#語料庫中的性別落差，造成翻譯系統以陽性詞稱呼女性

機器翻譯系統需要透過大型的語料庫（也就是收錄大量文本的電子資料庫）進行訓練。一份研究發現，Google Books當中的英文陽性代名詞出現頻率比陰性代名詞更多，尤其在1960年代出版的書籍中，前者曾多達後者的四倍。這種情形很有可能造成翻譯系統經過學習後，錯誤地使用陽性代名詞來指涉女性。

由於代名詞的性別落差在近年持續下降，使得相關的語料庫逐漸走向平等，若自動翻譯經常將男性預設為標準，可能使網路中的男性代名詞大量增加，導致語料庫的性別落差又再次擴大。

#研發演算法辨認社會性別

為了解決前述問題，史丹佛大學的「性別化創新」（gendered innovations）研究團隊建議，可研發一套演算法辨識被指涉對象的社會性別（文化面向的態度、行為與表現）。這套演算法進行的方式如下：

1. 找出文中提及的所有實體。
2. 決定個別實體是生命或非生命，及其社會性別（某些外文也可能以陰性或陽性詞彙指涉非生命實體，例如德文的「太陽」是陰性，「月亮」是陽性）、及數量（單數或複數）。
3. 透過機率演算法，根據文本脈絡和個別實體的生命性、社會性別、及數量，歸納文中提及的實體。

#納入性別中立語言，使機器翻譯更加包容與精確

若要更精確地翻譯性別，系統也可以進一步學習納入性別中立的語言。 一來，由於特定的語言當中具有中性的代名詞（例如土耳其語的「o」），如此能提供更貼切的翻譯。目前Google翻譯土耳其語的中性句「o bir doktor」，會同時顯示「她是醫師」與「他是醫師」。

另一方面，透過使用如「他們」或瑞典語中的「hen」等性別中立的代名詞，也能更加包容例如雙性人等非二元性別者。

延伸閱讀：

性別化創新基礎方法－機器學習 https://tinyurl.com/56mbmj2h
性別化創新案例研究－機器翻譯 https://tinyurl.com/mr2zrh29

⇐前往較新一則貼文　　　　　　　　　　前往較舊一則貼文⇒

科科性別已經有IG（@kekegender）了！在這裡=> https://www.instagram.com/kekegender/
了解更多科研領域中的性別議題：https://tinyurl.com/22tjby8d (性別化創新中文網)