当人工智能遇上「刻板印象」

社交媒体的用词，能够影响别人对你的印象，从性别到教育程度。来自美国宾夕法尼亚大学、德国和澳大利亚的社会心理学家及计算机科学家通过推特(Twitter)的用词选择来对相关刻板印象进行了剖析。研究者使用了一种名为自然语言处理(NLP)的人工智能方法，来揭示刻板印象。

[-]

该研究于本月发表在Social Psychological and Personality Science上。

在一系列实验中，参与者被要求仅根据推特内容来对博主进行归类判断，包括性别、年龄、教育程度和政治倾向等。

研究者采用NLP技术来分析人们分类的过程。尽管刻板印象与人们的假设往往相符，但也有一些情况是违背的。

本研究第一作者Jordan Carpenter表示：“这些不准确的刻板印象往往是由于夸张引起的。举个栗子，人们会认为没上过大学的人比博士更喜欢咒骂，但如果说博士从不咒骂，那就不对了。”

社交媒体的刻板印象

研究者关注刻板印象不准确性，揭示了刻板印象如何相互影响。

Carpenter表示：“本研究最有趣的发现之一是，人们在判断政治倾向时显得很困难，人们往往会依据性别刻板印象来进行判断：女性化更自由主义，男性化则更保守。”

[-]

研究结果还显示人们倾向于将科技相关词汇与男性博主相联系。Carpenter表示，该研究结果确实显示男性博主会发布更多与科技相关的博文，但是这一刻板印象会导致错误结论：几乎所有发布科技博文的女性都被错误地判断为男性。

在上述栗子中，刻板印象被夸张了，且在性别判断中尤其明显。人们应该注意到这一刻板印象是不合适、需要得到干预的。

人工智能与刻板印象研究

本研究合作者、计算机科学家Daniel Preotiuc-Pietro表示：“该研究的一大重要意义是，它颠覆了以往刻板印象研究的套路。”

[-]

研究者让参与者根据一系列行为来判断相关群体认同，而非让不同群体的人们陈述与自己相关的行为。研究者提出，他们将刻板印象看作词汇“网络”：被我们与某群体相联系的词汇，即是我们对该群体的刻板印象。

这一思路使得该研究团队得以采用NLP方法来探究人们的刻板印象，无需要求人们外显表达。

Carpenter表示：“这一新颖的方法解决了人们抗拒陈述其刻板印象的问题，无论是人们不愿意表露出偏向性，还是人们并未意识到自己使用的刻板印象。”

Preotiuc-Pietro表示：“随着跨领域研究不断增加，用计算机科学与心理学的方法来解决该问题，对两个领域都作出了贡献。”

本文译自 sciencenewsline，由 Rare 编辑发布。