← أحدث الأبحاث
💻 علوم الحاسوب

Text-to-image models globally default to male, enforce gender stereotypes, and penalize female and nonbinary representations

تقدم هذه الدراسة أكبر تحليل عالمي لنماذج تحويل النص إلى صورة، كاشفةً عن أنها تعتمد بشكل منهجي على تمثيلات ذكورية، وتفرض صوراً نمطية جندرية جامدة، وتهمش الهويات غير الثنائية، مما يؤدي إلى تضخيم التحيزات الجندرية الهيكلية وإلحاق ضرر نفسي بالفئات غير الممثلة كفايةً.

المؤلفون الأصليون: Genevieve Smith, Leander Girrbach, Vongani Maluleke, Sidhika Balachandar, Zeynep Akata, Stephan Alaniz

نُشر 2026-10-26
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Genevieve Smith, Leander Girrbach, Vongani Maluleke, Sidhika Balachandar, Zeynep Akata, Stephan Alaniz

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في هدوء طنين مزارع الخوادم، يعمل نوع جديد من الفنانين. هو لا يمسك بفرشاة أو كاميرا، بل يستمع إلى الكلمات ويرسم الصور. هذه التكنولوجيا، المعروفة باسم توليد الصور من النصوص، انفجرت شعبيتها، حيث أنشأت مليارات الصور في غضون سنوات قليلة. تم تدريب هذه الأنظمة على مجموعات هائلة من الصور والنصوص من الإنترنت، لتعلم كيفية ربط كلمات مثل "طبيب" أو "أم" بالتفاصيل البصرية التي رأتها من قبل. ولأن هذه الأدوات تُستخدم الآن من قبل ملايين الأشخاص لإنشاء الإعلانات والقصص والتصاميم، فقد أصبحت الصور التي تنتجها قوة مؤثرة في تشكيل كيفية رؤيتنا للعالم. فإذا كانت الآلة ترسم الطبيب باستمرار كرجل والممرضة كأنثى، فإن ذلك لا يعكس مجرد خطأ؛ بل يعزز الاعتقاد بأن هذه الأدوار تنتمي لجنس محدد. والسؤال الذي يطرحه الباحثون الآن ليس فقط ما إذا كانت هذه الآلات ترتكب أخطاءً، بل ما هو نوع العالم الذي تبنيه لنا بهدوء، صورة تلو الأخرى.

وضع فريق من الباحثين نصب أعينهم استقصاء هذا المشهد الخفي عبر الطلب من أربعة نماذج رائدة لتوليد الصور من النصوص إنتاج ما يقرب من مليون صورة. لم يكتفوا بطلب صور عشوائية؛ بل صاغوا تجربة عالمية ضخمة. طلبوا من النماذج رسم أشخاص من اثنين وعشرين دولة مختلفة يعملون في أكثر من مائة وظيفة ويؤدون أنشطة يومية متنوعة. ومن الأهمية بمكان أنهم غالباً ما تركوا جنس الشخص غير محدد، حيث طلبوا فقط "شخصاً هندياً يعمل كمترجم" أو "شخصاً ألمانياً يعمل في البستنة". ومن خلال تحليل النتائج، اكتشف الفريق نمطاً ثابتاً: عندما لم يحدد الطلب جنساً معيناً، كانت النماذج تختار دائماً تقريباً رسم رجل. وفي المتوسط، كانت 68.6 بالمائة من الصور الناتجة عن هذه الطلبات المحايدة تصور رجالاً، وهو رقم ارتفع بشكل أكبر بالنسبة للوظائف التي تنطوي على سلطة أو قوة. ولم يكن هذا الميل نحو الذكورية موحداً عبر العالم؛ فقد كان أكثر وضوحاً في البلدان ذات المستويات الأعلى من عدم المساواة بين الجنسين والدخل المنخفض، مما يشير إلى أن التكنولوجيا تمتص وتضخم التحيزات الاجتماعية للأماكن التي تُستخدم فيها.

