请注意，这种形式的积极性差别待遇首先需要程序员和设计师意识到潜在的偏见，尤其是无意的偏见。更广义地说，他们必须意识到，即使没有歧视或其他政治相关后果的意图，设计选择也可能产生诸如公正和平等方面的后果。在提高对潜在政治后果的认识、识别偏见以及更广泛地在设计中贯彻政治和道德价值观等方面还有很多工作要做。例如，当训练数据中没有明确提及性别、种族等标准时，识别偏见可能会很困难（Djeffal2019，269）。而当问题没有被认识到时，就不可能有解决方案，包括积极性差别待遇。算法公平性方面的技术工作可以帮助解决这个问题：它试图在使用人工智能算法时识别、衡量和改善公平性（例如，Pessach and Shmueli 2020)。结合法律框架中的权利类型，这可能会导致哈克（Hacker 2018，35）所说的“设计的平等待遇”（equaltreatment by design)。但正如我们所见，平等只是解决问题的一种方式。此外，设计也可以被用来进行积极的差别待遇。在这种情况下，算法公平性的目的和定义并不是算法结果独立于性别、种族等变量，从而避免负面偏见，而是对一个或多个此类变量产生正面偏差，从而纠正历史上或现有的不公平。
然而，正如我们即将看到的那样，积极性差别待遇的措施通常不是由那些在自由主义哲学传统中工作的人提出的，而是由那些批评自由主义哲学传统的人提出的，或者至少是批评其普遍性的人提出的。
人工智能政治哲学
060