性技术，让其在设计时特意加入保护隐私的组件(如“隐私设计”；
Cavoukian，2009)，以提高隐私价值。
21世纪10年代末，在关于人工智能偏见性应用的一系列现实例子中，有一种声音一直此起彼伏。他们认为：计算机系统可能早在设计之初就已经嵌入了某种偏见，因此当被用于替代人类做出决策之时，它们可能会做出带有歧视性的决定。例如，2020年对美国波士顿患者群体的研究显示：对等待肾脏移植患者健康状况进行评分的算法，通过设计，将种族作为其评分考量的一个类别，给非裔美国人打出了更高的健康评估分数(Simonite，2020-10-26)。另一个例子来自Beauty.ai美妆大赛的机器人评委。它本应为人类提供一种绝对的人类审美标准，然而人们却发现，它倾向于将浅色皮肤的参赛者作为训练数据的来源。还有一个例子来源于数码相机的面部识别软件，这些软件将亚裔的照片污名化为眯眯眼的歧视形象(Mehrabi et al.，2019)。
在重点关注技术设计的同时，越来越多的价值敏感设计学者正在将其视线由利益相关方的价值扩展到技术设计协商的治理环境当中。史蒂文·乌姆布雷洛(StevenUmbrello)研究了利益相关方的利益在“人工智能协调”(他所说的“有益的人工智能”研究与开发中所涉及的利益相关方的协调)中的协商方式，这可以看作是价值敏感设计方法应用的一个典型案例(Umbrello，2019：4)。在这个例子中，作者研究了英国人工智能特别委员会关于多利益相关方的政策进程。该委员会由英国政府于2017年任命，专门负责考查人工智能的经济、伦理与社会影响并提供相应建议。具体分析流程如下：首先，识别委员会证据报告当中的具体价值(数据隐私、可访问性、责任制、同责制、透明度、可解释性、效率、许可性、包容性、多样性、安全性和可控性)；接着·直接从参与委员会的各利益相关团体(学界、非营利机构、政府机构和行业营利机构）当中追溯这些价值；最后、对它们在报告当中的价值分配进行等级排序(Umbrello，2019：7)。
第4章数据利益与数据文化
123