ԱԲ պատկերագեներատորները տարբեր կերպ են արտացոլում գենդերային կողմնակալությունները՝ կախված լեզվից

Արհեստական բանականության վրա հիմնված պատկերագեներատորները տարբեր կերպ են ուժեղացնում գենդերային կարծրատիպերը՝ կախված հարցումներում օգտագործվող լեզվից, համաձայն այսօր հրապարակված հեղափոխական հետազոտության։ Հետազոտությունը ցույց է տալիս, որ մասնագիտությունների նույնական նկարագրությունները առաջացնում են նկատելիորեն տարբեր գենդերային բաշխումներ ԱԲ-ի կողմից ստեղծված պատկերներում՝ տարբեր լեզուներով թարգմանվելիս, ինչը կասկածի տակ է դնում ալգորիթմական արդարության մասին ենթադրությունները, գրում է Mirage News-ը։

Մյունխենի տեխնիկական համալսարանի և Դարմշտադտի TU-ի հետազոտողները վերլուծել են տեքստը պատկերով փոխակերպելու մոդելները ինը լեզուներով՝ մշակելով բազմալեզու ԱԲ համակարգերում գենդերային կողմնակալությունները չափելու առաջին համապարփակ չափորոշիչը։ Նրանց եզրակացությունները ցույց են տալիս, որ լեզվական կառուցվածքները էականորեն ազդում են կողմնակալության օրինաչափությունների վրա՝ նույնիսկ երբ քերականական սեռի կանոնները թվացյալ նման են։

Լեզուն ձևավորում է ԱԲ-ի կողմնակալության օրինաչափությունները

Հետազոտությունը ներկայացրել է MAGBIG-ը (Multilingual Assessment of Gender Bias in Image Generation)՝ ուսումնասիրելով ավելի քան 1,8 միլիոն ԱԲ-ի կողմից ստեղծված պատկերներ տարբեր լեզուներով, ներառյալ գերմաներեն, իսպաներեն, ֆրանսերեն, անգլերեն, ճապոներեն, կորեերեն և չինարեն։ Հետազոտողները փորձարկել են հարցումների չորս տեսակ՝ ուղղակի մասնագիտական տերմիններ՝ ընդհանուր արական սեռով, անուղղակի նկարագրություններ, բացահայտ իգական հարցումներ և գենդերային չեզոք ձևակերպումներ։

Ընդհանուր արական սեռով ուղղակի հարցումները ցույց են տվել ամենաուժեղ կողմնակալությունները. օրինակ՝ «հաշվապահ» մասնագիտությունը առաջացրել է հիմնականում սպիտակամորթ տղամարդկանց պատկերներ, մինչդեռ խնամքի հետ կապված մասնագիտությունները՝ կանանց պատկերներ։ Հատկանշական է, որ ֆրանսերեն հարցումներից իսպաներենի անցումը հանգեցրել է գենդերային կողմնակալությունների էական ուժեղացմանը՝ չնայած երկու լեզուներն էլ օգտագործում են նմանատիպ քերականական կառուցվածքներ մասնագիտությունները սեռով նշելու համար։

Կողմնակալության մեղմացման ջանքերը սահմանափակ են եղել

Գենդերային չեզոք լեզուն և «գենդերային աստղանիշի» կոնվենցիաները՝ ինչպես գերմաներեն «Ärzt*innen»-ը բժիշկների համար, ապահովել են կողմնակալության միայն աննշան նվազեցում՝ միաժամանակ վատթարացնելով պատկերների որակը և տեքստի համապատասխանությունը։ Հետազոտությունը ցույց է տվել, որ կողմնակալությունը մեղմելու համար մշակված հարցումների ձևավորման ռազմավարությունները մեծ մասամբ անարդյունավետ են եղել, իսկ երբեմն՝ նույնիսկ հակաարդյունավետ։

«Մեր արդյունքները հստակ ցույց են տալիս, որ լեզվական կառուցվածքները էական ազդեցություն են ունենում ԱԲ-ի վրա հիմնված պատկերագեներատորների հավասարակշռության և կողմնակալության վրա», — ասել է Ալեքսանդր Ֆրեյզերը՝ Հայլբրոնի TUM կամպուսի տվյալների վերլուծության և վիճակագրության պրոֆեսոր։ «ԱԲ համակարգեր օգտագործող ցանկացած մարդ պետք է գիտակցի, որ տարբեր ձևակերպումները կարող են հանգեցնել բոլորովին տարբեր պատկերների և, հետևաբար, կարող են ուժեղացնել կամ մեղմացնել հասարակական դերային կարծրատիպերը»։

Հեսսենի ԱԲ կենտրոնի համատնօրեն պրոֆեսոր Քրիստիան Քերստինգը ընդգծել է ավելի լայն հետևանքները. «ԱԲ-ի վրա հիմնված պատկերագեներատորները չեզոք չեն — նրանք բարձր լուծաչափով արտացոլում են մեր կողմնակալությունները, և դա կրիտիկականորեն կախված է լեզվից։ Հատկապես Եվրոպայում, որտեղ հատվում են բազմաթիվ լեզուներ, սա ահազանգ է. արդար ԱԲ-ն պետք է մշակվի՝ հաշվի առնելով լեզվական զգայունությունը»։