雖然人工智能曾被譽(yù)為開啟經(jīng)濟(jì)繁榮新時(shí)代的關(guān)鍵，但如今，政策制定者們卻面臨著一波又一波有關(guān)確保人工智能公平、道德和安全的呼聲。紐約市長de Blasio最近宣布成立美國第一個(gè)監(jiān)測和評估算法使用的特別工作組。幾天后，歐盟制定了全面的新數(shù)據(jù)保護(hù)規(guī)則，要求公司能夠向消費(fèi)者解釋所有自動(dòng)化決策。像埃隆·馬斯克這樣備受矚目的批評者，呼吁政策制定者采取更多措施來規(guī)范人工智能。

不幸的是，兩個(gè)最受歡迎的想法——要求公司披露算法源代碼并解釋它們?nèi)绾巫龀鰶Q策以及通過規(guī)范商業(yè)模式和內(nèi)部運(yùn)作，會導(dǎo)致弊大于利，并不能讓這些公司對結(jié)果負(fù)責(zé)。

第一個(gè)想法——“算法透明度”——要求公司披露其AI系統(tǒng)中使用的源代碼和數(shù)據(jù)。除了過于簡單之外，這個(gè)想法并不具有作為廣泛解決方案的優(yōu)點(diǎn)。許多AI系統(tǒng)太復(fù)雜，僅通過查看源代碼是無法完全理解的。一些AI系統(tǒng)依賴于數(shù)百萬個(gè)數(shù)據(jù)點(diǎn)和數(shù)千行代碼，而且決策模型在遇到新數(shù)據(jù)時(shí)會隨時(shí)間而產(chǎn)生變化。期望即使是最積極的、資源重組的監(jiān)管機(jī)構(gòu)或有關(guān)公民，能夠發(fā)現(xiàn)該系統(tǒng)的開發(fā)人員可能無法做到的所有潛在瀆職行為，是不現(xiàn)實(shí)的。

此外，并非所有公司都有開源商業(yè)模式。要求他們披露源代碼會降低他們投資開發(fā)新算法的動(dòng)力，因?yàn)檫@會讓競爭對手山寨。與美國在人工智能的主導(dǎo)地位上競爭激烈的中國不良行為者，經(jīng)常蔑視知識產(chǎn)權(quán)，并可能會使用透明度要求來竊取源代碼。

另一個(gè)想法——“算法可解釋性”——將要求公司向消費(fèi)者解釋他們的算法如何做出決策。該提議的問題在于AI系統(tǒng)中的可解釋性和準(zhǔn)確性之間經(jīng)常存在不可避免的折衷。算法的準(zhǔn)確性通常隨其復(fù)雜性而變化，所以算法越復(fù)雜，解釋就越困難。雖然隨著對可解釋性人工智能研究的成熟，這可能會在未來發(fā)生變化，比如DARPA在2017年投入了7500萬美元用于解決這一問題，但目前，可解釋性的要求將會付出準(zhǔn)確性的代價(jià)。這是非常危險(xiǎn)的。例如，對于自動(dòng)駕駛汽車來說，能夠解釋事故重要，還是避免事故重要？解釋比準(zhǔn)確性更重要的情況很少見。

政策制定者不應(yīng)該要求公司披露他們的源代碼或限制他們可以使用的算法類型，而是應(yīng)該堅(jiān)持算法問責(zé)制——算法系統(tǒng)應(yīng)采用各種控制措施來確保運(yùn)營商（即負(fù)責(zé)部署算法的一方）可以驗(yàn)證它是否按預(yù)期運(yùn)行，并確定和糾正有害后果的原則。

圍繞算法問責(zé)制構(gòu)建的政策框架將具有幾個(gè)重要好處。首先，它會使運(yùn)營商對其算法可能造成的任何危害負(fù)責(zé)，而不是開發(fā)人員。運(yùn)營商在算法如何影響社會方面擁有最大的影響力，而且他們已經(jīng)必須遵守各種旨在確保他們的決定不會造成傷害的法律。例如，雇主必須遵守招聘中的反歧視法律，無論他們是否是使用算法來做出這些決定的。

其次，讓運(yùn)營商對結(jié)果而不是算法的內(nèi)部運(yùn)作負(fù)責(zé)，可以讓他們專注于確保算法不會造成傷害的最佳方法，諸如信心措施，影響評估或程序規(guī)律等。例如，大學(xué)可以在部署人工智能系統(tǒng)，預(yù)測哪些學(xué)生可能會輟學(xué)之前進(jìn)行影響評估，以確保其有效和公平。與透明度或可解釋性要求不同，這將使大學(xué)能夠有效地識別任何潛在的缺陷，而不禁止使用復(fù)雜的專有算法。

這并不是說透明度和可解釋行就沒有它們的位置。例如，透明度要求對刑事司法系統(tǒng)中的風(fēng)險(xiǎn)評估算法來說是有意義的。畢竟，長期以來，公眾都有興趣要求司法系統(tǒng)接受最高程度的審查，即使這種透明度可能無法解釋先進(jìn)的機(jī)器學(xué)習(xí)系統(tǒng)如何運(yùn)作。

同樣，“平等信用機(jī)會法”等法律要求公司向消費(fèi)者提供足夠的解釋，才能拒絕給予信貸。無論公司是否使用AI來做出決策，消費(fèi)者仍然有權(quán)獲得這些解釋。

關(guān)于如何使AI安全的辯論忽視了對細(xì)微差別、有針對性的監(jiān)管方法的需要，迅速的處理算法透明度和可解釋性而不考慮它們的許多缺點(diǎn)是不行的。想要減輕AI造成的潛在危害是沒有錯(cuò)的，但到目前為止提出的解決方案都過于簡單，過于寬泛的解決方案在很大程度上是無效的，甚至可能弊大于利。算法問責(zé)制為確保組織負(fù)責(zé)任地使用AI提供了更好的途徑，使其真正成為社會的福音。