Sztuczna inteligencja niemal całkowicie wyeliminowała postacie kobiece z opowieści o zwierzętach

Naukowcy z Uniwersytetu Waszyngtońskiego i Uniwersytetu w Princeton przetestowali sześć modeli językowych: Claude Sonnet 4.5, Gemini 2.5, GPT-4o, GPT-5.1, Mistral Medium oraz model otwarty Olmo 3.

Każdemu systemowi tysiące razy proponowano dokończenie krótkiej opowieści w języku angielskim. Zdanie początkowe informowało, że określone zwierzę zamierza udać się w jakieś miejsce, jednak jego płeć nie została sprecyzowana.

W zadaniach wykorzystano siedem zwierząt – niedźwiedzia, ptaka, kota, psa, mysz, świnię i królika. Miejscem akcji mogła być farma, kuchnia, rzeka lub sklep. Badacze zmieniali również „temperaturę” modelu – parametr wpływający na różnorodność i losowość odpowiedzi.

W sumie do analizy uwzględniono 23 800 kontynuacji wygenerowanych przez sztuczną inteligencję.

Postacie kobiece pojawiły się jedynie w 2% tekstów

W 40,6% opowieści model określał zwierzę jako postać męską. Bohaterki pojawiły się jedynie w 2,2% tekstów – czyli około 18 razy rzadziej.

W kolejnych 38,2% odpowiedzi sztuczna inteligencja wykorzystywała neutralne angielskie zaimki „it” i „its”, stosowane zazwyczaj w odniesieniu do zwierząt lub przedmiotów nieożywionych. W około 19% przypadków model w ogóle nie używał zaimków, powtarzając słowa takie jak „ptak” lub „niedźwiedź”.

W ten sposób około 57% postaci okazało się neutralnych lub nieposiadających wyraźnie określonej płci. Jednak przejście na neutralność nie zapewniło równej reprezentacji: bohaterowie płci męskiej nadal regularnie pojawiali się, podczas gdy bohaterki niemal całkowicie zniknęły.

Wynik zależał od zwierzęcia i modelu

Różne zwierzęta otrzymywały płeć z różnym prawdopodobieństwem. Koty częściej niż inne zwierzęta stawały się postaciami żeńskimi, jednak nawet w ich przypadku odsetek ten wynosił jedynie około 7%. Ptaki niemal zawsze pozostawały neutralne.

Różnice stwierdzono również między modelami. W wynikach przedstawionych przez badaczy modele Gemini 2.5 i GPT-5.1 wykazywały najbardziej wyraźną przewagę postaci męskich. Claude częściej niż inne systemy tworzył postacie żeńskie, ale ich odsetek i tak pozostawał wyjątkowo niski.

Olmo 3 rzadziej przypisywał zwierzętom płeć męską, jednak wynikało to głównie ze znacznie większej liczby odpowiedzi neutralnych, a nie ze wzrostu reprezentacji postaci kobiecych.

Neutralność mogła spowodować nowe zniekształcenie

Autorzy przypuszczają, że twórcy modeli komercyjnych mogli skonfigurować systemy w taki sposób, aby w niejednoznacznych sytuacjach unikały one przypisywania płci. Nie da się bezpośrednio zweryfikować tej hipotezy, ponieważ wewnętrzne mechanizmy i dane szkoleniowe większości testowanych modeli są niejawne.

Zdaniem badaczy taka strategia może prowadzić do paradoksalnego rezultatu. Model formalnie unika stereotypów, nadając większości postaci charakter neutralny, jednak pozostałe postacie nadal okazują się w przeważającej mierze męskie.

Autorzy nazwali ten efekt „neutrality bites” – sytuację, w której dążenie do neutralności nie eliminuje nierównowagi, a sprawia, że grupy mniej reprezentowane stają się praktycznie niewidoczne.

Dlaczego ma to znaczenie

Systemy generatywne są już wykorzystywane do tworzenia spersonalizowanych opowieści i materiałów edukacyjnych. Powtarzający się brak bohaterek może w sposób niezauważalny wpływać na to, jakie postacie dzieci postrzegają jako „zwykłych” uczestników przygód i osoby pełniące aktywne role.

Badacze uważają, że aby zmniejszyć tę nierównowagę, nie wystarczy po prostu unikać wszelkich oznaczeń związanych z płcią. Alternatywą może być bardziej równomierny rozkład różnych wariantów między postaciami.

Jednocześnie badanie to nie wskazuje, że modele świadomie wykluczają bohaterki. Odnotowuje ono wynik statystyczny wynikający z wykonania konkretnego zadania w języku angielskim.

Ograniczenia badania

Eksperyment obejmował wyłącznie język angielski, siedem zwierząt oraz jeden szablon krótkiej kontynuacji. Naukowcy nie analizowali pełnoprawnych książek dla dzieci, długich fabuł ani ilustracji tworzonych wraz z tekstem.

Badanie odnosi się również do konkretnych wersji sześciu modeli. Po aktualizacji systemów wyniki mogą ulec zmianie.

Ponadto analiza uwzględniała głównie używane zaimki i oznaczenia płci, a nie charakter bohatera, jego działania ani znaczenie w fabule. W związku z tym wniosków nie można automatycznie odnosić do wszystkich opowieści i materiałów dla dzieci tworzonych przez sztuczną inteligencję.

Źródło

Badanie: Imani Finkley, Yuanxi Li, Melanie Walsh. Neutrality Bites: Gender Representation in AI-Generated Animal Stories.

Publikacja: Materiały z konferencji ACM 2026 poświęconej sprawiedliwości, odpowiedzialności i przejrzystości, 2026 r.