隨著人工智能（AI）技術的廣泛應用，確保AI技術沒有偏見變得越來越重要。IBM計劃發布一個大型的、無偏見的人臉圖像數據集，以推動無偏見的人臉識別研究。

與以往相比，人類社會對人工智能系統中的偏見問題更加關注，尤其是用于識別和分析人臉圖像的系統。在IBM，科研人員采取以下措施來確保以負責任的方式來創建并訓練面部識別技術：

（1）導致面部分析領域出現偏見的最大問題之一是缺乏訓練系統的各種數據。因此，科研人員打算在2018年秋天公開以下數據集，以作為技術行業和研究界的工具：

IBM研究院（IBM Research）的科學家正在構建的一個超過100萬張圖像的注釋數據集，可以用于提高對面部分析偏見的理解。圖像將使用屬性進行注釋，利用Flickr圖像中的地理標記來平衡來自多個國家/地區的數據和主動學習工具，以減少樣本選擇偏差。目前，可用的最大面部屬性數據集包含20萬個圖像，因此這個具有一百萬個圖像的新數據集將是一個巨大的進步。

一個最多包含3.6萬張圖像的注釋數據集—其中膚色、性別和年齡呈均勻分布，由IBM Research注釋，能夠為人們評估其技術提供更加多樣化的數據集。這將為算法設計人員識別和解決面部分析系統中的偏見提供特別幫助。解決偏見問題的第一步是確認存在偏見--這就是該數據集的目標所在。

（2）2018年早些時候，IBM極大地增強了用于面部分析的Watson視覺識別服務的準確性，這使得面部分析的錯誤率降低了近十倍。IBM正在舉辦一個技術研討會（由IBM Research與馬里蘭大學合作），以確定并減少將于2018年9月14日與ECCV 2018聯合使用的面部分析系統中的偏見。使用IBM面部圖像數據集的競賽結果將公布在該研討會上。此外，IBM的研究人員將繼續與廣大的利益相關者、用戶和專家合作，以了解可能影響AI決策的其他偏見和漏洞，從而不斷改善系統。

人工智能擁有改善人們生活和工作方式的重要力量，但前提是對人工智能系統的開發和培訓是負責任的，且該類系統能夠產生讓我們信任的結果。確保系統接受平衡的數據培訓和消除偏見對建立這種信任至關重要。

隨著對AI應用的不斷增加，防止偏見進入AI系統正在成為最受關注的問題。IBM相信任何技術--無論多么準確--都不能夠或不應該取代人類的判斷力、直覺和專業知識。像人工智能這樣的先進創新技術的威力在于它們能夠增強而非取代人類的決策能力。因此，任何使用AI的組織（包括視覺識別或視頻分析功能）都必須對使用AI的團隊進行培訓，以了解偏見（包括隱性和無意識的偏見），對其進行監控，并知道如何消除偏見。