人類傾向于做出可疑的決定。我們有偏見，受情緒反應驅動，預測能力差，并且難以一次考慮多個數據點。這使人工智能具有超越人類的決策優(yōu)勢，不僅可以使我們變得更聰明，而且可以使我們保持公正。問題是，人工智能從人類行為（借助顯式領域知識的幫助）生成的數據中學習，因此模仿了我們的偏見。這就導致了反映我們種族主義，性別歧視和其他偏見的算法。許多組織（“ Diversity.ai”就是一個例子）專注于發(fā)現和消除人為偏見。這項工作是必要的，我贊揚這種寶貴的努力。

消除AI偏見的一種方法是包容性聘用。建立能夠在種族，性別，性取向，年齡，經濟狀況等方面實現多樣性的AI團隊。我認為如果這樣做，您將獲得更好的AI，因為您的團隊將更善于發(fā)現偏見，不同的背景將推動更多的創(chuàng)新思維，而更多的多樣化的團隊將提高您在整個企業(yè)范圍內擴展解決方案的能力。

多元化的團隊更擅長避免編程偏見，因為他們擅長預測潛在問題。例如，醫(yī)療保健提供者最近使用了為大型保險公司創(chuàng)建的算法引導急需治療的患者實施能夠為他們提供額外護理的計劃。問題在于，該算法的護理決策基于患者過去尋求醫(yī)療服務的頻率，這有利于獲得更好保險，更多時間，更多金錢等的患者。這一偏愛的患者群體中，白人比例過高。該算法未能為病情較重但時間和金錢較少的患者推薦額外的護理，其中包括大量的黑人患者。這造成了意外的種族分類，其中白人患者比黑人患者獲得更好的護理。我們不知道是哪家公司創(chuàng)造了這項技術，但我想這不是一支多元化的團隊。黑人團隊成員和背景較不富裕的人可能在發(fā)布這種偏見之前就已經看到了這種偏見的可能性。

思想的多樣性也推動了創(chuàng)造性思維。2006年，Netflix 宣布參加競賽并向團隊提供了100萬美元的大獎，這可能會為其成功構建出如今著名的推薦引擎原型。獲勝的團隊是BellKor的實用混亂團隊。他們是如何做到的呢？首先，他們與來自150個國家/地區(qū)的20，000個其他團隊進行了多輪比賽。然后，在比賽的后期階段，團隊開始相互融合。獲勝的團隊由三支團隊組成：貝爾科爾，務實理論和BigChaos。準確性，組合模型的能力以及從人類行為中獲得洞察力的能力，對于實現獲勝的原型都是至關重要的，每個團隊都具有這些關鍵優(yōu)勢之一。這清楚地表明，思想的多樣性可以帶來卓越的結果。具有不同背景的團隊成員帶來不同的想法 項目，這將推動卓越的人工智能。

最后，部署和擴展AI不僅需要技術知識。設計直觀界面，與用戶和領導者協作，交流變更以及對用戶具有同理心的能力是成功擴展AI的關鍵素質。對最終用戶的同理心是諸如培訓，傳達積極影響的潛力等要素的關鍵。各職能部門（IT，數據科學，業(yè)務）之間的協作和溝通對于確保采用AI解決方案也至關重要。研究表明女性可能比男性表現更好這些技能。團隊成員具有情緒智力，無論是女性，男性還是非二進制的，這都是關鍵。至少，開發(fā)AI的團隊應該與采用AI的人相似。一支以白人或男性為主的團隊可能很難與不那么統一的更廣泛的組織建立聯系。

我們可以而且必須做更多的事情來增強AI開發(fā)中的團隊多樣性。我致力于提高團隊的多樣性，而我的旅程才剛剛開始。當然，我們不能停止雇用各種各樣的人。我們還需要建立一種反種族主義文化，對無意識偏見的意識以及持續(xù)的對話和教育，您應該敦促您的人力資源團隊繼續(xù)努力，如果還沒有的話。我知道很難找到數據科學家，而且我并不建議組建這樣的團隊會很容易。但這是值得的投資，即使這意味著您正在培養(yǎng)人才或重新訓練團隊成員的技能。您可能無法下定決心并為下一個AI項目雇用一支多元化的團隊，但是如果您希望您的團隊打造出更聰明，更好，危害更少的AI，則盡一切努力來建立一支多元化的團隊。