算法构建的认识论不公正
算法塑造着你的所见所闻和你的信仰。它们决定了哪些新闻会出现在你的信息流中，以及你的设备上会播放哪些歌曲。这些系统并非中立，它们可能会造成认识论上的不公正。
当人们作为知识持有者受到不公正对待时，认识论不公正便发生了。当社会忽视或贬低某些群体时，这种情况就会出现。如今，人工智能正在将这些偏见编码并放大。
这种不公正主要有两种类型：
- 证言不公正：当算法因为偏见而降低对某个人的信任度时，就会发生这种情况。
- 解释学不公正：当用于理解世界的工具和语言排除了某些经验时，就会发生这种情况。
算法充当着把关人的角色。它们根据互动率来优先排序内容。这创造了回声室效应，隐藏了边缘化群体的观点。
数据问题加剧了这一循环。如果训练数据缺乏多样性，算法就会忽视这些群体，从而导致一种“不可见性”的反馈循环。
设计选择也会造成伤害。内容审核工具往往因为无法理解细微的文化差异，而频繁标记特定文化背景的帖子。推荐系统倾向于主流观点，而非少数群体的声音。这通过代码使人们失声。
我们经常将算法视为客观的。这是一个错误。从数据选择到系统设计，人类的选择塑造了每一个环节。当我们假设代码是中立的时候，我们就更难去挑战那些不公正的决策。
如何迈向人工智能的正义：
- 使用包容性的数据实践。
- 构建透明的算法。
- 遵循伦理设计原则。
- 保持人工监督。
- 赋予用户控制其数据的权力。
这个问题关乎权力。我们必须追问：由谁来决定什么才算作知识？我们必须追问：谁的声音才重要？
我们不应拒绝算法，而必须重构它们。我们需要能够放大多样化声音，而非掩盖它们的系统。
Source: https://dev.to/smartmindai/the-algorithmic-construction-of-epistemic-injustice-2026-3n3e