在新冠疫情肆虐人类社会、给人类的日常生活领域带来巨大的直接影响的同时，人工智能算法也受到疫情的间接影响，且影响巨大。但是人工智能算法并不属于生物、经济或政治，那么它是怎么被新冠疫情冲击的？

　　人工智能算法把学生分三六九等

　　2020年结束时，新冠病毒依然在世界各地肆虐，英国也不例外。由于疫情严重，英国也不得不关闭学校，到了期末，依然没有开学。但是，在没有上课和考试的情况下，英国 *** 依然要求各个学校为学生打分。

　　然而，老师也封闭在家，已经好几个月没看见学生了，无法给学生打分。于是，英国 *** 这次就用人工智能算法来给学生打分。算法会预测，如果学生来参加了考试，他们的成绩会是什么样的。

　　人工智能算法的结果出来了。40%的学生的成绩低于老师的预期。其中一些学生的成绩直接低了好几个等级，这就相当于一位原本可以考90分（满分100分）的学生，被人工智能算法预测只能考60分。一些学生甚至因此失去了考入名校的机会。

　　更糟糕的是，在这40%的学生当中，更多的是公立学校的学生，而非私立学校的学生。换句话说，人工智能算法预测，公立学校的学生无论过往学习有多认真、成绩有多好，“一定”是比不上私立学校的学生的。

　　人工智能算法给出的成绩直接导致了大规模质疑与 *** ，那么它为何给出如此不合理且矛盾的成绩？

　　人工智能算法的预测真的靠谱吗？

　　人工智能的算法是基于现实的数据所建立的。现实的数据跟数学数字一个很大的区别就是，现实数据带有时间的属性，而单纯的数字则没有时间属性。在数学里，“90”就是单纯的90，而“一个学生的成绩是90分”里的“90分”指的是过去的分数（英语语法里会直接提示90分是过去的）。这也就导致了人工智能算法的构建，是基于过去的数据，而非未来的数据。因此，目前的智能算法只能很好地“描述”过去，而无法“预测”未来。

　　就拿这次人工智能算法预测英国学生成绩的案例来说。基于过去的数据，因为教育资源远比不上私立学校的，公立学校学生的成绩总体上确实比私立学校的低。但是，由于这次疫情，几乎所有学校都关闭了，那么教育资源造成的成绩差距理应缩小，而非依旧那么大。只不过，算法的数据库里可没有新冠疫情，因为“过去”没有新冠疫情，所以它就只能依据以往的情况进行预测。

　　造成人工智能算法预测结果不靠谱的因素当中还有“人”。这次英国的成绩预测如此离谱的原因还有，英国 *** 为了避免由于考试试题变得简单导致的“成绩膨胀”，让算法一定要把某一等级的成绩维持在某一特定的比例之内。

　　举个例子，得90分的学生只能占1%，那么一些本应处于这个分段的学生，由于人数已满，分数只能向下调。随后再加上私立学校学生的成绩大概率好于公立学校的判定，那么这些90分的学生当中，大多是私立学校的，随后的成绩也按相同的逻辑安排，最后的结果就是获得好成绩的学生当中，更多的是私立学校的；而在成绩较差的学生里，更多是公立学校的。

　　除了人工智能算法的操控者之外，被预测者也会使算法不具有预测性。人是有主观能动性的。一位成绩原本不好的公立学校学生，可能因为突然有了目标，奋发图强，在下一次考试中取得难以置信的好成绩；公立学校为了提高学生成绩，在下次的考试之前，痛下血本，聘请更好的老师……然而，人工智能算法可不会知道这些未来将要发生的事情，它只能认为，成绩不好的群体以后的成绩只能一直差下去。

　　人工智能算法还有很长的路要走

　　早在这次英国预测成绩事件之前，智能算法已经用于对人类进行一些预测。

　　智能算法预测犯罪已在美国应用于司法实践。美国一位教授于2010年至2012年之间， *** 出了一款名为Prepol的犯罪预测软件。这款软件的预测模型直接取自地震余震的预测模型。它根据以前的犯罪数据，预测未来的犯罪会发生在哪个区域，从而指导警局把警力集中在目标区域，进行巡逻，以达到打断犯罪计划，以及预防犯罪的目的。由于这地震余震的预测模型的准确率非常之高，以致于不少人对Prepol非常有信心，当时超过半数的警局装备了它。

　　但是，一段时间后，奇怪的状况发生了。装备了Prepol的警局，往往被引导把警力集中在某一以前犯罪率较高的社区。然而，这些社区的犯罪率依然居高不下，换句话说，Prepol没有任何的预测和预防效果。乍一看，这款犯罪预测软件似乎至少成功预测了高犯罪率的社区。科学家调查发现，这是警察的“自我实现预言”所导致的。

　　由于一些警察对软件的“预言”深信不疑，一些看似可疑的人员就直接被当成罪犯。但没有证据，于是警察就对可疑人员进行语言、肢体或行为挑衅，当引起对方的反抗后，警察就会趁机反击或拔枪。于是，一件件由警察自己制造的案件就此产生。

　　除了Prepol，还有一款名叫“替代制裁罪犯管理剖析”（简称COMPAS）的软件应用于司法实践。这款软件于2016年投入使用，它主要用于预测假释或出狱人员再次犯罪的可能性。有意思的是，无论是Prepol，还是COMPAS，它们所使用的建构数据里完全不涉及肤色，但是前者预测黑人的犯罪率是白人的两倍，而后者预测黑人的再犯率是白人的两倍。

　　为什么Prepol和COMPAS会出现歧视黑人的情况？科学家对此的解释是“基于不公平的数据做出的预测也是不公平的”。如今这两款犯罪预测软件已逐渐停止使用。

　　在商业领域，也有人工智能算法产生离谱预测的情况。例如，亚马逊公司的 *** 算法不久前被披露，它认为男性的工作能力更强，因此在 *** 过程中，更青睐男性。亚马逊的 *** 算法之所以得出这种性别歧视般的预测，原因是它的数据来自于现任成功员工与男性之间的关联：现任成功的员工大多是男性。 *** 算法忽视了现代社会依然存在的“男人工作，女人养家”的刻板印象要求。

　　这一个个案例告诉我们，人工智能算法想要预测人类，还有很长的一段路要走。