还记得数年前风靡一时的吸尘机器人吗？只需一次设定，就可一劳永逸。它们不仅是有趣、有用的新事物，还意外成为了一个证明人工智能多样性非常重要的生动例子。
韩国人习惯于睡地铺。一天晚上，一位在地上睡觉的韩国妇女的头发被吸尘机器人“吞食”。机器人并没有恶意，只是按程序设定行动。但问题就出在这里：在产品开发过程中未考虑不同文化的影响。没有人想过，“使用这种产品的人都睡在床上吗？应当为那些不睡在床上的人考虑什么？”
随着人工智能（AI）的应用范围日益扩大，远远超出了家用自动化工具的范畴，保证人工智能产品开发团队的内部多样性变得愈发重要。企业通常只关注多样性问题中更明显的因素，比如种族、性别、年龄，但却忽视了一些极其重要的因素，比如文化、传统、宗教。如果未能全面考虑多样性的各个方面，反而可能对人工智能的服务对象造成严重危害。
T多样性的三大维度y
多样性包括三大维度：人类多样性、文化多样性和制度多样性。人类多样性指关于人的不可改变的事实，例如民族、种族和年龄，属于多样性的传统维度。文化多样性包括那些决定一个人是谁的重要但可改变的特质，例如学习方式、思维方式及工作方式，宗教信仰，道德伦理，语言。最后，制度多样性强调不同制度的相互作用，例如教育系统、赋能授权系统系统和业绩管理系统。
多样性的不同维度适用于任何企业环境，尤其适用于人工智能领域。当建立一个开发人工智能的团队时，考虑在构建系统的过程中是否忽略了人类多样性、文化多样性和制度多样性中的要素，这一点至关紧要。而挑战在于，除非团队成员本身具有多样性的某些维度，否则他们很难提出相关问题。也就是说，如果某事（比如睡地铺而不是睡在床上）不是他们现实生活中的一部分，他们根本都不会想到。这就导致了一些事情被忽视的危险，而在人工智能领域，随着时间的推移，这种危险会变得更大。
忽视不同人群的负面影响
我在从事人才录用工作时开始考虑人工智能多样性及其影响。在基于个人简介的招聘或求职网站上搜索过的人可能已经体会到习得智能的混合负面效果。
例如，以标准的候选人搜索方式寻找一位工程师，如果只输入此职位的技术要求——就会出现一个满是男性白种人的页面。在保留所有技术要求的基础上，增加“女性工程师学会”这个搜索词。不出所料，这时出现一个满是女性的页面——她们在第一次搜索时并没有出现。如果你把“女性工程师学会”换成“佛罗里达国际大学”（一所位于迈阿密的大学），那这次就会看到没有出现在之前搜索结果中的一群拉丁裔工程师。
后两次搜索的结果一点都不意外。值得关注的是第一次搜索——默认搜索。人工智能系统被设计为不产生不连续的体验（disruptive experiences）；根据定义，它们的目的是创造无缝体验。人工智能绝不会说：“你以前没干过这件事。不过你可以尝试去做一件完全不同的事情，虽然我没有证据你会喜欢。”
在使用人工智能时，如果我从第一次搜索结果中挑选个人简介，人工智能会进行学习，然后一再地给出相同类型的个人简介和候选人。这种模式将导致很多组候选人被系统排除。如果某些人员组别不在人工智能会考虑的数据集中，那么长此以往，数据集之外的问题或挑战最后可能根本无法解决。
人工智能出现之前，公共住房的建筑设计历史已证明了这一点。城市建设中，将欧洲的理想化设计建在公共区域和绿地很小甚至没有的高速公路旁以及其它不理想的地点。随着时间的推移，不利的外界环境对人的成长和发育造成了影响。尽管这种环境造就了嘻哈文化，但其消极影响多于积极影响。让我们想象一个很大程度上自主决策空间规划和建筑设计的人工智能世界。谁能保证这一系统会考虑可用空间和光照条件，使人们不至于生活在阴影里或者在连公园都没有的环境中？
保证多样性的许多责任将落在正在开发人工智能系统的企业身上。
我们需要多样化的人工智能创建者
没有什么比在影响未来的决策桌上拥有一席之地感觉更好了。就人工智能的多样性而言，吸纳更多决策者需要需要企业、高校、政府机构及其它机构之间的密切合作。
然而，目前并不存在什么政府机构来处理这一问题。现在有个开源组织“AI Now”旨在处理人工智能的一些伦理问题。奥巴马政府考虑到劳动力对人工智能的影响，编制了关于人工智能主题的白皮书。而特朗普政府可能采取什么措施，目前尚不得而知。
这意味着保证多样性的许多责任将落在正在开发人工智能系统的企业以及正在组建开发团队的企业领导者身上。一开始，如果开发团队中每个成员看起来都一样，那么这个团队很可能不具有多样性。除民族、种族外，像语言、国籍这样的因素也是很重要的。一个来自欠发达亚洲国家的人，很可能拥有与德国人截然不同的世界观——他们提出的问题会大不相同，但都很重要。此后还需继续细分其它特质，以组成合适的团队去解决希望用人工智能解决的问题。
有关多样性的讨论出现在早期，这是好事。
考虑人工智能多样性的时机就是现在
人工智能和机器学习都是相对新兴的事物，这意味着这些有关多样性的讨论出现得比较早——无论从时间还是从其发展阶段来看，都是如此。这个领域的玩家还未确定。这是好消息。
另一个令人鼓舞的事实是，人们对多样性的认识不同以往。现在，全世界对“多样性”的理解已与20年前不同。人工智能系统仍有很长的路要走，以确保把其他文化和世界观纳入考虑范围——毕竟人工智能的多样性是全球性的问题，对所有人都有影响。
建立完整的人工智能体系不仅在于美国企业为他人解决问题，也在于人们能够自己解决问题。这再次证明让人们参与决策非常重要。如果他们没有机会说“你应当在人工智能中考虑这个问题”，那么他们很难被人工智能很好的服务。
这就是人工智能领域面临的挑战。幸运的是，现在还有充足的时间来解决问题。这意味着人们仍然可以有策略的增加多样性，把人工智能的未来塑造得更加美好。
