�讓社會更公平�就是根據大數據分析�讓社會更公平�

<p><strong>作者：</strong>王(緝憲，大灣區？香港中心研究總監，香港大學地理系前系主任。</p> <p></p> <p></p> <p style="text-align:center;"></p> <p style="text-align:center;"></p> <p>在AI時代到來之際，以人民為本的國家，需要更認真廣泛地討論這些原則和選擇，讓社會更公平。</p> <p></p> <p></p> <p style="text-align:center;"></p> <p></p> <p style="text-align:justify;"></p> <p>最近馬斯克說人類至今的發展只不過是AI（人工智慧）社會的一個前導階段。</p> <p></p> <p>多個AI大師也認為，未來幾年將會看到AI帶來生產效能大幅提升，而因為生產成本變得極低，「經濟」二字將失去意義。姑且認同，這不是為了股價的誑語，那麼若AI在未來幾年把經濟效率搞定了，從1980年代開始宣導的「可持續發展」理念，就剩下如何讓社會公平和環境友好這兩方面。</p> <p></p> <p>很多國際組織包括世界銀行、聯合國和經濟合作暨發展組織（OECD）的全球治理報告都認為，AI有潛在的巨大生產紅利；同時，也具有高度不確定的社會與環境外部性。</p> <p></p> <p>聯合國教科文組織（UNESCO）的《AI倫理建議書》和聯合國系統的AI原則，都把「公平與非歧視」、「環境與生態系統繁榮」與「效率」、「創新」並列為核心價值，並明確提出，未來十年需要從「技術驅動」轉向「治理驅動」，才能避免加劇不平等和生態壓力。容我集中探討一下AI進步對社會公平的影響。</p> <p></p> <p style="text-align:center;">黑箱演算法強弱更懸殊</p> <p></p> <p>各國和國際組織的擔憂點集中在三個層面。</p> <p></p> <p>在全球層面：算力、數據、資本高度集中在少數發達國家和大公司，使「主導AI規則和標準」的權力也集中在那裏，南方國家擔心被鎖定在「數據和資源提供者」、「試驗場」的地位。</p> <p></p> <p style="text-align:center;"></p> <p></p> <p>在國內層面：就業和收入結構的分化（高技能/資本vs普通勞動），以及演算法決策對弱勢群體的歧視（信貸、招聘、司法等），這些都可能在沒有干預的情況下放大現有不平等。</p> <p></p> <p>貼身相關的還有城市/社區層面：聯合國人居署對城市「負責任AI」的全球評估指出，如果城市在治安、福利分配、信用評分中大量採用黑箱演算法，可能會在空間上固化貧困區與富裕區的差異，使本已脆弱的社區進一步被邊緣化。</p> <p></p> <p>在美國堪薩斯城，2021年的一項關於可持續城市研究發現，該城市AI分析根據市民投訴數據分配公共資源，結果因為富裕地區投訴率高，導致獲得更多資源，而忽視了低收入區。</p> <p></p> <p>再如一項芝加哥大學的研究發現，當AI演算法用於大醫院的醫療成本估算時，本應當考慮病患最重的病人獲得更多的支援，但模型的結果卻是把支持給了花銷最大的病人群體。因為在該醫院看病的病人，重病者中黑人比白人開銷低，結果黑人患者的需求被低估，影響上百萬人救助部署的公平性。</p> <p></p> <p>再看中國。劍橋大學學術期刊Data and Policy去年底刊登一文章，兩位學者對中國社會信用系統（SCS）的分析發現，AI協助下用大數據分析中國多個城市和地區的社會信用系統，發現在分析城市自身的徵信評分機制時，各地差異極大。而演算法本身在某種情況下出現了所謂「演算法干預主義」。</p> <p></p> <p>與上面的美國案例有類似之處：由於各地的社會信用資訊的缺失情況不同，例如廣東的企業資訊相對不全，同時很多其他城市的個人信用特別是外來民工的資訊不準，導致該系統分析的結果與直觀事實差距大。