當人工智能遇上「刻板印象」

社交媒體的用詞，能夠影響別人對你的印象，從性別到教育程度。來自美國賓夕法尼亞大學、德國和澳大利亞的社會心理學家及計算機科學家通過推特(Twitter)的用詞選擇來對相關刻板印象進行了剖析。研究者使用了一種名為自然語言處理(NLP)的人工智能方法，來揭示刻板印象。

該研究於本月發表在Social Psychological and Personality Science上。

在一係列實驗中，參與者被要求僅根據推特內容來對博主進行歸類判斷，包括性別、年齡、教育程度和政治傾向等。

研究者采用NLP技術來分析人們分類的過程。盡管刻板印象與人們的假設往往相符，但也有一些情況是違背的。

本研究第一作者Jordan Carpenter表示：“這些不準確的刻板印象往往是由於誇張引起的。舉個栗子，人們會認為沒上過大學的人比博士更喜歡咒罵，但如果說博士從不咒罵，那就不對了。”

◆ ◆ ◆

社交媒體的刻板印象

研究者關注刻板印象不準確性，揭示了刻板印象如何相互影響。

Carpenter表示：“本研究最有趣的發現之一是，人們在判斷政治傾向時顯得很困難，人們往往會依據性別刻板印象來進行判斷：女性化更自由主義，男性化則更保守。”

研究結果還顯示人們傾向於將科技相關詞匯與男性博主相聯係。Carpenter表示，該研究結果確實顯示男性博主會發布更多與科技相關的博文，但是這一刻板印象會導致錯誤結論：幾乎所有發布科技博文的女性都被錯誤地判斷為男性。

在上述栗子中，刻板印象被誇張了，且在性別判斷中尤其明顯。人們應該注意到這一刻板印象是不合適、需要得到幹預的。

◆ ◆ ◆

人工智能與刻板印象研究

本研究合作者、計算機科學家Daniel Preotiuc-Pietro表示：“該研究的一大重要意義是，它顛覆了以往刻板印象研究的套路。”

研究者讓參與者根據一係列行為來判斷相關群體認同，而非讓不同群體的人們陳述與自己相關的行為。研究者提出，他們將刻板印象看作詞匯“網絡”：被我們與某群體相聯係的詞匯，即是我們對該群體的刻板印象。

這一思路使得該研究團隊得以采用NLP方法來探究人們的刻板印象，無需要求人們外顯表達。

Carpenter表示：“這一新穎的方法解決了人們抗拒陳述其刻板印象的問題，無論是人們不願意表露出偏向性，還是人們並未意識到自己使用的刻板印象。”

Preotiuc-Pietro表示：“隨著跨領域研究不斷增加，用計算機科學與心理學的方法來解決該問題，對兩個領域都作出了貢獻。”

原文發布時間為：2016-11-26

本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號