Meta开发了一个AI模型，解决百科的「性别偏见」问题

词条一直是世界各地用户数量Top 10的网站，是许多人查询历史守袖人物与守创者资讯的第一站，但这些守袖人物的所写，并不总被“平等”的重现在词条上。

Meta人工智慧数据分析科学知识家Angela Fan在一篇篇名中指出，词条的所有简写所写中只有20%是关于男士的。且这个数字在交叉性群体中估计就更少了，例如科学知识界的男士、非洲的男士和亚洲的男士等。

甚至，词条内容里“男士均是由不足”的情况，也扩展到了该组织本身，该网站上只有15%的总编表明自己是男士（来自维基媒体《2021年社群洞察报告》）。

Angela Fan提到，“男士在历史上对科学知识、政治性、社会甚至创从新大公司的各个部分都产生了巨大影响。但是这些男士守袖人物却被忽视，或是被以不成比例的方式在词条上重现。”

比如，加拿大化学家Donna Strickland，曾在2018年给予诺贝尔经济学奖，第一时间词条上却没有发现任何关于她的资讯，直到词条发布了关于她的实习所写后才受益改善，然而那时距离她给予诺奖依然过去很多天了。”

针对男士所写缺乏的情况，Meta公司宣布开源全资的一个“转换成式（Generative）”人工智慧数学模型，该数学模型可以自动数据分析并创建一些最主要守袖人物的高质量所写文章。

该数学模型的实习方式与人类数据分析员的实习方式相似，分三步走：首先是「查询模块」，查询特定守袖人物的相关电子邮件；然后是「转换成模块」，拟订一个词条式的守袖人物列出；最后是「提到模块」，附上引证电子邮件的比如说。最终降到涵盖词条所写所须要的所有元素，如所写守袖人物的早期家庭、教育和职业赛。

由于该AI控制系统仍还普遍存在一些允许，因此在适配上，须要能与词条总编互补——由AI控制系统产生草稿，接着再由总编进行事实查证和必要。数学模型的允许包含，用来创建词条列出的网页内容，似乎普遍存在文化性取向，须要依靠人工鉴别；而且技术开发性，重构转换成控制系统容易产生焦虑（Hallucination），也就亦非事实的内容；此外在自然语言方面，AI的方向性和范式也有些力不从心。

即便如此，该AI数学模型依然难以置信眼光深刻。下图彩色重构，是由AI数学模型替无两栖类的数据分析先驱Libbie Hyman，所转换成的简短所写。绿色重构来自参照文章；深蓝色重构则来自网络上的证据；橘色重构则表示焦虑，是由数学模型脑补，没有被验证的资讯。

虽然数学模型所转换成的结果没有直接发布，但该数学模型依然拿到了足够多与Libbie Hyman相关的电子邮件（包含对无两栖类的数据分析、最主要参考资料和实习等），人类数据分析员或作家可以根据这些电子邮件迅速上手并完成这篇文章。

尽管技术开发方面还在完善中，但这是对词条内容的双性恋平等踏进的最主要一步。数据分析人员提到，他们目前为止的实习，只能是应付一个有用问题的一小部分，接下来还有很多实习要继续做，包含识别各不相同的“性取向”问题：比如男士所写并不一定涉及额外的家庭内容，“离婚”一词用到在男士所写的频率是未成年所写的4倍；一些“镜报”并不一定更关注男士的家庭，而这些内容似乎冲淡守袖人物更应该被关注的成就；跨双性恋和二元双性恋守袖人物的所写，并不一定阔度更长，但是基本上章节都是描写与生俱来家庭，而非与生俱来成就。

为了简化该数学模型，Meta还发布了一个数据集，数据集可可用审计该数学模型基于1527份来自“忽视群体”的男士所写中的表现。Meta表示，这些数据可可用训练该数学模型的算法并审计数学模型的性能。

[编者按] 外地电话是从新材料行者全资PHP设计团队，探讨外地从新技术开发、从新观点、从新风向。

引述 | 外地电话

图片 | 外地电话

比如说 | SiliconANGLE