Effect of Gender Fair Job Description on Generative AI Images
Created by
- Haebom
Category
Empty
저자
Finn Bockling, Jan Marquenie, Ingo Siegert
개요
본 논문은 OpenAI DALL-E 3 및 Black Forest FLUX.1을 사용하여 생성된 STEM 분야 직업 이미지에서의 성별 표현을 분석했습니다. 독일어 일반 남성형, 독일어 짝 형태, 영어의 세 가지 언어 형태로 150개의 프롬프트를 사용하여 STEM 직업 이미지와 사회 직업 이미지(대조군) 20개를 생성했습니다. 분석 결과, 모든 언어 형태에서 남성 편향이 유의미하게 나타났으며, 독일어 짝 형태는 편향이 감소했지만 STEM 분야에서는 여전히 남성을 과대표하고, 사회 직업 분야에서는 혼합된 결과를 보였습니다. 이는 생성형 AI가 사회적 편향을 강화하는 역할을 한다는 것을 강조하며, AI의 다양성에 대한 추가적인 논의의 필요성을 보여줍니다. 나이 분포와 인종 다양성 또한 분석되었습니다.
시사점, 한계점
•
시사점: 생성형 AI가 사회적 성 편향을 재생산할 수 있음을 보여줌. AI의 다양성 확보를 위한 추가적인 연구 및 논의 필요성 제기. AI 모델의 편향성을 줄이기 위한 기술적 및 사회적 해결책 모색 필요성 제시. 다양한 언어와 표현 방식에 따른 편향의 차이를 분석하여 편향 완화 방안 마련에 기여.
•
한계점: 분석에 사용된 프롬프트 수 제한. 샘플의 대표성에 대한 추가적인 검토 필요. 다양한 AI 모델에 대한 일반화 가능성 제한. 나이 및 인종 다양성 분석에 대한 세부 내용 부족. 편향 감소 방안에 대한 구체적인 제안 부재.
