Más allá del masculino inclusivo: sesgos de género en el lenguaje y la Inteligencia Artificial
El objetivo principal de este artículo es poner de manifiesto la importancia de cuidar los sesgos que pueden estar implícitos en el uso del lenguaje (o por la manipulación de datos) y su repercusión en el tratamiento del lenguaje en la IA. A diferencia de lo que generalmente transciende sobre los sesgos sexistas en el lenguaje, este texto no se centra únicamente en la utilización de elementos gramaticales formales de una lengua como, por ejemplo, el uso de marcas de masculino genérico, sino también en aquellos usos del lenguaje que, sin que muchas veces se den cuenta los propios hablantes, incurren en interpretaciones sexistas.
En la primera parte, se hará un repaso de la relación entre sesgos y lenguaje a través de casos concretos conocidos (género gramatical), para pasar después a los casos “enmascarados” o “desapercibidos”. Es decir, aquellos que no residen especialmente en el uso de estructuras lingüísticas marcadas formalmente con género, sino que desencadenan inferencias pragmáticas y sus consecuencias con respecto al procesamiento del lenguaje. En la última parte, se mostrarán casos concretos del resultado de estos sesgos en el mundo de la inteligencia artificial y de las consecuencias de no ser conscientes de los mismos a la hora de la llevar a cabo tareas de programación de asistentes virtuales, de traducción automática o de análisis de sentimientos.
Medio
1. Introducción: ¿es el lenguaje sexista?
2. Sesgos conocidos en el uso del lenguaje.
3. Sesgos desapercibidos que no se ven pero que están en el uso del lenguaje
3.1. Sesgos en los medios de comunicación
3.2.1. Lo que damos por hecho de la función y el estado físico-emocional de las personas
3.2.2. La intencionalidad de las acciones
4. La inteligencia artificial y los sesgos desapercibidos: casos y sugerencias
4.1. La detección de sesgos desapercibidos en IA
4.1.1. Asistentes de voz y los estereotipos de género
4.1.2. Traductores automáticos y sesgos de género
4.1.3. Lexicones y análisis de sentimientos sesgados
4.2. ¿Se pueden solucionar los sesgos lingüísticos en la IA?
5. Conclusiones
Referencias