越來越多的人已經意識到：技術對於創造一個沒有偏見的世界，是非常有潛力的。
試想一個性別平等的社會：女人不是生孩子、養孩子的工具，男人不是傳統思想上的統治者。人們在這個平等的社會中，扮演的角色是和他們的智慧和興趣一致的，而不是由性別、根深蒂固的狹隘觀點驅使的。
這樣的社會目前還不存在。幾年前，Malala Yousafzai這位巴基斯坦的、以爭取女性教育而聞名的女子，還因為想要爭取自己的教育而幾乎失去了生命！她的故事並不特殊，女性為了進入主流的聲音，已經奮鬥了數百年了。
是的，對待性別平等這個問題，部分國家已經比較先進和發達了。但是，即使在最先進的環境中，深刻的偏差還是存在的。那麼，有沒有什麼方法能重新設計一些由結果驅動的社會規範，而不是由固有的人類偏見驅使的社會規範呢？
人工智慧也許就能打破數千年來的、根深蒂固的社會偏見。現在的技術，可以創造一種使用深度學習和數據驅動的技術，來糾正刻板印象的機制嗎？
深度學習的軟體，試圖模仿人腦的大腦活動，在大腦皮層發生思考。這個軟體學習識別聲音、圖像和其他數據。Ray Kurzweil通過軟體技術，寫了一本名為《如何創造心靈》的書。深度學習的目的是在機器層面重建人類智慧，然而，這種學習的結果取決於軟體的訓練程度，有偏見的訓練會導致偏倚的結果。
繼續說我們的這個實驗，讓我們來看看一個簡單的工作場所中的例子：在會議室，出現了一些性別歧視的言論。
我們想要的結果是：有人舉起手來，並阻止這樣的言論。在這個簡單的例子中，期望的結果在很大程度上取決於兩個主要的假設：
- 會議室中至少有一位女性 ；
- 公司的文化氛圍是能讓她自由地表達她的觀點。
如果這種情況是由人工智慧技術的機器人處理，那麼機器人必須對基本假設進行訓練。不良的訓練會導致不佳的結果。當機器人接收到性別歧視的輸入時，它需要了解上下文，運用透視圖，然後進行相應的操作。如果機器人沒有被編入女性的觀點，那麼它就沒法達到我們預期的結果。
技術公司的環境中，人工智慧演算法經過培訓和測試，因為女性任職人數不足，缺乏對這種偏見的認識。計算機專業畢業的女性只有大約16%，再加上那些根深蒂固的文化和工作態度，對偏見的認識就更加不足了。
幸運的是，與人類的偏見不同，人工智慧的偏差，能通過重新編程機器人的軟體來更正。為了排除偏見，這些行為應該根據「平等、公平」的原則來分類。就看我們如何訓練和測試我們的數據演算法、增加實現這種願景的可能性了。未來，我們的演算法，能在性別和文化的框架中，處理數據、糾正機器人的行為、模仿理想的人類語言和觀念！
也許在不久的將來，人工智慧會成為我們生活中無處不在的東西，深入保健、行為經濟學、政治等多種多樣的領域。為了達到這樣的未來，我們也需要各界人士的幫助，不止是程序員，還有從事醫療保健、人類學、經濟學、金融等方面的專業人士。
越來越多的人已經意識到：技術對於創造一個沒有偏見的世界，是非常有潛力的。正如Malala倡導「女孩應該接受平等的教育」一樣，將會有更多的倡導者會為之奮鬥，建造一個性別平等的社會。