我们来看看Genderify的一小部分“成绩单”：

输入“Meghan Smith”，评估结果为“男性：39.60%，女性：60.40%”；

但输入“Dr.Meghan Smith”，评估就会变为：“男性：75.90%，女性：24.10%”。

其他名字加上“Dr”，也会让系统给出更倾向男性的结果。

有网友试着输入了一些单词或名人姓名，Genderify也表现得令人失落望：

比如输入“scientist”，评估结果为“男性：95.7%，女性：4.3%”；

输入“Oprah Winfrey”（美国著名脱口秀女主持），评估结果为“男性：78.3%，女性：21.7%”；

Genderify的首席运营官Arevik Gasparyan是一名女性，但系统连自家高管都不认得，给出了“男性：91.2%，女性：8.8%”的结果。

群众抗议感情之强烈，已经迫使Genderify彻底关闭了这项做事，网站现已脱机，其免费API也无法再访问。

一位代表通过电子邮件向媒体回应：“如果大家不想要，这样的结局大概是公正的。
”

只管类似的性别偏见常常涌如今机器学习中，但Genderify这种“不过大脑”的程度彷佛让该领域的许多专家感到惊异。
Meredith Whittaker是纽约大学 AI Now的联合创始人，专注研究AI对社会造成的影响，她的反应就非常范例：“科技圈的愚人节来了？这是一种滋扰科技与法律天下的生理战吗？”

为什么Genderify会引发大规模吐槽？就由于它根据某人的名字对其性别做出假设？并非如此。
业界指出，实在人类也会通过名字猜性别，有时也会在这个过程中犯缺点，这就须要理解人们的自我认同感，思考对方希望得到若何的称呼，才能降落搪突对方的可能。

Genderify的问题在于，它自动化了这些假设，显得太过“想当然”了，加深了这个过程中的性别刻板印象。
比如前文提到的，在名字前加Dr.的情形，意味着系统认为：如果你是年夜夫，那你大概率是个男人。

虽然创始人Arevik Gasparyan强调这是一个用于营销的数据剖析工具，但有不雅观点认为，它在特定的运用办法和地点下，会涌现潜在危害。

例如这项做事被集成到医疗谈天机器人中，它对用户性别的假设，可能会导致谈天机器人发出误导性的医疗建议。

用户们对产品的性别歧视色彩表示担忧，有提问称：“如果我选择了既不是男性也不是女性，你如何处理这个问题？你如何避免性别歧视？你是如何处理性别偏见的？”

对此，Gasparyan称，做事是基于“已经存在的姓名/性别数据库”，公司也“正在积极寻求办理办法，以改进跨性别者等群体的用户体验”，试图将姓名/用户名/电子邮件的观点与性别身份区分开来。

一位代表也通过电子邮件给出了较为详细的回应：

“我们明白，我们的模型永久不会供应空想的结果，算法须要显著改进。
为了让它更好地发挥浸染，我们非常期待LGBTQ等群体的反馈，以帮忙我们尽可能地改进性别剖析算法。
我们的目标是建立一个自学习的人工智能，它将不会像任何现有的办理方案那样带有偏见。
”

雷锋网编译，参考来源：

https://www.theverge.com/2020/7/29/21346310/ai-service-gender-verification-identification-genderify

https://baijiahao.baidu.com/s?id=1673625518588393349&wfr=spider&for=pc

雷锋网雷锋网雷锋网