数据在性别差距上的盲点
1829字
2019-10-27 13:08
59阅读
火星译客

美国国家航空航天局(NASA)计划在上月底进行首次全女性太空行走。但就在这一历史性事件发生的四天前,他们取消了计划,换上了一名男性宇航员,原因是尺寸合适的宇航服数量不足。

不幸的是,女性常常不得不凑合着使用专为男性设计的设备,这种疏忽可能不仅仅是一种公关上的尴尬。许多警察穿的防弹背心无法容纳女性的胸部,导致防护装备上浮,穿着者的躯干暴露在外。虽然美国军方为女性设计的制服做到了合身这一点,但他们所设计的靴子却未能考虑到女性的窄脚和高拱的脚背。设备设计并不是性别差距存在的唯一领域。

记者卡洛琳·克里亚多·佩雷斯在她的新书《看不见的女人:揭露为男性构建的世界里,数据中的性别差距》中解释了从医学到交通,这些领域的研究人员所采集的数据中何为漏掉了女性。这种性别偏见存在于家庭、工作和生活中的方方面面,不仅会引起麻烦和不便,甚至也会造成致命的伤害。例如,汽车安全系统上的测试和默认设置都是围绕男性进行设计的,不一定会保护女性的生命安全。的确,在车祸中,女性死亡的可能性比男性高17%,受重伤的可能性比男性高47%。

《科学美国人》采访了克里亚多·佩雷斯,讨论了为什么数据中存在这种性别差距,以及我们如何着手解决这个问题。

(以下是经过编辑的采访记录。)

是什么让你决定写《隐形的女人》这本书?

这是关于心脏病发作的数据:我一直认为判定心脏病发作的常规症状是胸部和左臂以下疼痛,但我发现这一标准实际只适用于男性,而女性往往会经历不同的心脏病发作症状。(编辑。注意:在心脏病发作时,只有八分之一的女性会感到胸痛,但同时可能会出现不同部位的疼痛,包括下巴和背部,以及呼吸急促和恶心。因此,女性被误诊了,所以这不仅仅是公共卫生信息不够完善的问题;这则案例也反映了医生在未经培训的前提下无法识别出女性潜在的致命症状。

但我竟对此闻所未闻,这太让我震惊了。我们所接受的教育告诉我们科学和医学是客观事物,事实就是事实。但结果证明,医学和其他领域一样,严重缺乏女性。

在这本书中,你还谈到了几则有关数据中的性别差距以无从预料的方式影响日常生活的事例,你能谈谈除雪的例子吗?

清除积雪是对这整个问题的有力概括。在瑞典一个叫卡尔斯科加的小镇上,他们正在对所有的政策进行性别审查。事实证明,除雪这件事与性别有很大关系。他们传统的做法和许多城镇一样:首先清理主干道,然后转移到当地的道路和人行道上。这就使得男性出行比女性出行更受重视,因为男性更有可能在主要道路上通勤,而且他们开车的可能性更大。也有部分原因是女性的积蓄更少,而且如果一个家庭有一辆车,男性在使用权方面往往占主导地位。女性选择搭乘公共交通或步行的可能性更大。

(在卡尔斯科加)他们决定改变路线,先在当地的道路和人行道上行驶,因为他们认为在三英寸厚的雪中开车比在这种条件下走路或推婴儿车行走要容易得多。但他们没想到的是,这也会为他们省钱。住院率骤降:以前,妇女们可能会在结冰的路面上打滑和跌倒,而现在这种情况不存在了。如果他们所采集的关于谁在结冰的路面上摔倒导致住院数据是按性别分列的,那么他们的第一反应是女性居多。然后他们会问,“为什么?”,(知道原因后)他们就会走到雪地上开始铲雪。

我们知道女性比男性更容易死于心脏病。女性数据的不足还会在哪些方面影响医疗保健?

