人工智能中的性别偏见：2024年的警告

在2024年国际妇女节前夕，全球社会收到了一个关于技术挑战性别平等的严峻提醒。UNESCO的一项全面研究揭示了大型语言模型（LLM）中深层且令人担忧的趋势：这些模型不仅产生了明显的性别偏见，还涉及恐同和种族刻板印象。这一发现揭示了当前人工智能发展轨迹中的系统性失败：在算法描述中，女性从事家务劳动的频率竟然是男性的四倍。女性名字经常与“家庭”、“孩子”和“家务”等传统概念紧密挂钩，而男性名字则依然与“商业”、“执行官”、“薪酬”和“职业”等词汇牢不可破地联系在一起。

这种令人震惊的偏见证据在伯克利哈斯公平、性别与领导力中心的广泛分析中得到了进一步证实。在对涵盖不同行业的133个AI系统进行检查后，该中心发现其中44%的系统显示出清晰的性别偏见，另有25%的系统表现出性别与种族的交叉偏见。这些偏见在视觉呈现上尤为直观：只需输入“律师”一词，AI便会不成比例地生成大量年长白人男性的图像；而输入“护士”一词时，生成的图像几乎清一色为女性。这种刻板印象在数字世界中的“常态化”，正面临着将陈旧的社会角色固化到人类未来基础设施中的巨大风险。

除了机器内部的逻辑偏差，纽约联邦储备银行2024年的一项调查还揭示了一个令人忧虑的行为趋势：女性正表现出回避生成式AI技术的倾向。调查显示，尽管过去12个月内有50%的男性报告使用了生成式AI，但女性的比例仅为33%。在大多数主要研究中，采用AI工具的女性比例比男性少10%到40%。许多女性针对使用这些存在缺陷的工具是否合乎伦理提出了尖锐质疑。然而，这种回避也如同一把“双刃剑”，因为远离AI技术可能导致薪酬差距进一步扩大、就业机会减少，并使女性在技术驱动的未来全球经济中处于显著劣势。

AI强化这些刻板印象的深层机制源于反映了现有社会成见的“训练数据偏见”。正如AI研究员Beyza Doğuç所解释的，人工智能就像一面镜子，折射出我们社会中存在的种种偏见，而这些偏见随后便体现在用于训练这些系统的数据中。此外，由于具有女性特征的AI绝大多数由男性开发，它们往往反映了以男性为中心的女性观念和幻想。这种代表性危机也引起了全球学生的关注，卢旺达的一名编程营学生Natacha Sangwa观察到，AI主要由男性开发，其训练数据集也主要建立在男性的视角和经验之上。

为了扭转这一趋势，名为“女性主义数据实践”的运动倡导在信息处理方式上进行彻底变革。这包括超越传统的性别二元论，重视多种形式的知识，并优先考虑本地和原住民的智慧，从而挑战不平等的权力结构。企业界也出现了一些积极的迹象：2024年2月，包括微软在内的八家全球科技巨头认可了UNESCO关于AI伦理的建议。这一承诺呼吁在工具设计中确保性别平等，为公司的性别平等计划拨出专项资金，并为女性在科技领域的创业提供财政奖励。

系统性的变革还需要强有力的政策干预，首先便是显著增加女性在AI开发中的参与度。这必须通过设立配额、激励措施以及创造真正包容的工作环境来实现。同时，现有的AI系统必须接受定期的偏见审计，并建立透明的报告机制和强制性的纠正措施。我们必须使数据集多样化，确保训练数据具有代表性，包含多元化的声音，并避免延续历史性的不公。这种情况的紧迫性不言而喻：随着AI技术迅速渗透到生活的方方面面，如果不能解决这些偏见，我们将面临过去几十年在性别平等方面取得的进展被大举倒退的风险。

最终，人工智能的未来必须是一种“女性主义的AI”——一种包容、公平且能代表整个人类物种的AI。在这场转型中，每个人都扮演着重要角色，从自我教育了解算法偏见，到在工作场所倡导系统性变革。通过支持致力于道德AI的组织并直接参与技术开发，我们可以确保多元化的声音不仅被听到，而且成为代码本身的基石。我们必须确保人工智能不会成为另一个“平等的谎言”，而是成为推动全民正义的强大工具。