美国出品的纪录片《编码歧视》（Coded Bias 2020），以深刻的视角聚焦当下社会中隐匿在技术背后的种族歧视问题。该片采用英语中字呈现，技术规格达 1080P 高清分辨率，搭配 MP4 格式，文件大小约 2.17G。1080P 高清画质确保了画面的清晰度，无论是人物访谈时的细微表情，还是数据图表、实验演示的细节，都能精准还原，让观众不错过任何关键信息；英语中字既保留了原声内容的原汁原味，又通过准确的中文翻译，打破语言障碍，方便不同语言背景的观众深入理解影片所探讨的复杂议题；MP4 格式兼容性极佳，在电脑、手机、平板等各类播放设备上均可流畅播放，随时随地为观众开启这场关于技术与歧视的深度探索之旅。
影片缘起于麻省理工学院媒体实验室研究人员的一项惊人发现 —— 面部识别技术在识别皮肤黝黑的面孔时存在显著的不准确问题。这一发现如同一颗投入平静湖面的石子，激起千层浪，引发了大众对算法偏差影响的广泛关注，也成为推动美国首次立法治理偏差算法的重要契机。
在科技飞速发展的当下，人工智能技术已广泛渗透到广告、金融、公共事务等各个领域。本纪录片敏锐地捕捉到，看似客观、中立的人工智能算法，实则延续了社会中固有的种族、阶层以及性别歧视。麻省理工大学的黑人女性人工智能研究员布兰薇妮（Joy Buolamwini）便是深受其害的典型例子。在研究过程中，她发现自己的脸部无法被识别，而当戴上一个纯白色的面具后，识别系统却能轻松 “认出” 她。这种现象背后，是严重的 “算法偏见”。因为人工智能学习的数据大多来源于浅肤色人种和男性，导致其在设计之初就 “先天” 地忽视了黑人和女性群体，使得这些群体在依赖算法的诸多场景中，面临着不公平的对待。
纪录片进一步指出，算法偏见并非个例，诸多歧视性事件已随着算法应用的普及逐渐浮出水面。例如亚马逊公司的人工智能招聘系统，因学习材料来自过去 10 年公司录用的以男性居多的简历数据，导致该算法学会了歧视女性应聘者，简历中出现 “女性” 字眼便会降低应聘者的 “得分”。又如全球线上求职平台凯业必达（CareerBuilder）2017 年的调查显示，约 55% 的美国人力资源经理表示，未来五年内人工智能技术将在日常招聘工作中普遍应用，这意味着算法偏见可能在招聘环节进一步加剧社会的不平等。
而人脸识别技术中的算法偏见问题，更是本片关注的重点。2019 年 12 月，美国联邦机构国家标准暨技术研究院（NIST）发表报告指出，相较于白种人，黑人和黄种人的人脸识别错误率高出 10 倍至 100 倍不等，在执法机关的人脸图片库中，美国原住民的识别错误率最高，同时女性和老人的脸部也更难被识别。这些数据基于对美国签证申请和过境数据库中的 1800 万张人脸照片测试了 189 种人脸识别算法得出，具有广泛的代表性，反映出商业应用算法中普遍存在的问题。
这一技术缺陷带来的后果极为严重，黑人可能因错误的识别技术受到不公正对待。今年 1 月，美国底特律黑人男子威廉斯（Robert Williams）就因被人脸识别技术错误识别，被关在看守所长达 30 小时。当地警察局依据存在算法偏见的人脸识别技术，认定他是两年前一家高级时装店失窃案的嫌疑犯，尽管他上一次到该商店还是 2014 年。最终，在五个月后，当地检察官就威廉斯的遭遇道歉，其案件也撤诉，但这一事件只是冰山一角，类似因算法偏见导致的错案或许还有很多，只是未被大众知晓。
面对算法偏见这一严峻问题，社会各界也在积极行动。科技公司开始意识到问题的严重性，亚马逊和微软在 2020 年 6 月相继公开表示，将停止向执法机构出售人脸识别软件，IBM 更是致信美国国会，表明不会再研发人脸识别技术，并呼吁就执法机构使用人脸识别技术的问题展开全国对话。同时，一些科技公司还在试图修复算法中的歧视问题，如伦敦的科技公司 Synthesized 推出免费工具，用于修复算法中的种族、性别、年龄、性取向等方面的歧视问题。而作为普通公民，也可以通过推动技术使用规范化的立法等行动，保障自身权利免受技术侵入的损害，正如《编码歧视》的导演坎塔亚（Shalini Kantayya）所倡导的那样。
《编码歧视》这部纪录片通过详实的案例、专业的研究数据以及深度的访谈，深刻揭示了隐藏在人工智能算法背后的种族歧视问题，引发大众对科技发展与社会公平的深入思考。它不仅为那些长期遭受算法偏见不公对待的群体发声，也为科技行业敲响警钟，督促其在追求技术进步的同时，重视算法的公正性与包容性。对于关注社会公平、科技伦理的观众而言，这是一部不容错过的佳作，它将带领大家深入剖析技术背后的社会隐患，探寻构建更加公平、公正社会的可能路径。
