برخی اصطلاحات بی طرفانه مردانه تلقی می شود
به گزارش سیناپرس، بر اساس تجزیه و تحلیل میلیاردها کلمه منتشر شده در فضای مجازی، هنگامی که مردم از کلمات بی طرف جنسیتی مانند مردم و انسانیت استفاده می کنند، به جای زنان به مردان فکر می کنند که بازتاب جنسیت گرایی موجود در بسیاری از جوامع است. محققان هشدار می دهند که این تعصب جنسیتی به مدل های هوش مصنوعی که بر روی همان متون آموزش دیده اند منتقل می شود.
آپریل بیلی (April Bailey) و همکارانش در دانشگاه نیویورک از یک الگوریتم آماری برای تجزیه و تحلیل مجموعه ای از ۶۳۰ میلیارد کلمه که از ۲.۹۶ میلیارد صفحه وب جمع آوری شده که شامل متون غیررسمی از وبلاگ ها و انجمن های گفتگو و همچنین متون رسمی تر نوشته شده توسط رسانه ها، دولت ها و شرکت ها می شود، استفاده کردند.
محققان از رویکردی به نام جاسازی کلمه استفاده کردند که معنای مورد نظر یک کلمه را با فراوانی در متن با کلمات دیگر به دست می آورد.
در ادامه پژوهشگران دریافتند:کلماتی مانند شخص، مردم و انسانیت در زمینه هایی استفاده می شود که با بافت کلماتی مانند مردان و آقایان بهتر از کلماتی مانند زنان یا خانم ها مطابقت دارد.
این تیم پژوهشی می گوید : از آنجایی که این کلمات در زبان انگلیسی بیشتر شبیه کلماتی هستند که به مردان اشاره می کنند، مردم ممکن است آنها را در معنای مفهومی شان مردانه می دانند که بازتابی از یک جامعه تحت سلطه مرد است.
این تیم تحقیقاتی می گوید یک سوال مهم این است که این اتفاق تا چه حد به زبان انگلیسی وابسته است چراکه زبان های دیگر مانند اسپانیایی شامل اطلاعات جنسی صریح هستند که می تواند نتایج را تغییر دهد.
بیلی می گوید: یافتن شواهدی مبنی بر تعصب جنسیتی در انگلیسی جای تعجب ندارد زیرا مطالعات قبلی نشان داده اند که کلماتی مانند دانشمند و مهندس نیز با کلماتی مانند مرد و مذکر بیشتر از زن و مونث مرتبط هستند.به گزارش سیناپرس، اما بیلی معتقد است که این امر نگران کننده است زیرا همان مجموعه متون بررسی شده توسط این تحقیقات برای آموزش طیف وسیعی از ابزارهای هوش مصنوعی استفاده می شود که این سوگیری را به ارث می برند. این ابزارها شامل وب سایت های ترجمه زبان تا ربات‌های مکالمه خواهند بود.
به گزارش سیناپرس، بیلی در انتها می گوید: هوش مصنوعی از ما می آموزد و ما سپس از آن می آموزیم و به نوعی در این حلقه متقابل هستیم. این اتفاق نگران کننده است زیرا نشان می دهد که اگر بخواهیم از تعصب شناختی فردی اشخاص خلاص شویم، بازهم همچنان این تعصب را در جامعه خود خواهیم داشت زیرا این تعصب در جامعه و در ابزارهای هوش مصنوعی وجود دارند.
مترجم: مهدی فلاحی پناه
منبع: newscientist
