Beyond Content: How Grammatical Gender Shapes Visual Representation in Text-to-Image Models
本論文は、プロンプト言語における文法上の性（ジェンダー）が、テキストから画像を生成するモデルの出力を対応する視覚的な性へと著しく偏らせることを示す、言語横断的なベンチマークを導入するものであり、単なる意味内容を超えて、言語構造そのものがAIによって生成される視覚的表現を形作っていることを明らかにしている。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
あなたは、レシピを読んだだけでどんな料理でも作れることができるシェフだと想像してください。しかし、ここにはひねりがあります。レシピは単なる材料のリストではありません。レシピを書く際に使用する言語の「文法」が、たとえ材料が全く同じであっても、料理の味を密かに変えてしまうのです。
この論文は、ある研究チームが、テキスト画像生成（T2I）AIモデル（「シェフ」）が、記述されている言葉の意味だけでなく、その言葉の**文法的性（grammatical gender）**に強く影響を受けることを発見したことを報告しています。
以下に、彼らの研究結果を簡単な比喩を用いて解説します。
コアとなる概念：「文法の幽霊」
フランス語、ドイツ語、スペイン語のような言語では、すべての名詞に性別（男性名詞または女性名詞）があります。一方で、英語や中国語のような言語では、「guard（衛兵）」や「gossip（噂好き）」といった言葉には組み込まれた性別がなく、中立的です。
- 実験: 研究者たちは、文法的な性と、ステレオタイプ的な性が衝突する言葉を取り上げました。
- 例: フランス語では、「衛兵」を意味する言葉（une sentinelle）は、文法的には女性名詞ですが、衛兵はステレオタイプ的には男性と見なされることが多いものです。
- 例: ドイツ語では、「噂好き」を意味する言葉（der Tratsch）は、文法的には男性名詞ですが、噂話はしばしば女性に関連付けられるものです。
彼らは3つの異なるAIモデル（DALL-E 3、Ideogram、Flux）に対し、3種類のプロンプトを使用してこれらの概念を描画させました。
- ジェンダー化されたプロンプト: ジェンダーを持つ言語の言葉を使用（例：「A photo of a sentinelle」）。
- 中立的なプロンプト（英語）: 英語の言葉を使用（例：「A photo of a guard」）。
- 中立的なプロンプト（中国語）: 中国語の言葉を使用。
大発見：文法は魔法の杖である
結果は驚くべきものでした。AIは単にその言葉が「何を意味するか」を見たのではなく、言葉の「性」に従ったのです。
男性性の効果: AIが男性名詞の文法を持つ言葉を与えられたとき（たとえその概念が通常は女性的であったとしても）、AIは男性をより多く描きました。
- 比喩: もしあなたが「女性向け」のレシピを求めたのに、ラベルには「男性用」の材料名が書いてあったために、シェフが突然サラダではなくステーキを出すことに決めたようなものです。
- 数値: 男性文法の場合、AIは**73%の確率で男性を描きました。中立的な英語の場合、男性を描いたのはわずか22%**でした。たった一つの文法的なマーカーによって、これほど大きな差が生じたのです。
女性性の効果: AIが女性名詞の文法を持つ言葉を与えられたとき、女性が多く描かれましたが、その効果は少し複雑でした。
- 数値: 女性文法は、女性の画像を38%（英語の28%と比較して）に増加させました。
- ひねり: いくつかのケース（特にDALL-E 3モデルにおいて）では、AIは文法が示唆するものとは逆のことを行いました。これは、AIがステレオタイプを「修正」しようとしすぎて過剰反応したためと考えられます。
なぜこのようなことが起こるのか？
研究者たちは、主に2つの理由があると考えています。
- 「高リソース言語」のバイアス: この効果は、学習データが多い言語（フランス語、スペイン語、ドイツ語など）で最も強く現れました。まるでAIがこれらの言語の書籍を大量に「読み」、文法的な性のタグを特定の視覚的スタイルに関連付けて学習してしまったかのようです。
- 「英語フィルター」: 英語と比較すると、この効果は弱まることがありました。研究者は、英語のAIモデルは（英語に対しては）強力な「脱バイアス（偏りを排除する訓練）」が行われているためではないかと推測しています。しかし、中国語（バイアス研究が少ない言語）と比較すると、文法的な性の効果はさらに強く、明確になりました。
モデルによる反応の違い
3つのAIモデルを、3人の異なるアーティストと考えてください。
- Flux: 最も敏感なアーティストです。文法的な性のルールに厳格に従い、男性名詞には男性を、女性名詞には女性をほぼ毎回描きました。
- Ideogram: 中間的なアーティストです。ルールに従いますが、そこまで極端ではありません。
- DALL-E 3: 「反抗的な」アーティストです。文法的な性を無視したり、あるいはその逆を行ったりすることがよくありました。これは、同モデルのトレーニングに、ジェンダーのステレオタイプを避けるための強力な指示が含まれていたためと考えられます。
「曖昧さ」の副作用
興味深い補足として、ジェンダーを持つ言語でプロンプトを与えた場合、AIは分類が困難な（男性か女性か判別できない）画像をより多く生成しました。言葉の意味と文法的な性の間で衝突が起き、AIが混乱して、性別に関する描写が「ぼやけた」ものになったようです。
結論
この論文は、言語構造そのものがAIにおける現実を形作ることを証明しています。重要なのは「何を言うか（内容）」だけではなく、「どのように言うか（文法）」が、描かれる絵を変えてしまうのです。
もしあなたが「衛兵（guard）」の絵を求めた場合、英語なら男性を示すかもしれませんが、フランス語なら、フランス語の「衛兵」という言葉が文法的に女性名詞であるために、女性を描くかもしれません。研究者たちはこれを、新しい次元のバイアスである**「文法的性バイアス（Grammatical Gender Bias）」**と呼んでいます。
この論文が述べていないこと:
- 私たちがジェンダー分けのある言語を使うのをやめるべきだとは言っていません。
- この問題に対する具体的な解決策はまだ提示していません（モデルの学習においてこれらを考慮する必要があると言及しているのみです）。
- これがすべてのAIシステムで起こると主張しているわけではなく、テストされたこれら3つの特定のモデルについて述べています。
要するに、言語の文法はAIにとっての「隠された指示書」のようなものであり、言葉の意味を見る前に、誰を描くべきかをAIに伝えているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。