盡管人們喜歡談論人工智能（AI）和機器學習能夠完成比人類做的更好的事情，但事實是人工智能和機器學習只是加速了人類正常工作的速度。

正如關于人工智能偏見的一篇深思熟慮的文章所寫的那樣，“當人們開始構建機器學習模型時，將會遇到了一個不變的事實：人工智能的最大挑戰(zhàn)經常在寫入程序時開始，這使得人們必須明確自己的目標，幾乎沒有其他的辦法。”

換句話說，人工智能的采用反映和放大了人們的偏見，而不是消除這些偏見。當人們采用人工智能和機器學習時，從市場營銷到司法判決，人們都需要對此有所了解。

[[224405]]

不管怎樣，機器需要完全按照人們告訴他們要做的事情實施。正如行業(yè)專家強調的那樣，通過數據啟動機器的最佳方式并不是速度，而是缺乏創(chuàng)造力：機器學習的真正優(yōu)勢在于他們不會感到厭倦或分心，機器學習模型可以連續(xù)做出數百萬或數十億次不同的數據決策，并且不會讓它變得更糟或更好。這意味著可以將它們應用于人類很難應對的問題，比如為單個搜索排名數十億的網頁等。這種優(yōu)勢是真實的，但它也帶來了問題。

盡管營銷人員喜歡以“超越人類”的方式出售他們的人工智能產品，但這并不是。人們需要對計算機進行編程，在這個過程中，人們采用自己的計算機編程時充滿了他們的偏見。正如專家所指出的的那磁：機器學習模型有一個非常討厭的習慣，那就是他們會學習數據，然后告訴他們學到了什么。此外，他們也可能固執(zhí)地拒絕學習，除非人們明確向他們解釋那是什么。

專家總結道：“人工智能模型對人們來說是一面鏡子，他們不明白人們什么時候不誠實。換句話說，人工智能模型并不是一個中立的仲裁者：人們將告訴它真相，并將這種真相反映在人們身上。而人們已經對人工智能和機器學習期望過多，以至于人們需要使用計算機與人工代理通話或進行人工代理。”

當人們對人工智能和機器學習算法進行編程時，必須對重要的事情做出明確的決定，而在被迫公開面對編程這些模型的偏見時，人們可能會學會克服這些偏見。