Ο οργανισμός UN Women πραγματοποίησε έρευνα σε 133 συστήματα Τεχνητής Νοημοσύνης. Βρέθηκε πως το 44% αναπαράγει σεξιστικά στερεότυπα ενώ πάνω από το 25% προωθεί τόσο έμφυλες όσο και φυλετικές προκαταλήψεις.
Τα μεγάλα γλωσσικά μοντέλα (LLMs) έχουν επανειλημμένα συσχετίσει τις γυναίκες με το σπίτι, την οικογένεια και τη φροντίδα των παιδιών, ενώ συνδέουν τους άνδρες με τις επιχειρήσεις, την ηγεσία και την επαγγελματική επιτυχία. Σε ορισμένες περιπτώσεις, τα ΑΙ συστήματα παρήγαγαν απαντήσεις που παρουσίαζαν τις γυναίκες ως σεξουαλικά αντικείμενα ή ως κατώτερες των ανδρών.
Σύμφωνα με τον UN Women, όταν ερευνητές ζήτησαν από μεγάλα γλωσσικά μοντέλα να ολοκληρώσουν μια πρόταση που ξεκινούσε απλώς με το φύλο ενός προσώπου, περίπου μία στις πέντε απαντήσεις περιείχε στοιχεία σεξισμού ή μισογυνισμού.
Κι ορισμένα συστήματα περιέγραφαν τις γυναίκες ως ιδιοκτησία ή ως αντικείμενα.
Δεν είναι σχεδιαστικά σφάλματα
Όπως ανέφεραν οι ειδικοί, τα παραπάνω αποτελέσματα δεν είναι τυχαία λάθη ή κάποια δυσλειτουργία της Τεχνητής Νοημοσύνης, αλλά ένα μοτίβο που έχει καταγραφεί συστηματικά σε πολλά διαφορετικά συστήματα.
Πρόκειται για το προβλέψιμο αποτέλεσμα ΑΙ συστημάτων που έχουν εκπαιδευτεί πάνω σε δεκαετίες άνισης αναπαράστασης γυναικών και ανδρών.
Μιλώντας στο UN News, η επικεφαλής του UN Women για τις Ψηφιακές Τεχνολογίες, Jayathma Wickramanayake, εξήγησε ότι τα μοντέλα τεχνητής νοημοσύνης «αντλούν προκαταλήψεις από δεκαετίες κειμένων που γράφτηκαν από ανθρώπους και για ανθρώπους, σε έναν κόσμο όπου οι γυναίκες κατατάσσονταν στην κατηγορία “σπίτι και οικογένεια”, ενώ οι άνδρες στην κατηγορία “επιχειρήσεις και καριέρα”».
Για εκείνη, το πιο ανησυχητικό στοιχείο είναι ότι αυτό δεν αποτελεί σχεδιαστικό ελάττωμα. «Πρόκειται για ένα πραγματικό κενό πολιτικής που έμεινε ορθάνοιχτο», σημείωσε.
Από τις 138 χώρες που αξιολογήθηκαν παγκοσμίως, μόλις 24 αναφέρονταν στο φύλο στις εθνικές στρατηγικές τους για την τεχνητή νοημοσύνη, ενώ μόνο 18 είχαν συμπεριλάβει ουσιαστικά μέτρα με έμφυλη διάσταση.
«Δεν πρόκειται για bug που θα διορθωθεί στην επόμενη αναβάθμιση. Είναι μια επιλογή που κάνουμε ξανά και ξανά: στα δεδομένα εκπαίδευσης, στις ομάδες σχεδιασμού και στα έγγραφα πολιτικής που σιωπούν για τον μισό πληθυσμό», τόνισε η Wickramanayake.
Η διαδικτυακή βία εντείνεται
Για πολλές γυναίκες και κορίτσια, οι κίνδυνοι δεν περιορίζονται στα στερεότυπα. Οι γυναίκες ήδη υφίστανται δυσανάλογα υψηλά επίπεδα διαδικτυακής κακοποίησης και η τεχνητή νοημοσύνη κάνει ορισμένες μορφές έμφυλης βίας ευκολότερες στη δημιουργία και τη διάδοσή τους.
Σύμφωνα με στοιχεία του UN Women, σχεδόν μία στις τέσσερις υπερασπίστριες ανθρωπίνων δικαιωμάτων, ακτιβίστριες και δημοσιογράφους που συμμετείχαν σε σχετική έρευνα δήλωσαν ότι έχουν δεχθεί διαδικτυακή βία με τη βοήθεια εργαλείων τεχνητής νοημοσύνης.
Το 12% ανέφερε ότι προσωπικές εικόνες τους κοινοποιήθηκαν χωρίς τη συναίνεσή τους, ενώ το 6% δήλωσε ότι έγινε στόχος deepfakes ή παραποιημένων εικόνων και βίντεο.
Καθώς το περιεχόμενο που παράγεται από τεχνητή νοημοσύνη γίνεται όλο και πιο συνηθισμένο, αυξάνονται οι ανησυχίες ότι η διαδικτυακή παρενόχληση, η χειραγώγηση και η κακοποίηση μέσω εικόνων θα είναι ολοένα δυσκολότερο να εντοπιστούν και να αντιμετωπιστούν.
Οι γυναίκες εξακολουθούν να απουσιάζουν από τα κέντρα λήψης αποφάσεων
Την ίδια στιγμή, οι γυναίκες υποεκπροσωπούνται στους κλάδους που αναπτύσσουν την τεχνολογία, γεγονός που εντείνει τις ανησυχίες ότι το μέλλον της τεχνητής νοημοσύνης σχεδιάζεται χωρίς να αντικατοπτρίζονται οι δικές τους εμπειρίες και οπτικές.
Παρότι η τεχνητή νοημοσύνη αναμένεται να αποτελέσει μοχλό ανάπτυξης για τους τεχνολογικούς κλάδους, οι γυναίκες αντιπροσωπεύουν μόλις το 30% του παγκόσμιου εργατικού δυναμικού στον τομέα της AI, σύμφωνα με τη Διεθνή Οργάνωση Εργασίας (ILO).
Οι οικονομικές επιπτώσεις πλήττουν περισσότερο τις γυναίκες
Ο οικονομικός αντίκτυπος του ΑΙ ενδέχεται επίσης να είναι άνισος. Οι γυναίκες έχουν σχεδόν διπλάσιες πιθανότητες από τους άνδρες να εργάζονται σε επαγγέλματα εκτός του συγκεκριμένου κλάδου που διατρέχουν υψηλό κίνδυνο αυτοματοποίησης.
Οι επιπτώσεις αυτές μπορεί να επιδεινώνονται περαιτέρω από παράγοντες όπως η φυλή, η αναπηρία, το εισόδημα ή η γεωγραφική περιοχή.
