فناوری تشخیص جنسیت مبتنی بر هوش مصنوعی، با تکیه بر شبکه‌های عصبی عمیق در تصویر، صوت و داده‌های fMRI به دقت‌های بالای ۹۰٪ دست یافته است. با این حال، این سامانه‌ها در سه سطح—داده، برچسب‌گذاری و کاربرد—به‌طور سیستماتیک دچار سوگیری جنسیتی هستند و نتایج آن می‌تواند به تبعیض ساختاری علیه گروه‌های کم‌نمایش منجر شود. این مقاله با رویکردی علمی و انتقادی، ماهیت سوگیری، نقش محیط اجتماعی، جایگاه الگوریتم‌ها، و مجموعه‌ای از راهکارهای فنی و حکمرانی را برای ساخت سامانه‌های منصفانه‌تر تشریح می‌کند.

ادامه مطلب