人工智能揭示刻板印象隨時代而變

圖片來源：Debrocke/ClassicStock

當過去的已經逝去，你又如何衡量那時的陳腔濫調如何變化？你可以閱讀人們寫作的東西，并記錄下這些刻板印象，但偏見往往比一個簡單的詞語更加微妙。

研究人員如今正在開發人工智能用來幫助解決這個問題。一項新的研究分析了這些刻板印象的進化過程，這就像時過境遷，人們已經不再使用軟盤一樣。

為了量化偏見，一個研究團隊轉向求助于一種被稱為“機器學習”的人工智能，它允許計算機分析大量的數據并自動找到其中的模式。

研究人員設計了他們的程序用以使用嵌入的詞匯。通常，一串數字代表一個單詞的意思，而這些單詞的意思是基于文本中的周圍其他單詞所考量的。例如，如果人們傾向于把女性描述為情緒化的，那么“情緒”這個詞語會比“男人”這個詞匯更頻繁地出現在“女人”的旁邊，而文字的嵌入將會把它挑出來——“情緒”的嵌入將會比“男人”更加接近“女人”。而這便是對女性的一種偏見。

研究人員首先想看看，嵌入是否能很好地反映刻板印象。

通過對幾十年來出版的英語文本進行分析，研究人員發現，他們的程序所嵌入的顯然與來自同一時期的性別和種族刻板印象的調查結果相一致。隨后，研究人員利用從20世紀頭10年到90年代，美國的報紙、書籍和雜志上使用的2億個詞匯，分析了那些沒有被調查過的情緒。

研究人員最終發現，幾十年來，與能力相關的詞匯——比如“足智多謀”和“聰明”——正在慢慢變得不那么男性化。但是與外表有關的詞語——比如“迷人”和“居家”——卻依然沒有太大的變化。在過去的幾十年里，這些詞匯的嵌入仍然明顯與“女性”有關。

而其他的研究結果則集中于種族和宗教——亞洲人的名字與局外人的聯系變得不那么緊密了，而在一個單獨的數據集（從1988年到2005年的美國《紐約時報》中獲取）中，與恐怖主義有關的詞匯在1993年和2001年紐約市世界貿易中心遭襲后，變得與某些組織關系更加密切。

研究人員指出，來自其他時代和其他地方的人們可能不會告訴你他們的偏見，但他們也無法隱藏自己的偏見。

加利福尼亞州斯坦福大學Nikhil Garg和同事在最近出版的美國《國家科學院院刊》上報告了這一研究成果。

無獨有偶。在之前的另一項研究中，當被要求畫一幅科學家的畫像時，目前約有1/3的美國兒童會勾勒出女性形象。這是自上世紀60年代以來出現的重大轉變。在一項分析中，心理學家將在1996~2016年開展的78項“畫一名科學家”研究的結果綜合在一起，其中涉及約2萬名從幼兒園到高中的美國少年兒童。上世紀六七十年代，99.4%的兒童畫出的是男性科學家。這一比例在1985~2016年降至72%。到本世紀頭10年，約1/3的畫作描繪的是女性科學家。