Unheard in the Digital Age: Rethinking AI Bias and Speech Diversity
本文认为，人工智能语音识别系统中编码的结构性偏见使言语模式非典型的人群边缘化，因此有必要将言语多样性从单纯的无障碍问题转向通过包容性设计、反偏见训练和政策改革来将其视为一项基本的公平问题。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
核心理念：“流利度过滤器”
想象一下，社会是一个巨大的、嘈杂的音乐厅。为了获得座位、获得工作或被倾听，你必须以一种非常特定的方式歌唱：音调必须完美，节奏必须稳定，且口音必须清晰标准。如果你的声音出现裂音、结巴或听起来与众不同，门卫（社会）往往会认为你不是真正的音乐家，即便你拥有一首极其优美的歌曲要分享。
这篇论文指出，我们目前正在构建一个数字世界，它就像一个超级聪明但非常挑剔的门卫。它只允许那些听起来“完美”且“标准”的声音进入。如果你的声音与众不同（比如有口吃、有强烈的口音，或者有着神经多样性的说话节奏），数字之门就会在你面前砰地关上。
问题所在：“破碎的翻译官”
作者解释说，我们过度依赖像语音助手（Siri、Alexa）和自动化招聘工具之类的技术。把这些工具想象成翻译官，它们将你所说的语言转化为数字文本。
- 训练差距： 这些翻译官是在一个只有“完美”演讲者才被允许读书的教室里接受训练的。它们完美地学会了理解流利、标准的英语。
- 故障： 当一个有口吃或带有不同口音的人尝试说话时，翻译官会感到困惑。它可能会跳过单词，改变原意，或者干脆说：“我听不清你在说什么。”
- 结果： 这不仅仅是一个恼人的小故障；这就像是被抹除。如果一份求职申请是由一台无法理解你声音的电脑处理的，那么在人类看到你的简历之前，你就已经被拒绝了。论文称之为数字排斥。
隐藏的代价：“声音掩饰”
由于这个世界对于不同的声音来说难以驾驭，许多人感到被迫戴上了一副面具。
- 类比： 想象一下，你必须戴着一个沉重且不舒服的头盔，强迫你的嘴部以特定的方式运动，这样别人才会听你的。你必须反复练习每一句话，隐藏自然的停顿，并比你实际想表达的速度更快，以便听起来“正常”。
- 代价： 论文指出，这非常令人精疲力竭。这就像是背着一包石头跑马拉松。它会导致焦虑，让人感到缺乏自信，并导致人们选择保持沉默，而不是冒着被误解的风险去表达。他们停止分享想法，并不是因为没有想法，而是因为表达想法的代价太高了。
双重困境：“偏见叠加偏见”
论文指出，当你结合不同类型的“差异”时，情况会变得更加糟糕。
- 类比： 想象你正在试图穿过一个迷宫。如果你有口吃，迷宫会有额外的墙；如果你还有地区口音，迷宫会有更多的墙。如果你两者兼具，迷宫就会变成一座堡垒。
- 现实： 技术往往对同时拥有言语差异和非标准口音的人群失效。论文指出，这些系统对特定群体（如使用非裔美国英语的人群）存在偏见，将他们自然的说话方式视为“错误”或“无法理解”。
解决方案：搭建更好的舞台
作者们并不只是想“修复”人，他们想修复的是舞台和规则。以下是他们的计划：
共同创作（与用户一起构建）： 作者认为，不应该让工程师在实验室里构建语音技术并猜测什么有效，而应该与拥有多样化声音的人们一起构建。
- 类比： 如果你在为轮椅建造坡道，你不会询问一个双腿行走的人如何猜测坡度，而是会询问轮椅使用者来协助设计。语音技术也是如此。
公平招聘（盲测试镜）： 在求职面试中，论文建议我们不应仅仅根据说话的速度或流畅度来评判一个人。
- 类比： 想象一场音乐试镜，评委们戴着眼罩。他们看不见歌手的脸，也听不出对方的口音，他们只能听到音乐。如果我们移除了“流利度”带来的偏见，我们就能真正听到才华。
改变规则（政策）： 目前，法律虽然谈论针对视障或肢体障碍人士的“无障碍性”，但往往忽略了那些无法进行“正常”交谈的人。
- 类比： 这就像是一项建筑规范，要求为轮椅使用者配备电梯，却忘记提到对于有口吃的人来说，正门也是锁着的。论文指出，我们需要修改规则，使“言语多样性”得到明确保护，就像身体残疾一样。
总结
论文得出结论：流利度并不等同于智力。 仅仅因为某人说话缓慢、重复单词或带有口音，并不意味着他们不聪明、没有能力或无法成为领导者。
我们目前正在构建一个只倾听人类极小一部分成员的数字未来。要解决这个问题，我们不能试图去“修复”说话的人，而要开始修复那些拒绝倾听的系统。我们需要设计出这样的技术和政策，向世界宣告：“你的声音很重要，就按你原本的样子。”
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。