Відтворення гендерних стереотипів у системах машинного перекладу (на матеріалі української та англійської мов)

Abstract

У статті проаналізовано вияви гендерної упередженості в машинному перекладі, спричинені специфікою алгоритмів штучного інтелекту та особливостями навчальних корпусів. Особливу увагу приділено тому, як автоматизовані системи перекладу відтворюють і закріплюють гендерні стереотипи, особливо під час перекладу між мовами, що мають відмінні граматичні системи. Розглянуто специфіку передачі гендерно-маркованої лексики, зокрема назв професій і посад, які залежно від контексту та статі особи можуть перекладатися за допомогою фемінітивів або маскулінітивів, враховуючи необхідність підкреслення гендерної специфіки. У рамках аналізу гендерної упередженості в системах машинного перекладу було встановлено, що її формування обумовлено комплексом лінгвотехнологічних та соціокультурних факторів. Першочергове значення має антропоцентрична природа навчальних даних, які, будучи відображенням історичного мовного вжитку, інкорпорують традиційні гендерні стереотипи та асиметричні моделі соціальних взаємин. Сукупність таких даних формує систематичне відхилення в алгоритмічній обробці мови. Визначено ключові виклики, що виникають під час перекладу нейтральних гендерних форм, а також проблеми забезпечення точності й стилістичної адекватності перекладеного тексту. У статті розглянуто сучасні підходи до подолання гендерної упередженості в машинному перекладі, зокрема методи вдосконалення моделей для врахування гендерного контексту, впровадження додаткових анотацій у навчальні корпуси та застосування алгоритмів, що дозволяють користувачам обирати бажаний гендерний варіант перекладу. Особливий акцент зроблено на аналізі впливу культурних і мовних особливостей на процес автоматичного перекладу, а також запропоновано стратегії, спрямовані на мінімізацію гендерних стереотипів. У статті також розглядається соціокультурний контекст, у межах якого гендерна упередженість виявляється через явище гендерної сегрегації на ринку праці. Проаналізовано ключові причини цього явища, серед яких виокремлено поширені гендерні стереотипи, економічні чинники, соціальні ролі, історично сформовані обмеження та особливості мовних практик. Показано, як мовні норми та традиції віддзеркалюють і водночас закріплюють гендерну сегрегацію на ринку праці. Наголошується, що процес адаптації мови до принципів гендерної рівності є невід’ємною складовою ширших соціокультурних трансформацій, спрямованих на подолання гендерних нерівностей у суспільстві. Дослідження підкреслює важливість інтеграції принципів гендерної рівності в процеси розробки та вдосконалення систем машинного перекладу. Виокремлено ключові напрями для подальших наукових розвідок, серед яких: розширення навчальних корпусів текстами, що враховують гендерну інклюзивність; впровадження адаптивних алгоритмів для корекції гендерної упередженості; а також аналіз впливу технологій машинного перекладу на формування суспільних уявлень про гендерні ролі.

The article examines the manifestations of gender bias in machine translation, arising from the specific characteristics of artificial intelligence algorithms and the composition of training corpora. Particular attention is paid to how automated translation systems reproduce and reinforce gender stereotypes, especially when translating between languages with distinct grammatical structures. The study examines the specifics of rendering gender-marked vocabulary, particularly occupational titles and positions, which may be translated using either feminine or masculine forms depending on the context and the gender of the individual, while considering the necessity of emphasizing gender specificity. In the analysis of gender bias in machine translation systems, it has been established that its formation is driven by a combination of linguistic, technological, and sociocultural factors. A primary factor is the anthropocentric nature of training data, which, as a reflection of historical language usage, incorporates traditional gender stereotypes and asymmetric models of social interaction. The accumulation of such data leads to systematic biases in algorithmic language processing. Key challenges associated with translating gender-neutral forms and ensuring the accuracy and stylistic adequacy of the translated text are identified. The article explores contemporary approaches to mitigating gender bias in machine translation, including methods for improving models to account for gender context, incorporating additional annotations into training corpora, and implementing algorithms that allow users to select their preferred gender variant of the translation. Special emphasis is placed on analyzing the impact of cultural and linguistic factors on the automatic translation process, as well as proposing strategies aimed at minimizing gender stereotypes. The study also examines the sociocultural context in which gender bias manifests through the phenomenon of gender segregation in the labor market. Key causes of this phenomenon are analyzed, including widespread gender stereotypes, economic factors, social roles, historically established constraints, and linguistic practices. The article demonstrates how linguistic norms and traditions both reflect and perpetuate gender segregation in the labor market. It is emphasized that adapting language to the principles of gender equality is an integral part of broader sociocultural transformations aimed at overcoming gender inequalities in society. The research underscores the importance of integrating gender equality principles into the development and improvement of machine translation systems. Key directions for further scholarly inquiry are outlined, including expanding training corpora with texts that account for gender inclusivity, implementing adaptive algorithms to correct gender bias, and analyzing the impact of machine translation technologies on shaping societal perceptions of gender roles.