人工智能（AI）正为人类决策者提供越来越多的建议。
因此，我们必须确保不仅能够信任人工智能本身，也能信任其整个生态系统。
公平的概念本身具有流动性，需要开展多利益相关方磋商。
人类存在多种偏见，包括确认偏误、锚定效应和性别偏见等。这些偏见可能导致人们做出不公平的行为，因此作为社会，我们会努力加以缓解。
当人类处于做出影响他人的高风险决策的位置时，这一点尤为重要。我们通过教育、行为准则和法规相结合的方式来应对。
既然人工智能（AI）正为人类决策者提供越来越多的建议，就必须确保作为一项技术，它不存在偏见，从而尊重公平的价值。
事实上，那些旨在使人工智能尽可能造福社会的倡议（与人工智能伦理相关）已将人工智能公平性列为主要讨论议题和具体工作之一。
现在是时候确定并提出一种更为全面的人工智能公平性观点了：一种涵盖所有维度并充分利用其相互关联性的观点
Raja Chatila
此类例子比比皆是，从欧盟委员会人工智能高级专家组《可信赖人工智能伦理指南》到世界经济论坛“人工智能造福人类”全球未来理事会。
多年来，人工智能公平性一直是企业、政府、民间社会组织和多利益相关方倡议的重点关注领域，我们也见证了各种不同的方法。这些方法各自侧重于人工智能公平性的一个或多个方面。
但现在是时候确定并提出一种更为全面的观点了：这一观点涵盖人工智能公平性的所有维度，并充分利用其相互关联性，以构建最为有效的框架、技术和政策。
不过，问题的关键在于：由于人工智能系统由人类构建，人类负责收集训练和测试数据并做出开发决策，因此它们可能会有意或无意地被植入偏见。这进而可能导致部署的人工智能系统反映并放大此类偏见，从而产生对特定群体系统性不公平的决策或建议。
提升人工智能模型可解释性的工具能够识别人工智能决策背后的原因，因此有助于识别偏见。
Francesca Rossi
目前已有若干技术工具可以提供帮助：它们能够在多种数据类型（文本、音频、视频、图像和结构化数据）中检测并缓解人工智能偏见。事实上，社会中存在的偏见可能被嵌入人工智能系统，而某些特征之间不良的关联性（例如性别与贷款获批率）可以通过检测和规避来加以缓解。
提升人工智能模型可解释性的工具能够识别人工智能决策背后的原因，因此也有助于识别人工智能数据或模型中的偏见。然而，针对人工智能偏见的技术层面和解决方案只是实现人工智能公平性的一个维度，或许也是最容易实现的一个维度。
超越技术层面
实现人工智能公平性不仅是技术问题，还需要建立治理结构：一方面，用于识别、实施和采用适当工具，以检测和缓解数据收集与处理中的偏见；另一方面，需要制定框架，为每个具体用例确定必要且适当的监督机制。
还需注意，公平性的概念本身取决于具体情境，应根据具体应用场景加以界定。只有通过多利益相关方磋商才能确定正确的定义，即构建和部署人工智能系统的各方与用户及相关社群共同探讨，以确定相关的公平性概念。
“没人告诉过我我有偏见”
人工智能公平性的另一个维度与教育有关。由于人类偏见大多是无意识的，任何实现人工智能公平性的路径都必然始于提升认知（教育）。人工智能开发者需要意识到自身存在的偏见，以及这些偏见在开发流程中可能如何被植入人工智能系统。
但仅教育开发者是不够的：其周围的整个环境都必须意识到可能存在的偏见，并学会如何检测和缓解这些偏见。必须培育公平文化。在此基础上，管理者需要了解如何组建多元化的开发团队，并为人工智能偏见的检测与缓解设立激励机制。
高管和决策者需要帮助，以理解人工智能偏见问题及其对客户、受影响社群和自身企业可能产生的影响。
此类教育还需辅以适当的方法论，这些方法论不仅需要被采纳，还需要得到执行和推动。为此，企业需要为其商业模式和部署领域确定最适合的内部治理框架。
超越系统本身
人工智能系统不仅应当保持公平，并审慎对待放大人类偏见的问题，还应确保自身不会成为群体或社群之间不平等的根源。
由此可见，社会内部的多样性与包容性是人工智能公平性的另一个维度，它涉及在特定社会情境中使用人工智能所产生的影响。技术非但不应加剧不平等，反而应当提升可及性，并在性别、残障、地域和族裔等多个维度上缩小数字鸿沟。
公平性还具有全球维度，应在世界不同地区之间平等推进，同时兼顾各地区的具体特点。
人工智能公平性的另一个重要维度，涉及如何界定适当且共享的规则，以确保所部署和使用的特定人工智能是公平的。人工智能生产者应当发挥作用，制定并实施内部原则、指导方针、方法论和治理框架，以确保其所生产的人工智能公平、稳健、可解释、准确且透明。
然而，其他机构同样有理由参与共同制定人工智能框架：我们所说的包括指导方针、最佳实践、标准、审计、认证、法规和法律。毕竟，要正确界定所使用人工智能技术的公平性及其对社会的影响，需要通过多利益相关方磋商，审慎地将这些机制结合起来。
因此，人工智能公平性的领域广泛而复杂。所有人工智能利益相关方都应投入时间和资源，在各自相关的领域中发挥作用。
主要动机十分明确：确保技术尊重并支持人类价值，并防止这些价值受到威胁。此外，人工智能构建者还有其他动机。事实上，应对人工智能公平性既是经济需要，也是社会的当务之急。
部署人工智能或其他技术、却无法被信任以维护本文所探讨价值观的企业，将难以使其产品获得广泛采用。
