Queer NLP: A Critical Survey on Literature Gaps, Biases and Trends

この論文は、ACL アンソロジーに掲載された LGBTQIA+ コミュニティと自然言語処理（NLP）の関係を扱った研究を体系的にレビューし、現状の偏りや課題を指摘するとともに、より公正で包括的な NLP 技術の実現に向けた将来の研究方向性と行動を呼びかける批判的調査である。

要約

この論文は、**「AI（人工知能）が、LGBTQIA+（性的少数者）の人々をどう扱っているか？」**という問題を、自然言語処理（NLP：コンピュータが言葉を理解・生成する技術）の分野全体から調査したものです。

まるで、**「AI という巨大な図書館」**が、その本棚に並べる本（データ）や、読書案内（アルゴリズム）において、特定の読者（性的少数者）をどう扱っているかを点検した報告書のようなものです。

以下に、難しい専門用語を避け、身近な例えを使って解説します。

---

🏰 1. 調査の舞台：「AI という巨大な図書館」

現代の AI は、インターネット上の膨大な文章（本）を食べて育ちます。しかし、この図書館には**「偏り」**という大きな問題があります。

• 現状： AI は、LGBTQIA+ の人々について学ぶ際、**「無視される」「誤解される」「悪口を言われる」**という扱いをされることが多いのです。
• 例え： もし AI が「結婚」という言葉を検索すると、自動的に「男性と女性」の組み合わせしか出てこないようなものです。あるいは、LGBTQ+ の人々が使う「仲間内の言葉」を、AI が「危険な言葉（ヘイトスピーチ）」と誤って検知して削除してしまうような状態です。

🔍 2. 調査の結果：「3 つの大きな発見」

著者たちは、この分野の論文を 86 編も読み込み、以下の 3 つの傾向を見つけました。

① 「反応型」ばかりで、「予防型」が少ない

• 状況： 多くの研究は、「AI が間違っている！」と指摘するだけで、「どう直せばいいか」まで踏み込んでいません。
• 例え： 料理人が「この料理に塩を入れすぎた！」と文句を言うのは簡単ですが、「次からどうすれば美味しくなるか」を一緒に考える人が少ない状態です。AI のバイアス（偏見）を「発見」する論文は多いですが、それを「解決」する論文は少ないのです。

② 「英語中心」で、他の言語は置き去り

• 状況： 調査された論文の7 割以上が英語に集中しています。
• 例え： 世界中の図書館で、「英語の本」しか読まれているかのように振る舞っているようなものです。スペイン語、日本語、アフリカの言語など、他の言語圏の LGBTQ+ の人々の声や文化は、AI の学習からほとんど除外されています。

③ 「当事者」がいない

• 状況： 研究をする人が、LGBTQ+ のコミュニティの人々を**「開発や評価に参加させていません**」。
• 例え： 車を作るときに、「車椅子に乗る人」や「背の低い人」に「どんな車が必要か」を聞かずに、エンジニアだけで設計しているようなものです。結果として、作られた AI は、実際に困っている人々の本当のニーズとズレています。

🧩 3. 具体的な問題点（例え話で）

• 代名詞の混乱：
  AI は「彼（He）」や「彼女（She）」という二択でしか考えられないことが多いです。「彼ら（They）」や、新しい代名詞（Neopronouns）を使うと、AI がパニックを起こしたり、文脈を無視して誤った性別を割り当てたりします。

  例え： 料理人が「卵」という材料しか持っておらず、「豆腐」や「キノコ」を要求されても「卵がないから作れない！」と拒絶するようなものです。

• 「仲間内の言葉」の誤検知：
  LGBTQ+ のコミュニティ内で使われる「リカバリーされたスラング（元は差別用語だが、仲間内で使い直した言葉）」を、AI が「ヘイトスピーチ」として誤ってブロックしてしまいます。

