| 关注 @jshermcyber
Justin Sherman 是杜克大学的一名高年级学生，杜克大学法学院杜克法律与技术中心的研究员，以及新美国网络安全政策研究员。他是 Ethical Tech (https://ethicaltech.duke.edu/) 的联合创始人兼总裁，Ethical Tech 是杜克大学的无党派学生-教职员工倡议，专注于研究、教育以及关于伦理和技术问题的政策制定。他的作品已在各种受欢迎的学术媒体上发表，包括《华盛顿邮报》、《大西洋月刊》、《外交政策》、《连线》以及外交关系委员会。
撰写评论
说得好。这就是为什么我们教育政策制定者和公众（以及，可以说，甚至是许多技术开发人员自己）技术并非天生客观如此重要 - 1 和 0 不会接受有偏见的人类观念，然后就“消除偏见”。
当然，Greg - 我完全同意。当涉及到依赖于通常包含个人身份信息的大型数据集的机器学习算法时（例如，用于医疗、保健、金融、执法等），隐私是一个巨大的问题。沿着这条思路，我们还担心如何在标记化或匿名化 PII 的同时，仍然 (a) 保持 AI 模型理解数据的能力，以及 (b) 确保恶意行为者无法对网络执行对抗性注入 - 例如，将恶意训练数据馈送到云中的“通用”自动驾驶汽车神经网络，随着时间的推移，这可能会导致汽车撞到人。正如您所说，鉴于我们的世界正朝着这个方向发展，所有这些以及更多都是一个严重的问题！