问题是女性的身体状况和男性是不同的,同时我们还发现性别差异的影响甚至蔓延到细胞。到目前为止,我们掌握的证据表明,女性身体对药物的反应确实与男性不同,女性在各种疾病上所表现出的症状不同,病情的发展状况也不同。如果我们把所有的知识都建构在男性身体的基础之上,我们最终将无法发现和治疗女性的疾病。事实就是如此。

至于对药物的不良反应方面,女性比男性要强得多。女性对药物第二常见的不良反应是药物根本不起作用。但这些药物其实已经在男性身上进行了测试。

另一项研究高度暗示了我们可能错过了许多对女性有效的治疗方法。他们取来男性和女性细胞,让它们接触雌激素,然后让它们接触病毒。雌性细胞能够利用雌激素抵抗病毒,而雄性细胞则不能。如果他们只是在男性细胞中进行测试,尽管目前90%的研究都是这样,那么他们就会得出结论,雌激素与此无关。

为什么研究人员没有收集关于女性的数据?

我不认为这足以归咎于试图伤害甚至杀害女性的巨大阴谋。问题是我们太习惯于把男性的身体和生活方式看作是衡量人类整体身体表现和行为方式的标准。医学研究人员说,“女人太复杂了,很难测量,因为女人有月经周期。”“是的,女性确实有月经周期——但如果你真的从逻辑上思考这50%的人其身体各方面的具体表现,我不认为你会找这个借口。”只有当你认为女人是男人的变种时,你才会找这样的借口。这就是为什么我们总是在数据采集是漏掉女性这部分。

有些人认为算法和人工智能可以帮助消除性别偏见,但你不同意这个观点。

问题是经算法训练的数据集是非常男性化的。我们知道,算法会放大偏见,即如果你向它们提供有偏见的数据,它们会变得越来越带有偏见。这一现象立竿见影。例如,市场上最先进的谷歌语音识别软件识别出女性声音的可能性比识别男性声音的可能性低70%,这是因为它的算法是在一个严重偏向男性的语音数据库中训练而成的。

但我更关心这些算法的未来,因为它们对我们的生活越来越重要。例如,依靠算法决定什么样的简历能够让各界目光聚焦于此。科技界似乎对他们存在的男性主导的偏见问题毫不在意,算法上的错误接连不断的发生,可见科研人员们并未控制住局面。可笑的是,苹果忘记在其综合健康应用程序中加入经期跟踪器,或者Siri能帮你找到伟哥,却找不到堕胎服务提供商。他们指出,有一个行业还没有掌握设计(算法)让女性和男性同样受益的方法。最糟糕的是,这些都是私有公司,所以这些算法作为私有软件受到保护,我们甚至不能检查它们内部的偏见。我觉得这很令人担忧。

我们应该如何解决这个问题呢?

我无法给出一个令人兴奋的答案。因为解决方案说白了就是“收集关于女性的数据,并将其从男性数据中分离出来”。“一方面,这让我对改变现状充满希望,因为它很简单;我们只需要有意愿去做。另一方面,我感到有点绝望,因为我并不是唯一一个注意到这一点的人。就像我说的,已经有很多了不起的研究人员在研究这个问题,但是他们不愿意为之改变。

显而易见的是,除非你对此进行监管,否则现状得不到改变。举个例子,放眼医学研究你会发现,若非国家卫生研究院(NIH)的资助,事情仍未得到改善。这一资助旨在将女性纳入人类的医学试验之中,并且他们目前也已经将这种试验放在动物身上进行过了。这大大增加了参与研究的女性人数。但是如果你是一家私人制药公司,大量的临床药物试验将受其资助,或者如果你在做仿制药的话,就没有这样的要求,这就导致女性在临床试验中更加不具代表性。政府需要认识到这一问题的严重性,认识到这不是他们仅因为不愿意做就差遣公众而得以解决的事情。

立法者之外的人呢?我们又能做些什么来帮助解决数据中的性别偏见呢?

我认为每个人都可以也应该挑战这些围绕男性进行设计的默认设置,并将男性从这些默认领域驱逐出去。正如当你谈论体育运动时,我们会说“足球”而不是“男式足球”,但我们总是说“女性足球”。部分问题在于,我们大多时候并未意识到我们在做这件事。当我们认为我们在谈论性别中立时,实际上我们是在谈论男性。它让我们意识不到正在发生的事情。我认为,改变这一点将对解决这一问题有相当大的帮助。

0 条评论
评论不能为空