“医生，护士？”消除人工智能的性别偏见，谷

主题：“医生，护士”消除AID的性别偏见，谷歌有一个很棒的技巧
编译Lech
本文是从AI技术大本营转发的。
消除人工智能导致性生活的方法令人头疼。有办法解决吗
12月6日，谷歌宣布，它已采取，以减少在谷歌翻译性别偏差的第一步，在谷歌翻译中性词同时提供妇女和翻译的人的技术方法该原则已详细描述。
近年来，谷歌翻译的是你必须使用一个终端到终端的神经网络系统，在同一时间，在社会偏见的翻译结果的模型，特别是混凝土，谷歌的翻译结果显著提高翻译质量因为这一直是从互联网上数以亿计的转换数据了解到，即使在翻译女性化或男性化的形式，例如，“强”或诸如“医疗”是在男性的偏见的翻译生成并生成诸如“护士”或“美女”之类的单词，如下所示。他们偏向于女性气质。
法国从英语，意大利语，葡萄牙语，或当你在西班牙的“外科医生”，还兼有男性和女性翻译的翻译的话可以得到，还有如果你想从英语译成土耳其语短语和句子是的。可以使用这两种类型的翻译。例如，如果在土耳其写为“○井DOKTOR”，“她是个医生”，但将是一个“他”医生”，是两个翻译的结果已经被翻译性别。
Google翻译中的性别特定翻译
Google团队是如何做到的
请注意，在支持单字查询的某些性别翻译中，您需要使用性别属性来丰富Google的基础词汇。由于这些较长时间的磋商，他们首先关注将土耳其语翻译成英语。它像男性一样男性化。
检测中性性查询
许多土耳其语句都是中立的，但不是全部。这是一个确定哪个查询是针对性别的翻译的问题。因为土耳其语在形态上是复杂的，这意味着可以明确指定性别中性代词（O，Ona等）或隐式编码。例如，“Biliyor mu”没有明确的性别中性代名词。它被翻译为“她知道吗”还是“她知道吗”从这种复杂性，以检测性别的中立性，根据需要使用表示性别中立的球队谷歌的代名词一个简单的列表，还需要自动学习系统。它们含糊不清，可能有资格获得男性和女性翻译。
为了检测这些查询，他们可以使用国家的最先进的文本分类算法（13759云的自然语言API相同的算法），特定的土耳其查询是时的性别中立我们创建了一个可以检测到的系统。谷歌团队系统地培训了数千名土耳其人，以确定给定的例子是否对性别保持中立并决定最终的排名系统。一种卷积神经网络，可以准确地检测出必须按性别翻译的问题。
生成特定的性别翻译。
在这之后，谷歌的球队，但有所改善神经机器翻译系统的基本系统，如果必要的（NMT）生产的妇女和翻译的人，如果没有必要区分性别，人才培养模式给定的翻译它生成一个。： 并行培训识别数据并将其分为女性，男性和性别未定义单词。 就像构建多语言NMT系统一样，在句子的开头添加一个新的条目标签并指定要翻译的性别。 ＆lt; 2男＆gt; O bir doktor→他是医生 ＆lt; 2女性＆gt; O bir doktor→她是医生 女性，男性，已为他们进行各种混合比测试针对这些来源的性别的中性数据源的改善，因此，该模型可以在这三个任务来执行同样型号NMT的训练效果我做到了。 如果用户的查询被确定为性别中立的，前缀性别翻译请求将被添加到这些要求，最终NMT模型转换性别与99％的可靠性可以生成。系统保持查询翻译的质量，而不会为性别添加前缀。
确认准确性
因为创建男性翻译的训练数据不同于创建女性翻译的训练数据，所以两种翻译之间可能存在差异。如果特定类型的翻译质量已被确定为低，以确定仅显示预定翻译特定类型的句子的翻译质量，执行以下步骤。确认：
必要的女性翻译是女性。 必要的男人的翻译是男性。 ?除性别变化外，如果女性化和男性翻译相同，系统也会消除翻译之间翻译的微小变化。 男性化和女性翻译仅在性别方面有所不同。那就是“他”和“她”，“她”和“她”。因此，这些表示特定类型的翻译。然而，从“真实”到“实际”的变化与性别无关。将显示默认转换结果。
总之一切，提高了输入的句子通过第一分，其中如果未检测到是否可以分类执行特定性别转化，所述通过了“是”，三所要求NMT模型的系统并将其发送到。在翻译请求最后一步中性男人翻译和性别，考虑到三个答案，以确定是否显示特定性别的翻译和给定的翻译单。此外，为了最大化所显示的指定性别的翻译质量，系统的总体恢复率仅为60％。 对谷歌而言，这只是解决机器翻译系统中性别偏见的第一步。将来，我们计划将针对性别的翻译扩展为更多语言，并在自动完成咨询中处理性别偏见。
相关链接
Https://ai.googleblog.com/2018/12/providing-gender-specific-translations.html
编辑负责人：