Article
社会科学：オンラインメディアと大規模言語モデルにおける年齢とジェンダーの歪曲
Nature 646, 8087 doi: 10.1038/s41586-025-09581-z
広く受け入れられているステレオタイプは正しいのか、それとも社会的に歪曲されているのだろうか。今も続くこの議論を制約しているのは、ステレオタイプ的関連についての大規模マルチモーダルデータが不足していること、そしてそれらを実測値指標と比較できないことである。本研究で我々は、年齢と関連付けたジェンダーバイアスの解析においてこの課題を解決した。この解析では、年齢は、ステレオタイプの正確性を評価するための客観的基準となる。米国国勢調査によると、労働力には男女間で体系的な年齢差はないにもかかわらず、Google、Wikipedia、IMDb、Flickr、YouTubeの140万点近い画像と動画において、職業や社会的役割を問わず女性は男性よりも若く表現されており、これはインターネット上の数十億単語で訓練した9つの言語モデルでも同様であることが分かった。この年齢差は、地位や収入の高い職業を描写したコンテンツで最も顕著であった。我々は、主要アルゴリズムがいかにこのバイアスを増幅しているかを実証する。全米の代表性を持つ事前登録実験（n = 459）では、職業に関する画像をGoogle検索すると、参加者の信念や雇用優先傾向における年齢関連ジェンダーバイアスが増幅することが分かった。さらに、履歴書の作成と評価では、ChatGPTは女性を若く経験が浅いと想定し、年長の男性を質の高い応募者として評価した。我々の研究は、インターネットとそれを仲介するアルゴリズムを通じて、ジェンダーと年齢が合わさっていかに歪曲されるかを示しており、従って、不平等を克服する上で重要な課題と機会を明らかにしている。