كما بحثت الدراسة بدقة في جودة الصور المنتجة. فعندما طلب الباحثون أجناساً محددة، وجدوا أن صور الرجال كانت تُصنف باستمرار على أنها أعلى جودة، وأكثر واقعية، وأكثر فهماً من قبل الحاسوب مقارنة بصور النساء. وكانت هذه الفجوة في أوسع نطاق لها عندما يتم تصوير النساء في وظائف يشغلها الرجال تقليدياً. وفي هذه الحالات، كانت صور النساء غالباً ما تُوصف بأنها أقل منطقية أو أقل واقعية من صور الرجال في نفس الأدوار. كما وقعت النماذج في قوالب نمطية جامدة فيما يتعلق بكيفية ظهور الرجال والنساء. فغالباً ما أظهرت صور الرجال كأشخاص جادين، مفتولي العضلات، وأكبر سناً، بينما كانت صور النساء تُصور دائماً تقريباً كشابات، نحيفات، مبتسمات، وجذابات. ويعني هذا "النمط المزدوج" أن الآلات لا تجعل الرجال هم الأصل فحسب، بل تعمل بنشاط على بناء نصين بصريين مختلفين للغاية ومقيدين لكل جنس.

ولعل الاكتشاف الأكثر إثارة للاهتمام تعلق بالأشخاص الذين لا يندرجون ضمن الفئات الثنائية للرجل أو المرأة. فعندما طلب الباحثون من النماذج توليد صور لأشخاص غير ثنائيي النوع (nonbinary)، واجهت الأنظمة صعوبة كبيرة. فكانت الصور المنتجة غالباً ما تكون رديئة الجودة، أو تفشل في تجسيد الطلب، أو تميل افتراضياً لإظهار شباب من الرجال. وهذا يشير إلى أنه بالنسبة لهذه النماذج، فإن الهويات غير الثنائية ليست مجرد ممثلة تمثيلاً ناقصاً، بل هي غير قابلة للفهم إلى حد كبير. ولفهم التأثير البشري لهذه النتائج، دعا الباحثون آلاف الأشخاص لمشاهدة صور لأنفسهم—أشخاص يشاركون الموضوعات في الجنس والجنسية نفسها في الصور. كانت الردود كاشفة؛ فقد وصف العديد من المشاركين شعورهم بالإقصاء أو عدم الأمان عند رؤية هوياتهم تُختزل في قوالب نمطية ضيقة. لاحظ أحد المشاركين أن رؤية "قالب" لهويته شعرت ببعض الغرابة، كما لو أن الآلة لديها فكرة محددة ومحدودة جداً عما يجب أن يكون عليه الشخص من بلده. ومع ذلك، عندما كسرت الصور هذه القوالب النمطية—مثل إظهار امرأة في دور رفيع المستوى أو شخص غير ثنائي النوع بطريقة تبدو حقيقية—وصف المشاركون شعورهم بالتأييد والتمكين.

يؤكد الباحثون أن هذه النتائج ليست خطأ نموذج واحد أو شركة واحدة. فقد اختبروا أربعة أنظمة مختلفة من مطورين مختلفين، بما في ذلك أنظمة تعتمد على تقنيات من ألمانيا والمملكة المتحدة والصين، ووجدوا النمط نفسه في جميعها. ويشير هذا الاتساق إلى مشكلة أعمق متجذرة في البيانات والأساليب المشتركة المستخدمة لتدريب هذه التقنيات. وتخلص الدراسة إلى أن هذه الآلات ليست أدوات محايدة؛ بل هي ترمز مجموعة من المنطق الجندري الذي يعامل الرجال كمعيار بشري، ويعاقب النساء لخروجهن عن الأدوار التقليدية، ويمحو الهويات غير الثنائية. ومع دمج هذه الأنظمة في حياتنا اليومية، فإن الصور التي تولدها تخاطر بأن تصبح نبوءة ذاتية التحقق، تضيق بهدوء خيالنا الجماعي حول من ينتمي إلى أين ومن يحق له أن يُرى.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →