肤色

目前对皮肤颜色进行区分的行业标准方法是 Fitzpatrick Scale（菲茨帕特里克度量）。菲茨帕特里克皮肤类型（FST）把人们的皮肤分成 6 种，对于评价一个产品是否对有色人种存在偏见，这种分类并不足够。美国国土安全部的研究人员建议在进行面部识别时不使用 FST，因为它在多样化人群中呈现各种不同肤色方面表现不佳。

Google 正在开发新的更好的替代方法。公司正在和多方合作打造一个更具包容性的测量方法。

科技行业由白人占据主导地位，缺乏多样性和种族主义问题比其他行业更突出。科技公司现在开发的新产品往往背后有 AI 驱动，AI 还被应用在相对敏感的领域如医疗健康和执法。确保技术对各种不同肤色都有很好的“认知”就显得尤为重要了。当然，人与人不同的不只在于肤色，还有性别、年龄等。对某个群体缺乏代表——比如缺乏基础测试数据——可能导致产品应用于这个群体时出错。例如 FST 对深色皮肤缺乏度量导致它可以区别金棕色皮肤，但在咖啡红色皮肤方面表现糟糕。

在肤色方面的另一个努力是，Google 在 5 月宣布在其相机和照片服务中改善人的肤色，使其更为精准的反映人的形象。图像处理技术往往把人的皮肤颜色“淡化”处理。Google 在自动白平衡和曝光算法方面作出调整，以确保不出现“过亮”和“去饱和”情况。

我觉得 Google 在肤色方面的工作是很有意义的。产品设计者往往以行业标准（如 FST）或自己对“美”的定义去设计产品。这可能导致算法、产品、服务具有某种倾向性，即偏见。缺乏代表的人群承受着偏见所形成的压力。Google 的努力，无论是从产品方面的改进还是在行业标准方面的探索，都有助于促进一个更具包容性的产品设计理念的形成。