傳播學 | 算法偏見（algorithmic bias）

算法偏見的概念

算法偏見是指在算法的設計、開發、訓練及應用過程中，由于數據選擇、模型構建、參數調整等環節中隱含的人類主觀認知偏差、技術局限性或利益驅動等因素，導致算法對特定群體、信息或觀點產生不公平、不準確的偏向性處理。這種偏見不僅體現在算法輸出的結果上，還可能深刻影響算法的決策過程和應用效果，進而對社會公平、正義和個體權益造成潛在威脅。

算法偏見的成因

（1）數據偏見：

數據來源的偏差：算法訓練所依賴的數據集可能存在樣本選擇偏差，如數據來源單一、樣本量不足或數據標注的主觀性，導致算法學習到片面或錯誤的信息。

數據內容的偏差：數據集中可能隱含人類社會的固有偏見，如性別、種族、年齡等方面的隱性偏見，這些偏見會被算法學習并體現在推薦結果中。

（2）開發者偏見：

顯性偏見：開發者可能有意或無意地在算法設計中融入個人認知、價值觀或利益考量，導致算法對特定信息的偏向性處理。例如，通過調整算法參數來優先展示某些內容。

隱性偏見：開發者在認知和解釋世界的過程中不可避免地帶有偏見，這些偏見也會被帶入到算法之中。例如，對某一群體的刻板印象可能影響算法對該群體信息的處理。

（3）算法本身的偏見：

算法原理的局限性：算法的按優先級排序、歸類處理、關聯選擇、過濾排除等特點本身就可能是一種差別對待系統，導致算法在處理信息時產生偏見。

黑箱特性：深度學習算法等復雜模型具有黑箱特性，人類難以理解其內部運作機制，這也增加了算法偏見被識別和糾正的難度。

（4）商業利益驅動：

在流量和吸粉至上的編輯理念下，算法可能更傾向于推薦能夠吸引用戶點擊和互動的內容，而忽視新聞的真實性和客觀性。這種利益驅動可能導致算法對特定類型信息的偏向性處理。

新聞與傳播

微信號 : media-power

網站：media-learning.com

▇ 新聞傳播價值，傳播改變世界