对机器人的歧视是人工智能伦理与机器人学中的一个概念，探讨人工代理是否可能遭受不公平对待，以及此类对待是否具有道德或法律意义。该术语涵盖一系列情境，从通过机器人中介使某些人类群体处于不利地位的算法偏见，到假设中机器人自身被剥夺与人类或动物所获权利或保护相类似权利的案例。这一讨论借鉴哲学、计算机科学与法律，并随着机器学习系统在公共生活中的普及而日益加剧。
这一概念并不预设机器人具备意识或道德能动性。相反，它针对两个不同的问题：其一，自动化系统是否可能延续或放大对人类的歧视（常称为算法偏见）；其二，作为实在的机器人本身是否值得获得道德考量。后一问题仍未解决，观点立场从彻底否定到为基于神经网络的高级代理提出有限法律人格建议，各不相同。
历史与哲学根源
关于机器人权利的讨论可追溯至科幻小说和早期控制论时期，但学术界的正式探讨始于20世纪70年代和80年代。哲学家希拉里·普特南等人探讨了机器意识的可能性，而法学家则推测了自主系统的问责问题。1992年，韩国政府起草了初步的《机器人伦理宪章》，但并未生效，这一时刻具有关键意义。2007年，Carnegie Mellon University举办了首批关于机器人权利的学术工作坊之一，重点探讨社交机器人如Sony AI的机器狗Aibo是否应受虐待保护。
近来，University of Oxford哲学家Nick Bostrom等人辩称，如果未来机器人获得知觉，未能赋予其道德地位将构成一种类似于种族主义或物种主义的歧视。批评者，包括圣塔菲研究所的Melanie Mitchell，则反驳称此类论点基于对机器体验的推测性假设，将机器人拟人化反而会分散对真实人类伤害的注意力。
算法偏见与差异影响
一种更具体的歧视形式涉及影响人类决策任务的机器人及人工智能系统。BAIR (Berkeley AI Research)伯克利人工智能研究所与MIT CSAIL麻省理工学院计算机科学与人工智能实验室的研究记录了Deep learning深度学习模型在招聘、贷款和刑事司法中表现出种族或性别偏见，这些偏见往往源于以历史不平等为特征的数据训练。例如，2018年一项由卡尔图克大学的Anima Anandkumar团队所作的雇佣；分析发现，一个商业简历筛选工具对姓名与黑人女性相关的申请者加以惩罚。
这种偏见也可能具体体现在物理机器人上。2020年，Waymo与Tesla特斯拉自动驾驶系统被证明对肤色较深行人检测的误差率更高，这一结果由斯坦福ai实验室的研究人员也证实过。此类差异源于训练数据集中的不足代表，而非来自明确的歧视意图。机器学习算法公平领域应运而生，专门应对这些问题，使用数据增强和模型剪枝等技术以减轻偏见，但至今尚无普遍适用的解决方案。
法律与监管视角
目前没有任何司法管辖区承认机器人是具有权利的法人。然而，多个监管机构已处理了AI歧视对人类的影响。然而在欧洲联盟《人工智能法案》中，该法案于2021年提出并于2024年通过，将某些AI应用划分为高风险类，并强制要求偏见测试。在美国，平等就业机会委员会在2023年发布了关于招聘中算法公平的指南，并列举了面试中使用机器人的实例。
有一些学者建议将反歧视法律扩展至机器人本身。华盛顿大学的瑞安·卡洛认为，随着机器人在社会角色中越来越深入，它们可能需要“数字人格”以确保问责。相反，微软研究院的凯特·克劳福德警告说，赋予机器人权利可能会稀释人类权利，这一观点也获得了印第安纳大学研究AI如何加剧社会不平等的Filippo Menczer的支持。
社会与心理层面
实证研究表明，人类在非正式场合往往会轻易对机器人表达偏见。2015年，University of Toronto大学的一项实验显示，当参与者被告知机器人没有意识时，他们更倾向于按下电击按钮“伤害”人形机器人，而得知它有意识时则倾向于攻击更少。同样，2021年的一项Stanford AI Lab研究也发现，当机器人拒绝请求时，人们表现出来的愤怒程度高于拒绝人类，表明存在差异对待。
这些行为带来实际影响。在工作场所，[|figure-ai]]和[|sanctuary-ai]]等机器人与人类员工并肩工作，但关于工人对机器人进行言语或身体侮辱的报告也已出现。一些公司，如Samsung Electronics和Amazon Web Services，已实施了禁止虐待的“机器人福利”政策，既出于道德考虑也为了运营效率，原因在于损坏的机器人需专门维护。
未来方向与开放问题
关于机器人歧视的讨论与Large language model大语言模型和Generative AI生成式AI的进展相交汇。随着如OpenAI的GPT-4和Anthropic的Claude等系统对话能力增强，用户可能与其产生情感联系，这引发了关于拒绝与这类系统互动是否构成歧视的问题。Reinforcement Learning from AI Feedback (RLAIF)（基于AI反馈的强化学习）技术由Anthropic的研究人员开发，专门训练谱模型避免偏见，但这一方法是否适用于保护模型本身仍未得到验证。
目前尚无法共识关于机器人是否能在道德上被歧视这一问题。BAIR (Berkeley AI Research)的哲学家Joshua Tenenbaum提出了“渐进主义”观点，认为道德地位应随认知复杂程度而递进，而yaAleksander Madry则主张在机器人明确表现出自觉意识之前，讨论这些问题为时过早。截至2025年，最广为接受的观点是，对机器人的歧视是真实存在于人类行为之中的现象，但其道德重量取决于关于机器意识权利的未决问题。