推特会对推文照片进行剪裁，以突出呈现照片重点，不过，有用户却发现，当照片同时存在黑人与白人脸孔时，推特照片的算法会优先选择有白人脸孔的部分，而且甚至在卡通人物上，也有同样的现象发生。
在这个BLM（Black Lives Matter，黑人的命也是命）之火还在燃烧的时刻，官方也迅速回应社群，表示虽然他们有检查机器学习模型的偏差，但是显然还有一些课题需要研究，之后会把相关成果开源出来。
这件事的起源，是由加密货币基础设施厂商Iqlusion共同创办人Tony Arcieri开始，他在推特上发了多张共和党参议院领袖Mitch McConnell以及美国前总统Barack Obama的拼贴照，实验推特照片算法，结果发现，肤色较白的Mitch McConnell总是被算法选中，在缩略图中突出显示。
接着许多网友开始进行各种实验，包括更换人物身上的领带颜色、帮奥巴马戴上眼镜，还有在拼贴图中增加奥巴马的照片的数量，甚至拿歌手Michael Jackson的照片进行比对，似乎在特定的情况下，算法会倾向选择突出显示白皮肤人物，但有一些实验却呈现相反的结果，推特首席设计师Dantley Davis以穿着同一套西装的黑人与白人上半身照片为例，推特算法选择将黑人重点呈现，而把白人剪裁掉。
为了研究推特照片剪裁算法是否存在偏差，身份认证平台UnifyID首席科学家Vinay Prabhu进行了更为严谨的实验，以探索算法的特性，他使用了93张经本人同意的自拍照，这些照片控制了饱和度、大小、分辨率、光照条件、脸部表情和衣着等条件。他制作了多张拼贴图，每张拼贴图都有两张人脸，这些拼贴图被实际发布到推特上，以观察照片剪裁算法的行为。
实验结果出乎意料，93张照片有92张成功发送出去，其中有1张因为自动随机发送推文失误而失败，而成功发送的92张拼贴图中，算法重点呈现白人与黑人的比例为40:52。对于这项实验结果，Vinay Prabhu提到，这样的结果，虽然表面上看起来，算法并没有种族偏见，但是因为种族主义是经验性的，并非统计可以说明。另外，这项实验使用的资料集也有缺陷，自然的人像背景通常不会是白色，而这可能会影响算法的判断。
对于推特算法的行为众说纷纭，Dantley Davis表示，他们仍在研究神经网络技术，而看起来的确有一些变量需要进一步查看，而推特的公关团队也即时地跳出来回应，说明推特对部署的模型，都有经过偏差测试，但是在测试结果，他们并没有发现任何性别或是种族偏差存在的证据，但从结果看起来，他们需要进行更多的分析，而之后将会公布他们的发现以及新的行动，也会开源相关研究结果。
由于最近脸部识别开始被大量应用在各种场景，从社交平台的好友标记，到政府单位执法甚至是边境管控，因此脸部识别算法，是否存在种族偏差的议题被大量的讨论。
美国国家标准暨技术研究院（NIST）在去年的时候，研究了市面上200多种脸部识别算法，发现其中大部分算法存在种族偏差，尤其是美国开发的算法，亚裔和非裔美国人脸孔伪阳性误判率，比白人高出10到100倍，且在部分应用下，非裔美国女性错误率明显偏高。NIST提到，伪阳性误判会把错误的人摆进需要审查的名单中，对这些人造成权利上的侵害，用户不应该完全相信系统，而且应质疑用途的合理性。