人工智能在性别平等中的作用：亚洲及太平洋地区机遇与挑战
人工智能（AI）正迅速重塑亚洲及太平洋地区的经济和社会，预计到2027年全球AI市场规模将达到4070亿美元。然而，AI的益处分布不均，女性在AI生态系统中严重代表性不足，仅占专业角色的30%和研究职位的12%，且面临不平等的数字接入问题。偏见AI系统往往限制女性机会并强化刻板印象，而“性别盲”的国家AI战略进一步限制了女性的数字参与和领导力。
AI与性别关系的挑战与风险主要体现在四个阶段：设计、部署、使用和治理。
-
设计与开发：偏见基础
AI系统受制于创建者的数据、设计选择和假设，缺乏包容性方法可能导致偏见和伤害。女性在AI研发中的系统性代表性不足，导致AI工具反映、复制和强化性别刻板印象。例如，大型语言模型（如GPT-2和Llama 2）将女性与家务角色关联，男性与职业角色关联。此外，数字助理默认使用女性声音，强化女性顺从的传统性别规范。
-
部署与接入：不平等访问
数字基础设施和素养差距限制了公平接入。2024年，南亚女性使用移动互联网的可能性比男性低约32%；全球仅20%的低收入国家女性接入互联网。即使基础设施完善，照料责任也限制了女性提升数字技能的时间和灵活性。技术促进的性别暴力（TFGBV）进一步降低了女性的数字参与意愿。
-
使用与影响：强化性别不平等
AI偏见源于忽视性别的设计选择，影响招聘、医疗、金融、教育和公共服务决策。例如，招聘算法因偏见训练数据惩罚包含“女性”一词的简历；信贷评分模型对非正式就业历史的女性不利；性别盲数据集导致医疗诊断不准确。亚洲及太平洋地区21%的女性就业岗位面临自动化风险，其中行政、零售和护理岗位尤为脆弱。
-
治理与监管：缺失性别视角
亚洲及太平洋地区大多数国家AI战略缺乏对性别平等的明确考虑。截至2023年，14个国家发布AI相关政策，但仅马来西亚和巴基斯坦包含性别平等相关内容。数据保护、算法问责制和伦理监督等关键问题缺乏性别响应框架，性别审计不常见，女性在监管机构和伦理委员会中代表性不足。
AI为女性赋权的机遇
包容性AI设计、部署和治理可减少不平等，扩大女性经济机会，改善服务获取，并增强数字空间安全。
-
设计包容性AI系统
让女性和女孩参与定义问题、构建数据集和指导模型开发，可提升AI的准确性、响应性和公平性。例如，印度Karya通过让农村妇女参与数据生产，构建了反映当地语言和性别细微差别的包容性数据集。
-
推进性别平等使用
设计用于公平劳动、教育和公共服务的AI工具可减少结构性不平等。例如，印尼Amartha利用AI驱动的信贷评分和包容性服务设计，为缺乏抵押品或正式历史的女性创业者提供金融支持。
-
扩大包容性AI工具接入
语音驱动、移动优先的工具，特别是为低识字率和多语言环境设计的工具，可帮助缩小性别接入差距。AI赋能的孕产妇健康应用程序和基于语音的工具可改善服务获取。
-
包容性治理与政策改革
政府和公共机构应将性别考虑纳入国家AI战略、政策法规框架和问责机制。需要强有力的法律和伦理保障，特别是在TFGBV等敏感领域。韩国的立法经验表明，法律和监管框架可适应保护女性免受快速变化的数字环境威胁。
建议
为确保AI促进性别平等，策略应应对结构性风险，并基于包容性创新。建议指导原则包括：代表性与包容性、性别分异和背景数据、嵌入式保障措施、超越接入的成果衡量。
-
政策与治理：制定包容性框架
将性别平等纳入AI政策和监督机制，要求使用性别分异和本地化数据，以及进行性别审计和偏见评估。
-
能力建设：弥合能力差距
扩大女性和女孩的AI和数字素养，重点关注教育到就业途径、基于社区的学习和弱势地区的职业培训。培训开发者、工程师和监管者，使其具备检测和减轻AI设计中偏见的能力。
-
项目与计划：在AI设计与使用中融入性别
将性别考虑纳入项目初期，与女性、公民社会和当地社区共同设计解决方案，确保工具适用于低识字率和低连接环境，嵌入风险检测和响应机制，并包含数字安全设计功能。
-
金融与创新：支持性别包容性技术
公共投资者应设立专用融资窗口、创新挑战和混合金融工具，支持包容性AI。私人投资者可将资源投入整合性别响应AI解决方案的产品。
结论：AI应被视为赋权而非排斥的工具。通过将平等融入政策、投资女性数字领导力、确保女性代表、保障权利、扩大公平接入数字工具和素养，并确保AI系统反映所有用户的现实和愿望，可构建一个技术赋能而非限制人类能动性、安全和参与的未来。
