数据集的幽灵：机器学习时代的数据伦理

随着机器学习的普及，数据集成为了训练算法和构建人工智能系统的基础。数据集包含了大量的文本、图像、声音等数据，这些数据往往来源于真实世界的人类活动。你是否曾想过，那些支撑智能算法的庞大数据集，那些被我们视为理所当然的数字基石，其实并非中立客观的，而是体现了权力关系和社会不平等？

而当我们数据的收集、组织、解释和使用都受到权力结构的影响，那么就可能会导致对某些群体的不公平对待。怎么办，或许你已经想到解决方法了，我们只需要把那些有偏见、歧视性的数据删除掉，不就好了吗？但真的是这样吗？在今天将为大家导读的这篇论文中，作者 Nanna Bonde Thylstrup 却揭示了一个反常识的结论。