Meta AI嘗試解決維基百科人物傳記所存在的性別偏見問題

Meta研究人員創(chuàng)建人工智能系統(tǒng)，來編寫出維基百科風格的傳記草稿，使得維基百科編輯能夠以最少的編輯，在維基百科上提供女性人物的傳記，以補充目前維基百科上，男女性人物傳記數(shù)量失衡的狀況。

維基百科一直是全球訪問量前10名的網站，是許多人搜索歷史人物與領創(chuàng)者資訊的第一站，但這些人的傳記，并不總是被平等的呈現(xiàn)在維基百科上，根據(jù)維基媒體自己的研究資料，英文網站上只有大約20%的傳記是關于女性。Meta研究人員提到，交叉性群體像是科學界女性、非洲女性或是亞洲女性的傳記數(shù)量可能更少。

雖然女性可能更傾向于撰寫其他女性的傳記，但Meta研究人員在維基媒體《2021年社群洞察報告》中發(fā)現(xiàn)，維基百科中只有15%的編輯是女性，他們提到，女性在歷史上，對科學、政治、社會甚至是企業(yè)家精神，都產生巨大的影響，但是這些女性人物卻被忽視，或是被以不成比例的方式在維基百科上呈現(xiàn)。

研究人員舉例，像是加拿大物理學家Donna Strickland，在2018年的時候獲得諾貝爾物理學獎，卻在維基百科上無法找到任何關于他的資訊，一直到Donna Strickland獲得該領域最大的獎項，他的傳記才終于被發(fā)布。

因此Meta研究人員，開發(fā)了一個端到端人工智能模型，作為解決問題的起點，該模型能夠自動創(chuàng)建現(xiàn)實公眾人物的傳記文章。模型會先在網絡上搜索相關的資訊，并且寫出關于該人物的維基百科式條目，并且附上引用資料。

由于該人工智能系統(tǒng)仍還存在一些限制，因此定位上需要能與維基百科編輯互補，由人工智能系統(tǒng)產生草稿，接著再由編輯進行事實查證和補充。模型的限制包括，用來創(chuàng)建維基百科條目的網頁內容，可能存在文化偏見，而且在技術上，文本生成系統(tǒng)容易產生幻覺（Hallucination），也就是非事實的內容。

以下彩色文本，是由模型替無脊椎動物的研究先驅Libbie Hyman，所生成的簡短傳記，綠色文本來自參照文章，紫色文本則來自網絡上的證據(jù)，橘色文本則表示幻覺，是由模型腦補，無法被驗證的資訊。

雖然模型所生成的結果無法直接被使用，但是模型檢索了Libbie Hyman相關資料，包括對無脊椎動物的研究、重要出版物和工作等，使得維基百科編輯能根據(jù)這項基礎，借由驗證內容的正確性，并且補充Libbie Hyman的生活和成就，更快速地完成傳記。

雖然在技術上還是有不足的地方，但這卻是對維基百科內容的性別平等踏出重要的一步，這項研究接下來還有許多工作要做，研究人員提到，他們目前的工作，僅是解決一個復雜問題的一小部分，其他問題像是在參照網絡資料時，女性的傳記通常包含更多額外的生活細節(jié)，像是離婚這個詞，出現(xiàn)在女性傳記的頻率是男性傳記的4倍，來自小報的素材，往往更關注女性的生活，而這些細節(jié)可能沖淡更應該專注的成就。

Meta研究人員提到，目前該模型把重點擺在女性，不過維基百科上還有許多內容存在偏見，根據(jù)維基百科對社群文章偏見的研究，發(fā)現(xiàn)跨性別和二元性別人物的傳記，往往長度更長，但是大部分章節(jié)都是描寫個人生活，而非個人成就，因此要在當前的內容中，識別不同的偏見形式，也是接下來需要繼續(xù)研究的部分。