  例え： 友人同士で冗談を言い合っているのに、「監視カメラ」がそれを「喧嘩」と勘違いして警察を呼んでしまうような状態です。

• 声（音声）の壁：
  音声認識 AI は、トランスジェンダーやノンバイナリー（男女のどちらでもない）の人々の声を認識するのが苦手です。

  例え： 声のピッチが平均から外れていると、「電話の自動音声」が「誰が話しているか」を認識できず、通話を切られてしまうようなものです。

🚀 4. 未来への提案：「図書館をどう変えるか？」

この論文は、単なる批判ではなく、**「もっと良い未来への地図」**を描いています。

1. 当事者を招き入れる（共創）：
   AI を作る前に、LGBTQ+ の人々に「あなたたちはどう扱われたいか？」を聞き、一緒に設計しましょう。

   例え： 車を作る前に、乗る人全員に「どんなシートやハンドルが欲しいか」を聞き、一緒に設計図を描くことです。

2. 多様性を認める（交差性）：
   「LGBTQ+」という枠組みだけでなく、人種、障害、宗教など、**「複数の属性が重なり合った状態」**を理解しましょう。

   例え： 「黒人であること」と「トランスジェンダーであること」が組み合わさった独特な経験まで理解できるような、**「多機能なメガネ」**を AI にかけさせることです。

3. 言語の壁を壊す：
   英語だけでなく、世界中のあらゆる言語で、その文化に根ざした LGBTQ+ の表現を学べるようにしましょう。

4. 「拒絶する権利」を認める：
   時には、AI に分類されたりラベルを貼られたりすることを**「拒否する」**ことも、重要な権利です。AI は、その「拒否」も尊重できる柔軟さを持つべきです。

💡 まとめ

この論文は、**「AI はまだ LGBTQ+ の人々にとって、居心地の悪い場所だ」と告げつつ、「当事者と共に、もっと優しく、多様で、公平な AI を作ろう」**と呼びかけるものです。

単に「バイアスがある」と指摘するだけでなく、**「誰のために、どのように技術を使うか」**という根本的な問い直しを、研究者や開発者に求めています。

技術概要

論文要約：Queer NLP: A Critical Survey on Literature Gaps, Biases and Trends

1. 背景と問題定義 (Problem)

自然言語処理（NLP）技術は、採用、法、医療など人々の生活に直結する分野で急速に普及していますが、これらのシステムは歴史的に排除されてきたマイノリティ、特に LGBTQIA+（クィア）コミュニティに対して有害なバイアスや誤った表現をもたらす可能性があります。
既存の NLP 研究にはジェンダーバイアスや人種バイアスに関する調査は存在するものの、クィアコミュニティに特化した NLP 研究の現状を体系的に整理し、その課題や将来の方向性を明確にした包括的な調査は不足していました。
具体的には、以下の問題が指摘されています：

• 受動的アプローチ: 多くの研究がバイアスの「発見」や「指摘」に留まり、具体的な「軽減」や「解決策の構築」まで至っていない。
• ステークホルダーの不在: クィアコミュニティのメンバーが研究開発や評価プロセスに参画していない。
• 交差性（インターセクショナリティ）の欠如: 性的指向や性自認だけでなく、人種、階級、障害など他のアイデンティティとの交差性が考慮されていない。
• 英語中心主義: 研究の大部分が英語データに依存しており、他の言語や文化的文脈が軽視されている。

2. 調査手法 (Methodology)

著者らは、ACL アンソロジー（ACL 会議および関連ワークショップで発表された論文のコレクション）に収められたクィア NLP 関連の論文を体系的に調査しました。

• 対象選定: PRISMA（システマティックレビューのための報告基準）手法に従い、「queer」「lgbt*」「transgender」などのキーワードで検索。初期検索で 3,864 件の候補が抽出されましたが、重複や無関係な論文（著者名に Gay が含まれるなど）を除外し、最終的に86 件の ACL 関連論文を分析対象としました。
• アノテーション（注釈付け）: 各論文について以下の軸で詳細な注釈を付与しました：
  • NLP タスク（言語モデル、分類、機械翻訳など）
  • 対象としたクィアグループと扱われた危害（ハラスメント、ステレオタイプなど）
  • 使用されたデータ言語、地理的領域、ドメイン
  • **交差性（Intersectionality）**の明示的な扱いかどうか
  • **ステークホルダー（コミュニティメンバー）**の関与の有無
  • 研究の動機と手法
• 評価: 3 つの主要テーマ（ステークホルダー関与、交差性、言語多様性）について、2 人のアノテーターによる相互評価を行い、一致率 90.09%（Cohen's Kappa = .79）の信頼性を確保しました。

