6]他说，女性需要
是“长期培训”——只要女人们“愿意”接受培训就行。沙尔克感叹道，但她们根本不想。就像在孟加拉国那些固执己见、总是买错炉子女人
样，买车女人也总是不合理地期望软件开发人员设计出款适合她们语音识别产品，但很明显，需要解决问题是女人自己。为什
女人不能更像男人呢？
蕾切尔·塔特曼驳斥
这种认为问题在于女性声音而不在于技术无法识别女性声音说法：研究发现，女性具有“明显更高语音可辨度”，[27]这可能是因为女性发出元音往往较长，[28]语速比男性稍慢。[29]与此同时，男性“说话不流畅概率更高，使用单词持续时间略短，而且使用替代（‘含混’）发音更多”。[30]考虑到所有这些因素，语音识别技术应该更容易识别女性而不是男性声音——事实上，塔特曼写道，她已经“利用女性语音数据对分类器进行训练，而且谢天谢地，效果很好”。
当然，问题不在于女性声音，而在于
们老朋友——性别数据缺口。语音识别技术是在名为语料库大型语音记录数据库上进行训练。这些语料库主要收录男性声音录音。无论如何，就们所知：大多数语料库中声音素材都未按性别分类，当然，这本身就是个数据缺口。[31]当塔特曼研究语音语料库性别比例时，只有TIMIT（“语言数据联盟中最受欢迎语音语料库”）家提供按性别分类数据。当中69%是男性。但与这些发现所暗示相反，事实上有可能找到女性说话录音：从英国国家语料库（BNC）[32]网站上数据来看，该语料库是性别平衡。[33]
不光是语音语料库会催生偏向男性算法。文本语料库（由小说、报纸文章、法律教科书等各种文本组成）被用来训练翻译软件、简历扫描软件和网络搜索算法，它们数据也充斥着性别数据缺口。搜索英国国家语料库[34]（收录20世纪晚期大量文本中1亿个单词），发现女性代词出现率始终只有男性代词半左右。[35]尽管当代美国英语语料库有5.2亿个词，收录近至2015年文本，但男女代词比例也是2比1。[36]依据这些满是缺口语料库来训练算法，就给人留下这样种印象：这个世界实际上是由男性主宰。
图像数据集看来也存在性别数据缺口问题：2017年，项对两组常用数据集分析发现，男性图像数量远超女性图像；这两组数据集包含“来自网络10万多张复杂场景图像，并附有说明”。[37]华盛顿大学项类
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
