个犯人是否应当被假释。Compass里面的算法并没有公开，不过有研究表示，它可能存在做出不利于黑人囚犯的判断的偏向性。还有专家甚至表示，这一问题的实际影响可能早已比人们已知的更严重，它将会影响到人们在金容、医疗、教育等领域的诸多决定。马萨诸塞大学的研究人员已经在一次探讨关于AI中的偏向性问题的Workshop中发表了他们的研究成果。今年，一个大型的数据科学大会中，有一个名为“机器学习中的公正与透明”的环节，而这一环节将会在2018年作为独立的单元举办。康奈尔大学的助理教授、同时也是这一活动的共同创始人之一Solon Barocas说，人们对于这一领域的的关注正在增长，越来越多的研究人员们在探讨AI中的偏向性带来的后果。斯坦福大学的助理教授Shared Goel 主攻研究算法的公正透明证策。他说，关于这一问题不应该直截了当的简单下定论:说一个算法本身带有偏向性这一结论可能太过片面， 因为这种研究可能本身就是有目的的，而事先的假设范围又太过狭窄，却被用来反映一个广泛的社会性问题。“也许我们更应该描述一个算法到底在做什么，它为什么这样做，然后再去决定这是不是我们想要的算法。”

海外精品引流脚本–最强海外引流  

官网：www.facebook18.com

唯一TG：https://t.me/Facebook181818