为了降低种族差异对面部辨识系统的影响，过去曾有人尝试过提供更全面训练数据的方法，但这往往需要人工持续加入新的资料。而 MIT 的 CSAIL(计算机科学与人工智能实验室)目前正试图打造一套更好的方案，他们希望用新的算法来自动减少训练数据中的种族影响，从而达到进一步提升人脸辨识 AI 适用范围的目的。据称该方案会先对数据进行扫描，在确定其倾向性后会再重新采样，以确保数据能恰当覆盖到不同性别、肤色的人种。

虽然在现阶段这套方案还没法完全消除相关的影响，但其效果似乎已经非常之显著。经过 MIT 的测试，它在不影响识别准确率的同时，可以减少 60% 的「分类倾向」。此外其效率也较一般方案更高，在进行大型数据搜集等任务时尤其能够节省时间。不过距离这套方案真正投入使用估计还尚需一些时日，但对越来越依赖人脸辨识的当今社会来说，有这么一个改进技术的方向还是非常让人期待的。