</p> <p></p> <p>而這些缺失或不確定性又因為資訊的不透明，導致局外人或者該數據的使用者無法了解事實真相。而不透明度可能最終導致以此制定的政策之公平性受到質疑。</p> <p></p> <p>在城市治理層面，AI開始廣泛應用，雖不一定是嚴格定義的人工智慧。</p> <p></p> <p>世界各地包括香港，六成以上的智慧城市項目都與交通有關。其中帶來最正面效果的，就是根據大數據分析，向駕駛者提供有用資訊，比如內地已經做到車內導航系統不僅可以告訴司機如何選路避開堵車路段，連紅燈還有幾秒就要轉綠也會精確報告。同時，路口燈號系統可以根據實時的車流大數據，調整燈號長短。這兩方面的效果疊加，優化了車流效率。</p> <p></p> <p style="text-align:center;">交通燈啟示認真定原則</p> <p></p> <p>上述智慧手段在提高了交通效率的同時，是否也改善了交通的公平性呢？不一定。</p> <p></p> <p>在很大程度上公平的改善並不取決於AI的能力，而是管理者對交通公平性的理解，如何將這種理解準確地轉化為AI對大數據的分析、判斷標準和建議方案，最後還有如何鑑定改善方案實施的效果。</p> <p></p> <p>甚至當我們投放AI資源，局部改善交通條件時，總體上是否對未改善部分帶來的影響也需要考慮，而這些都不是目前水準的AI會考慮的。</p> <p></p> <p>以交通燈設置為例。主幹道車流量通常都大大高於與其交滙的其他道路，提高主幹道流量可以減少絕對的擁堵時間。而要做到這一點，可以通過讓路口其他道路車輛等紅燈的時間延長或壓縮行人過馬路的綠燈時間。</p> <p></p> <p>如何優化，取決於人類交通管理者如何設計AI模型內的原則。</p> <p></p> <p>中國內地、香港以及世界各地在這方面不太一樣。</p> <p></p> <p>首先是交通治理優先順序不同：中國內地很多城市仍以「快速疏導機動車」為首要目標，紅燈時長設計更多服從於車流容量最大化，特別是主幹道通行綠燈，而行人忍受度90秒常被視為可接受上限，因此高峰時段拉長周期就變成常態工具。然而國家行規的行人紅燈「不宜超過約90秒」只是建議。例如深圳，實際上限由交警內部掌握，紅燈時長可以高達3分鐘或180秒。</p> <p></p> <p style="text-align:center;"></p> <p></p> <p>而歐洲與日本在政策與相關專業指南裏，把行人、自行車等弱勢交通者安全與體驗放得更前，長紅燈被視為會誘發違規和事故的風險因素，所以寧願讓車多停幾次，也要保持短等待。</p> <p></p> <p>香港沒有對單一方向紅燈「法定最大秒數」的條文，而是透過《運輸策劃及設計手冊》裏的交通燈設計章節，以「合理訊號周期」及行人可接受等候作為原則，多數城市做法是常見周期約60至120秒，即介於日本和中國內地之間。</p> <p></p> <p>那麼，內地讓AI做智慧交通燈管理的時候，需不需要設計得像日歐那樣，把弱勢交通者安全和體驗放得更前？或者，作為行人的你根本不在乎，因為等過馬路時，你正在手機上購物或看短劇？</p> <p></p> <p>如何優化交通燈轉換時間只是一個日常小例子；不過，紅綠燈的本質就是選擇給誰優先，它的啟示也是直截了當的：初級AI應用是人的技能放大器；背後的原則反映的仍是特定社會和具體執行者的選擇。</p> <p></p> <p>在AI時代到來之際，以人民為本的國家，需要更認真廣泛地討論這些原則和選擇，讓社會更公平。</p> <p></p> <p></p> <p style="text-align:justify;">（本文仅代表作者个人观点）</p> <p style="text-align:center;"></p> <p></p>