算法的裂痕

林深第一次意识到算法不是中立的，是在那个暴雨倾盆的午后。他站在“启明科技”的落地窗前，看着玻璃上蜿蜒的水痕，像极了刚才那份被算法标记为“低潜力”的简历——那是他亲自招进团队的实习生小周的转正申请。

“系统显示小周的协作评分低于部门均值3.2个百分点。”hR的声音透过电话传来，带着电子合成般的平稳，“虽然项目贡献度达标，但综合评估不符合转正阈值。”

林深捏紧了手机，指节泛白。他清楚记得小周为了优化医疗AI的诊断模型，连续三周泡在实验室，连母亲住院都只去过两次。协作评分？不过是因为小周有严重的口吃，在视频会议里总是跟不上讨论节奏。算法把沉默误读成了消极，却看不见那些深夜发在工作群里、字字斟酌的代码建议。

“这不合理。”他听见自己的声音在发抖，“算法不能这么判断一个人。”

“林博士，”hR的语气多了一丝为难，“这是集团刚上线的智能人力系统，用的是行业最先进的深度学习模型，误差率低于0.3%。”

0.3%？对被刷掉的小周来说，就是100%的不公。林深推开椅子，办公室里此起彼伏的键盘声突然变得刺耳。作为启明科技伦理委员会的负责人，他一直以为自己筑起的防线足够坚固——数据脱敏、模型审计、用户授权……却没料到偏见会以这样隐蔽的方式，从算法的毛细血管里渗透出来。

当晚，林深在伦理委员会的加密服务器里，调出了人力系统的训练数据集。屏幕的蓝光映着他疲惫的脸，一行行代码在眼前流淌，像某种神秘的符文。突然，他停在了一组参数上——系统在评估“沟通能力”时，赋予了“语速”和“发言时长”过高的权重。

“原来如此。”林深喃喃自语。这个由数据喂养长大的算法，悄悄继承了人类社会的隐性偏见。它奖励那些能言善辩的人，却对不善言辞者关上了大门。而这仅仅是个开始，当他用同样的方法检测司法辅助系统时，发现算法对特定地域的被告人，自动给出了更严厉的量刑建议。

消息在团队内部引起了轩然大波。数据科学家陈曦连夜开发出一款算法偏见检测工具，像给AI装上了ct扫描仪，能逐层剖析模型的决策逻辑。他们把工具接入了启明科技所有的AI系统，三天后得出的报告让所有人倒吸一口凉气：在招聘、信贷、司法三个领域，算法的隐性偏见发生率分别高达7.8%、11.2%和9.5%。

“必须公开这些数据。”林深在晨会上拍了桌子，咖啡杯里的液体晃出了边缘，“我们不能用技术的黑箱，掩盖不公的本质。”

法务总监立刻提出反对：“这会影响公司股价，还可能引发用户信任危机。”

“信任不是靠隐瞒得来的。”林深直视着对方的眼睛，“如果我们自己都不敢面对算法的缺陷，怎么指望别人相信AI能带来公平？”