偏見如何形成？由人類到AI

編譯／黃柏瑋

偏見，針對特定個體或族群產生難以事實或其他跡證撼動的既定印象，看似一種涉及高等認知能力、專屬於人類的社會現象。即使許多電腦演算法的公平性受到質疑，但多被歸因於訓練集中無法完全剔除的人類「偏見」所致，演算法最多只是忠實反映人類社會中既有的種族或性別問題。然而英國卡地夫大學與美國麻省理工學院共同主持的一篇研究，卻認為看似「不經大腦」的「有樣學樣」或許正是促使偏見形成的禍首。

團體內偏私 VS. 團體外偏見

研究使用超級電腦進行上千次的模擬：每一回，虛擬個體都需要決定是否將資源贈予與自身同群，或群外的其他個體。依據「演化博弈理論」（Evolutionary Game Theory），多數個體理所當然地傾向選擇與自己相似、同群的個體為受贈者，以確保短期內能獲得相應的回報。

然而就心理學角度而言，這樣的「團體內偏私」（in-group favoritism）是中性的現象，不涉及負面態度，也不足以構成歧視；相形之下，針對非我族類的忽視，乃至於輕蔑或競爭心理，所謂「團體外偏見」（out-group prejudice）才是我們應該關注的目標，只是兩者往往是相輔相成的。

地方性利他主義（parochial altruism）便是「團體內偏私」和「團體外偏見」共同演進的實例之一。通常發生在兩國交戰時，士兵們愛護自己的國家與戰友，讓保家衛國的意志更為堅定，同時也加深對敵人的憎恨，燃起剷除異己的勇氣和效率。

流動性

值得注意的是，偏見具有流動性，能隨著人與人之間的交流而流傳與演進，顯示文化在其中扮演著關鍵角色。除了受贈者過去的表現與名聲，施予者也會受到周遭其他人的選擇所影響。「排斥異己」久而久之成為可觀察的外顯特徵，反過來成為團體的象徵與凝聚力量。

在人工智慧的啟示

為了確保較高的短期利益，個體會複製其他人所採用、投資報酬率較高的選擇策略，而這樣的過程並不需要特別優越的認知能力。具有基本認知與自我控制能力，且依賴周遭夥伴提供資訊的智慧體，例如自動駕駛車輛和物聯網（IoT）裝置，便有可能形成「偏見」。

幸運的是，研究也發現團體內次族群的數量越多，可以抑制偏見的形成，避免任何一方成為被剝削的弱勢。當然，前提是這些次族群必須樂於與其他次族群互動。

編譯來源

Cardiff University, “Could AI robots develop prejudice on their own?“, Cardiff University News, 2019.

參考資料

1. R. Whitaker, G. Colombo and D. Rand, “Indirect Reciprocity and the Evolution of Prejudicial Groups“, Scientific Reports, vol. 8, no. 1, 2018.
2. T. Yamagishi and N. Mifune, “Parochial altruism: does it explain modern human group psychology?“, Current Opinion in Psychology, vol. 7, pp. 39-43, 2016.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)