人工智能偏见（AI Bias）是指机器学习模型在决策过程中产生的系统性偏差，这种偏差往往源于训练数据的不均衡或算法设计中的隐含假设，导致对特定群体产生不公平的对待。当训练数据未能充分代表现实世界的多样性，或包含了历史歧视性模式时，算法会无意中放大这些偏见，从而在性别、种族、年龄等维度上产生歧视性结果。例如，面部识别系统对深色皮肤人群的识别准确率较低，或招聘算法倾向于筛选特定性别的简历，都是人工智能偏见的典型表现。
在ESG实践中，识别和消除人工智能偏见已成为负责任创新的核心议题。企业开发AI产品时，需要通过偏见检测框架、多样化数据集采集和算法公平性测试等方法来缓解这一问题。欧盟《人工智能法案》和IEEE《算法系统伦理考量标准》等监管框架，都将消除AI偏见作为合规重点。值得关注的是，微软、IBM等科技巨头已开始发布算法公平性工具包，而金融机构也在信贷评估模型中引入偏见修正机制，这些实践为ESG领域的AI治理提供了重要参考。