中新經緯客戶端8月18日電 (張燕征 實習生黃晨發)由清華大學數據治理研究中心主辦的“人工智能倫理與治理”研討會在線上舉行。浙江大學公共管理學院長聘副教授、研究員吳超提出要用形式化數學方式將算法倫理模糊目標可實現化，強調技術問題最根本的解決方法是發展技術本身。
“人工智能并沒有我們想象當中的那么強，她很難對我們復雜的社會系統進行建模。”吳超指出，現在人工智能最強的深度學習方法，是用模式識別的方法去擬合泛化能力較強的函數，她對于不同個體的行為以及社會個體之間復雜交互的預測能力較弱。
對于人工智能的倫理和治理問題，吳超表示這是一個交叉領域，但并不是一個交叉應用的問題。“我們應該從社會科學的視角向人工智能提出新的科學問題和優化目標，驅動人工智能未來的發展和算法的創新。”
吳超強調，我們現在沒有辦法做到透明性，即模型可解釋性。因為現在還沒有一種可解釋的數學方法能夠讓一個有幾十億個參數的神經網絡變得透明，所以更重要的是，我們能否從社會科學的角度去驅動這些可解釋性的研究。“這應該是比較基礎和漫長的過程，但我們不能因為對人工智能沒有一個很好的解釋就不使用她。”
吳超指出，這種學術思路涉及到一個很基本的問題，即對社會治理問題的形式化描述，比如如何把“向善”表達為一種機器學習可以理解的目標。“這也是我們一直想促成的學科交叉的對話內容，而不是各有各的詞匯集。我們能夠用一種形式化的數學方式把這些模糊目標轉化成為一個可實現的目標。根據這種學術思路，最近幾年我們一直在做‘分布式的智慧治理’的題目，即如何構建一種群體智慧作為未來智能社會基礎的智慧結構。”
吳超還提到該研究方向上幾個比較重要的科學問題：第一個是不以模型泛化能力為目標，更加重視人工智能當中的個異性，而不在于用一個整體模型對更多節點做廣泛性的適用。第二個是如何對動態性進行建模的支持。第三個是如何提高聚合模型的公平性。
“總而言之，我認為要解決技術帶來的問題，最根本的方法應該是發展技術本身。目前AI還處在一個技術非常不成熟的早期階段，從社會治理或者倫理角度來糾正她的方向，在相應的方向進行更加扎實的研究，這也是我們目前努力的方向。”吳超說。(中新經緯APP)
中新經緯版權所有，未經書面授權，任何單位及個人不得轉載、摘編或以其她方式使用。
