是「他」還是「她」？Google靠3步驟克服翻譯結果的性別偏見

Google日前發布透過提供兩種性別翻譯結果的方式，來解決原本Google翻譯中存在的性別偏見問題，最近則是公開了性別翻譯背後的技術，針對句子中涉及性別的文字進行翻譯其實並不容易，為此Google必須重新更改目前的翻譯框架，目前支援從英語翻譯至法語、義大利語、葡萄牙語和西班牙語，以及將句子從土耳其語翻成英語。

為了能夠在句子中辨識出涉及性別翻譯的文字，Google開發了3個步驟的方法，來解決英語提供性別的翻譯問題，首先系統會先偵測輸入的語句是否適用於特定性別翻譯，接著，透過強化過的神經機器翻譯（Neural Machine Translation，NMT）模型，產生針對男性、女性和中性的3種翻譯結果，最後，再將這3種翻譯結果與預設的翻譯結果進行比較，來決定送出最佳的翻譯結果。

以土耳其語為例，許多與人相關的文字，性別都是中立的，並沒有分性別，要偵測出特定性別進行翻譯就相當困難，這樣的複雜性代表無法透過機器學習系統，在性別文字的清單中，找到像土耳其語這樣性別中性的詞彙，根據Google統計，在土耳其語翻譯的請求中，大約有10%的翻譯性別是模糊的，不管是翻成男性或是女性都可以。

首先，要偵測這些翻譯請求的內容，Google用最新的文本分類演算法，來建立一套可以偵測土耳其語的中性性別系統，由於這是在進入翻譯系統之前，額外導入的步驟，必須要仔細平衡模型的複雜性和延遲性，Google用數千個經過人類標註的土耳其語範例來訓練模型，土耳其語的專家針對這些範例進行分類，標示出該範例是否為中性性別，最後，透過卷積神經網路的分類系統正確分辨，需要進行特定性別翻譯的語句。

找出該語句後，Google用強化過的的神經機器翻譯NMT系統，產生男性化或是女性化的翻譯結果，當沒有性別請求時，訓練過的模型會產生預設的翻譯，若確認使用者的查詢是性別中立的，Google會在翻譯請求中加入性別前綴（prefix）。

最後，評估翻譯準確率的步驟，則是用來決定要呈現什麼樣的性別翻譯給使用者，由於不同性別的訓練資料不同，兩種性別的翻譯結果也可能不同，評估系統會比較所有的翻譯結果，找出最適合的翻譯結果呈現給使用者。未來Google將會擴大特定性別翻譯的功能到更多語言，也會處理解決非二元性別在翻譯中的偏見問題。