来源：Peter东

腐败是当今社会面临的一大顽疾，近年来，已有一些尝试，通过人工智能的方法应对腐败。自然机器智能的观点论文：“使用人工智能来对抗腐败的前景和危险”，指出相比自上而下的使用AI应对腐败，预期效果更佳。

链接：https://www.nature.com/articles/s42256-022-00489-1

腐败问题不仅对政府的公信力，对于企业的正常经营也都构成了严重的挑战。通过机器学习，可以从交易数据中识别非法的金钱输送，根据信用卡数据或社交网络发言预测腐败分子，然而这样的对抗腐败的机器学习方法，都是自上而下的，使用这样的方法应对腐败，反而会带来额外的问题。例如引入新的权力集中化趋势，在打击腐败的同时，将使用AI工具对抗腐败者塑造成潜在的腐败者，或者给AI模型训练数据的提供方留下对数据做手脚都可能性。而预测腐败者的AI，则要面对假阳性和假阴性的权衡，在数据不完全且问题开放时，无法兼顾假阳性和假阴性，于是要么将部分腐败分子放过，要么就会过早地将部分无辜者打上“腐败”的红字，造成道德羞辱。此外，预测腐败的算法，其数据来源不可避免带着有偏见，这可能会使得特定种族或带某种身份标签的人，被算法歧视，而这有损公平性。

于此相对是是自下而上的应对腐败的工具，例如推特上的机器账号，鼓励用户去标记潜在的腐败行为，促进问责。或是提供基于自然语言的处理工具，让普通人能够看懂政府公文及财务报表，并标注出可能的腐败线索，从而让公民可以更便捷地对公共事务进行监督，提升政府的透明度。不同于政府的基于模型给出的腐败标签，自下而上的方式也会预测腐败分子，但模型的使用方是第三方金融机构或公民自组织的NGO，其给出的是建议，而不是结论。

自下而上地应对腐败，通常需要智能手机、互联网接入和技术支持，因此这种技术在媒体自由度和言论自由度较高的国家才更为可行。为了提升使用机器学习，以自下而上的方式应对腐败的工具的性能，首先需要更多的开放数据集，包括公共部门及私有企业已知腐败分子的交易数据。其次是需要学术界和工业界的合作，以开发新模型，还可以通过众包的方式，来让大众参与到通过机器学习应对腐败的模型构建中。

未来，为了应对隐私泄露带来的问题，可使用联邦学习结合自下而上的AI反腐败工具。而利用区块链不可逆和公开记录的特性，可以引入了一个基于区块链的公共支出跟踪系统，提供了一个带有时间戳的安全数据库记录公共资源转让情况，以避免伪造交易、数据操纵，从而更好地打击权钱交易，并奖励按承诺提供了公共服务的公职人员”廉正令牌”，通过正面激励来预防腐败的发生。

总结来看，尽管打击贪污的科技仍处于初级阶段,，使用人工智能已经被誉为反腐败的下一个前沿阵地。然而自上而下的实施人工智能反腐败，倾向于巩固现有的权力结构，这样的工具会被政府盗用，以加强数字监控、压制和破坏民主自由。而自下而上的使用AI应对腐败，则更具潜力。希望有更多人工智能开发人员加入AI反贪工具的开发社区，以探索并丰富现有的模型和数据集，利用人工智能技术的创新来推动一个更公平的社会

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”