上周刚面世的一项服务Genderify，号称能通过AI分析姓名、用户名或电邮地址来判断某人性别，结果因为算法偏差实在离谱，在社交媒体上引起了广泛关注。
我们来看看Genderify的一小部分“成绩单”：
输入“Meghan Smith”，评估结果为“男性：39.60%，女性：60.40%”；
但输入“Dr.Meghan Smith”，评估就会变为：“男性：75.90%，女性：24.10%”。
其他名字加上“Dr”，也会让系统给出更偏向男性的结果。
有网友试着输入了一些单词或名人姓名，Genderify也表现得令人失望：
比如输入“scientist”，评估结果为“男性：95.7%，女性：4.3%”；
输入“Oprah Winfrey”（美国著名脱口秀女主持），评估结果为“男性：78.3%，女性：21.7%”；
Genderify的首席运营官Arevik Gasparyan是一名女性，但系统连自家高管都不认得，给出了“男性：91.2%，女性：8.8%”的结果。
一位代表通过电子邮件向媒体回应：“如果大家不想要，这样的结局也许是公平的。”
尽管类似的性别偏见经常出现在机器学习中，但Genderify这种“不过大脑”的程度似乎让该领域的许多专家感到惊讶。Meredith Whittaker是纽约大学 AI Now的联合创始人，专注研究AI对社会造成的影响，她的反应就非常典型：“科技圈的愚人节来了？这是一种干扰科技与司法世界的心理战吗？”
业界指出，其实人类也会通过名字猜性别，有时也会在这个过程中犯错误，这就需要了解人们的自我认同感，思考对方希望得到怎样的称呼，才能降低冒犯对方的可能。
Genderify的问题在于，它自动化了这些假设，显得太过“想当然”了，加深了这个过程中的性别刻板印象。比如前文提到的，在名字前加Dr.的情况，意味着系统认为：如果你是医生，那你大概率是个男人。
虽然创始人Arevik Gasparyan强调这是一个用于营销的数据分析工具，但有观点认为，它在特定的应用方式和地点下，会出现潜在危害。
例如这项服务被集成到医疗聊天机器人中，它对用户性别的假设，可能会导致聊天机器人发出误导性的医疗建议。
用户们对产品的性别歧视色彩表示担忧，有提问称：“如果我选择了既不是男性也不是女性，你如何处理这个问题？你如何避免性别歧视？你是如何处理性别偏见的？”
对此，Gasparyan称，服务是基于“已经存在的姓名/性别数据库”，公司也“正在积极寻求解决办法，以改善跨性别者等群体的用户体验”，试图将姓名/用户名/电子邮件的概念与性别身份区分开来。
一位代表也通过电子邮件给出了较为详细的回应：
“我们明白，我们的模型永远不会提供理想的结果，算法需要显著改进。为了让它更好地发挥作用，我们非常期待LGBTQ等群体的反馈，以协助我们尽可能地改进性别分析算法。我们的目标是建立一个自学习的人工智能，它将不会像任何现有的解决方案那样带有偏见。”
