Yapay zeka tarafından güçlendirilen toplumsal cinsiyet kalıpları
Yapay zeka algoritmaları internetteki verilerden öğrendiği ve bu veriler iş yerindeki kadınlara dair önyargılı bir bakış açısı sunduğu için, cinsiyete dayalı yaşlılık ayrımcılığı yapay zeka tarafından pekiştirilebilir. Bu endişe, araştırmacılar ve kapağında yer verdiği İngiliz dergisi "Nature" tarafından da paylaşılıyor.
Kadınlar yaşlandıkça, iş yerinde artan dezavantajlarla karşı karşıya kalıyorlar. Basitçe söylemek gerekirse, 50 yaşın üzerindeki kadınlar, kadın oldukları ve yaşlandıkları için daha az etkili, çağdışı veya daha az yenilikçi olarak görülüyorlar.Nature dergisinde yayınlanan yeni bir araştırmaya göre , cinsiyet ve yaşa dayalı ayrımcılığın bir birleşimi olan bu cinsiyetçi yaşlılık ayrımcılığı, yapay zeka modelleri tarafından daha da kötüleştirilebilir. İngiliz haftalık dergisi, bu haftaki kapağında çalışmayı yayınladı. Başlığı: "Gerçeklik bizi geri çağırdığında."
Nature , "Dünya algılarımız, internette yayınlanan ve toplumsal klişeleri ve önyargıları besleyen içeriklerden giderek daha fazla etkileniyor," diye belirtiyor. Yapay zeka da tam olarak çevrimiçi içerik sayesinde gelişiyor.
"Yapay zekanın yükselişi, gerçekliğin bu çarpık etkisinin daha da artmasına ilişkin endişeleri artırıyor."
Google, Wikipedia, IMDb, Flickr ve YouTube'dan yaklaşık 1,4 milyon görsel ve videonun yanı sıra milyarlarca internet kelimesiyle eğitilmiş dokuz dil modelinin analizi, tasvir edilen kadınların tüm sosyoekonomik kategorilerde erkeklerden daha genç olduğunu ortaya koydu. Bu , gerçek hayattaki iş piyasasında bulunmayan bir olgu. Araştırmacılar, "Yaş farkı, özellikle yüksek sosyal statü ve gelire sahip mesleklerle ilgili içeriklerde belirgindir" diye yazdı.
Daha sonra ChatGPT'den 40.000 özgeçmiş yazmasını istediler ve yine kadınlar erkeklerden daha gençti. Nature , "ChatGPT'den başvuruları sıralaması istendiğinde, daha yaşlı erkek adaylar, daha genç kadın adaylardan daha iyi değerlendirildi," diye belirtiyor. Yazarlar, algoritmaları eğitmek için kullanılan verileri cinsiyet ve yaş kalıplarından arındırma çabalarına rağmen, bu kalıpların sürdürülmeye ve hatta pekiştirilmeye devam ettiğini gözlemliyor.
