الأجيال الجديدة ليست أكثر إنصافًا: تحيزات الجنس في نماذج الذكاء الاصطناعي لتحويل النصوص إلى صور

في عصر الابتكار التكنولوجي، أصبحت نماذج الذكاء الاصطناعي لتحويل النصوص إلى صور (Text-to-Image Generative Models) تُستخدم بشكل متزايد في مجالات الإبداع والمهنية. ومع ذلك، تظل التساؤلات حول كيفية تمثيل الجنس في هذه النماذج عبر المهن المختلفة، وما إذا كانت النماذج الأحدث أكثر إنصافًا أم لا، قائمة دون إجابة مُرضية.

أظهرت دراسة حديثة تقييمًا لتمثيل الجنس عبر 20 مهنة مختلفة، حيث شملت الدراسة 5 نماذج من النماذج المختلفة لنموذج Stable Diffusion (SD) مثل SD 1.5 وSD 2.1 وSDXL وSD 3 Medium، وتم إنتاج ما يزيد عن 8000 صورة. وخلصت النتائج إلى أن 76.4% من الصور تظهر ذكوراً، مما يثير قلقًا بخصوص تمثيل النساء، حيث أظهرت البيانات أن 57.6% من الصور المخصصة لمهن تاريخية مُنسبة للنساء، كشفت عنها في الواقع ذكور.

تتسع الفجوة في تمثيل النساء، حيث تفيد الدراسات بأن النماذج تعمل على تقليل تمثيل النساء في هذه المهن بنسبة تتراوح بين 20 إلى 46 نقطة مئوية، مما يشير إلى وجود انحياز مستمر. على سبيل المثال، تظهر البيانات أن نموذج الذكاء الاصطناعي يظهر 82-99% من الذكور في وظيفة العالمة، بينما تصل النسبة المثالية للنساء عبر مكتب إحصاءات العمل الأمريكي إلى 48%. علاوة على ذلك، أشارت البيانات إلى أن انحياز النماذج لم يتحسن عبر الأجيال، بل تفاقم في بعض الحالات.

تُعتبر المقارنة الأولية مع نموذج GPT-image-1 التي أُجريت على خمس مهن تقترح أن النموذج كان أقل انحيازًا من النماذج المفتوحة المصدر، على الرغم من أن التأثير العملي كان صغيرًا.

تثير هذه النتائج تساؤلات هامة: هل يفتقر الذكاء الاصطناعي إلى العدالة في تشكيل الصورة العامة للنساء في المجتمع؟ وكيف يمكن تحسين هذه النماذج لتحقيق المساواة في التمثيل؟

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.