3. 主要な調査結果 (Key Results)

3.1 研究トレンドと傾向

• 言語モデル（LLM）の評価: 最も多い研究分野です。テンプレートベースの手法（「〇〇は罪深い」などの文を生成させ、バイアスを測定）や、内生的・外生的な指標を用いたバイアス評価が主流です。
• テキスト分類: 憎悪表現検出（ホモフォビア、トランスフォビア）が主要なテーマですが、モデルが「gay」や「queer」といった中立的な単語を誤って「有毒」と判定する**過剰検出（Oversensitivity）**の問題が頻発しています。
• 情報抽出とアクセス: 共参照解決（Coreference Resolution）において、トランスジェンダーやノンバイナリーの人々の代名詞と名前が正しくリンクされない問題が指摘されています。チャットボットを用いた医療・メンタルヘルス支援の研究もありますが、信頼性やガイドラインへの準拠に課題があります。
• 機械翻訳: 英語から他の言語への翻訳が中心で、ジェンダーニュートラルな表現や新代名詞（neopronouns）の処理が課題となっています。

3.2 発見されたギャップ（Gaps）

• ステークホルダーの関与: 研究の動機としてコミュニティへの影響が挙げられていても、実際の開発や評価にコミュニティメンバーが直接関与している論文は極めて少数です。
• 交差性の欠如: 多くの研究が「クィア」を単一の均質なカテゴリとして扱っており、人種、階級、宗教などと交差する複合的な差別構造を分析する研究は不足しています。
• 言語の多様性: 対象言語の約 77% が英語です。非英語圏（特にグローバル・サウス）の言語や、英語以外の言語間翻訳の研究は極めて限定的です（図 1, 図 2 参照）。
• 手法の限界: バイアス軽減策は「事後（ポストホック）」的な修正（データ拡張やプロンプトエンジニアリング）に依存しており、システム設計の段階から包括性を考慮した「予防的アプローチ」が不足しています。

4. 主要な貢献 (Key Contributions)

1. 初の体系的調査: ACL アンソロジー全体を対象とした、クィア NLP 分野の最初の包括的な調査論文です。
2. 批判的視点の提示: 単なる技術的進歩の報告ではなく、クィア研究（Queer Studies）の視点から、NLP 研究が抱える構造的な問題（英語中心主義、二項対立的なジェンダー観、ステークホルダー排除）を批判的に分析しました。
3. 将来の方向性の提案:
   • 参加型アクションリサーチ: コミュニティを研究協力者として巻き込み、データ収集から評価までを共同で行うこと。
   • 拒絶（Refusal）の受容: 分類やラベリングを拒否するクィアの実践（「拒絶」）を技術的に無視するのではなく、システム設計に組み込むこと。
   • 非英語圏の文脈: 英語圏以外の会議（IberLEF など）で進められている「希望のスピーチ検出」や「スラングの再評価」などの研究動向を参照し、多様な文脈での研究を促すこと。

5. 意義と結論 (Significance)

本調査は、NLP 分野が単に「バイアスを検出する」段階から、「クィアコミュニティの多様な実態と権利を尊重し、構造的な不平等に挑戦するシステムを構築する」段階へ移行する必要性を強く訴えています。

• 技術的意義: 現在のバイアス軽減手法の限界（テンプレートベースの限界、英語中心の偏り）を明らかにし、より堅牢で包括的な評価指標や手法の開発を促します。
• 社会的・倫理的意義: 技術が社会に与える影響を考慮し、クィアの人々がシステムから排除されたり、誤って分類されたりすることによる実害を軽減するための道筋を示します。
• 学際的アプローチ: 計算言語学だけでなく、社会学、ジェンダー研究、クィア理論との連携が不可欠であることを強調しています。

結論として、著者らは「より公正で包括的な NLP 技術」を実現するためには、単なる技術的修正ではなく、コミュニティ主体のデータ収集、交差性を考慮した研究デザイン、そしてシステム設計における「拒絶」の権利の尊重が不可欠であると提言しています。