地，效果很好”。
當然，問題不在于女性的聲音，而在于我們的老朋友——性别數據缺口。
語音識别技術是在名為語料庫的大型語音記錄數據庫上進行訓練的。
這些語料庫主要收錄了男性聲音的錄音。
無論如何，就我們所知：大多數語料庫中的聲音素材都未按性别分類，當然，這本身就是一個數據缺口。
[31]當塔特曼研究語音語料庫的性别比例時，隻有TIMIT（“語言數據聯盟中最受歡迎的語音語料庫”）一家提供了按性别分類的數據。
當中69%是男性。
但與這些發現所暗示的相反，事實上有可能找到女性說話的錄音：從英國國家語料庫（BNC）[32]網站上的數據來看，該語料庫是性别平衡的。
[33]
不光是語音語料庫會催生偏向男性的算法。
文本語料庫（由小說、報紙文章、法律教科書等各種文本組成）被用來訓練翻譯軟件、簡曆掃描軟件和網絡搜索算法，它們的數據也充斥着性别數據缺口。
我搜索了英國國家語料庫[34]（收錄了20世紀晚期大量文本中的1億個單詞），發現女性代詞的出現率始終隻有男性代詞的一半左右。
[35]盡管當代美國英語語料庫有5.2億個詞，收錄了近至2015年的文本，但男女代詞的比例也是2比1。
[36]依據這些滿是缺口的語料庫來訓練的算法，就給人留下這樣一種印象：這個世界實際上是由男性主宰的。
圖像數據集看來也存在性别數據缺口的問題：2017年，一項對兩組常用數據集的分析發現，男性圖像的數量遠超女性圖像；這兩組數據集包含“來自網絡的10萬多張複雜場景的圖像，并附有說明”。
[37]華盛頓大學的一項類似研究發現，在他們所測試的45種職業中，女性在谷歌圖像搜索中出現的比例偏低，其中CEO的比例最為懸殊：美國27%的CEO是女性，但在谷歌圖像的搜索結果中，女性隻占11%。
[38]搜索“作家”的結果也是不平衡的，谷歌圖片中隻有25%的搜索結果是女性，相比之下，美國作家中女性的實際占比有56%，研究還發現，至少在短期内，這種差異确實影響了人們對某個領域性别比例的看法。
當然，對于算法來說，影響會更長遠。
這些數據集不僅未能充分代表女性，而且歪曲了她們的形象。
2017年一項對常用文本語料庫的分析發現，女性的名字和相關用詞（“婦女”“女孩”等）與家庭的關系大于與職業的關系，而男性的情況正好相反。
[39]2016年，一項基于谷歌新聞的流行公共數據集分析發現，與女性相關的最熱門職業是“家庭主婦”，與男性相關的最熱門職業是“名家大師”。
[40]與性别相關的十大職業還包括：哲學家、社交名人、隊長、前台接待員、建築師和保姆——你可以自行猜測，哪些是男性，哪些是女性。
2017年的圖像數據集分析還發現，圖像中包含的活動和物體表現出“明顯的”性别偏見。
[41]研究人員之一馬克·亞茨卡爾預見了這樣一種未來：如果機器人是通過這些數據集來訓練的，當它不确定人們正在廚房裡做什麼的時候，它就會“給一個男人一杯啤酒，讓一個女人幫忙洗碗”。
[42]
這些文化成見可從現已廣泛使用的人工智能技術中找到。
例如，斯坦福大學的教授隆達·席賓格想把報紙對她的采訪從西班牙語譯成英語，而谷歌翻譯和Systran翻譯系統都反複使用男性代詞指代她，盡管文中出現了像profesora（女教授）這類明顯指代女性的術語。
[43]谷歌翻譯還在将土耳其語譯成英語時，賦予了原本性别中立的句子刻闆成見的意味。
Obirdoktor的意思是“她/他是一個醫生”，但被翻譯成“他是一個醫生”，而Obirhemsire（意思是“她/他是一個護士”）被譯成“她是一個護士”。
研究人員發現，翻譯軟件在将芬蘭語、愛沙尼亞語、匈牙