生成式 AI 放大性別偏見　區塊鏈成女性就業新解方

生成式人工智慧（AI）技術快速滲透至各行各業，但其內在「性別偏誤」問題正逐漸浮上檯面，特別對女性職場造成重大威脅。根據國際勞工組織（ILO）於 24 日發布的報告指出，在高收入國家中，女性職位中有高達 10% 正面臨生成式 AI 的直接替代風險，這一比例接近男性的三倍，顯示女性在就業市場的處境日益嚴峻。

AI 演算法常透過「再現過去」的方式運作，使得既有的性別差異被進一步放大。例如，當要求 AI 描繪一位領導者時，大多生成男性形象；反之，要求產出照護工作場景，則多數生成女性形象。這種「偏誤的回饋迴圈（bias feedback loop）」現象，早已被聯合國婦女署（UN Women）點名為加深性別不平等的關鍵因素，並已深入招聘、貸款、醫療等重要程序中。

目前全球女性在 AI 領域的參與度依舊不足。資料顯示，具備 AI 工程技能的女性僅占 29.4%，遠遠落後於男性，加上訓練資料本身已帶有偏見，缺乏多元開發與審查人力，形成技術與結構性的靜態惡性循環。尤其，許多女性集中從事的行政與秘書職位，往往是 AI 自動化初期就會被取代的高風險工作。

評論：這顯示技術發展並非自然中立，而是深受過往社會結構與價值觀影響。一旦我們忽視這點，就容易讓偏誤在「效率」的名義下合法化。

在這種現況下，區塊鏈技術正被視為破解性別偏見的一項可行方案。區塊鏈的「透明性」特質，可用於追蹤 AI 模型訓練資料來源，避免資料在收集與使用過程中出現扭曲或歧視性操控。例如，女性可透過鏈上學歷與技能驗證，安全記錄其學習、職涯甚至照顧勞務的經歷，避免在人工審核簡歷過程中因育兒空白而被系統化排除。

另外，若將報酬制度移植至智慧合約中運作，即可有效自動執行「同工同酬」的標準，抑制私人演算法任意調整薪酬的行為。而最關鍵的是，透過加密簽章與元資料標示，AI 訓練數據中是否涉及性別標籤與偏誤，可被完整追蹤與審核，進一步讓審查人員排除有問題的模型。

評論：這不僅涉及技術公正，也影響區塊鏈生態系的長遠發展。女性若無法被納入參與，Web3 生態系將失去其倡議中的多元與去中心化價值根基。

因此，有愈來愈多專家倡議，各國政府應制定政策，強制所有在招聘、信貸核准、公家系統等範疇中使用的 AI 模型，其訓練資料應於鏈上公開來源。若模型缺乏資料來源透明度，則不得用於任何自動判斷決策。政府的採購以及稅賦優惠措施，也應回饋於彰顯女性參與貢獻的區塊鏈專案，例如用代幣符號化創作、育兒勞務或科學工作，讓這些價值重新獲得制度性的報酬與保障。

儘管部分業界聲音擔憂，區塊鏈可能讓問題變得更加複雜，但實際上，這些複雜性原本就已存在，只是從未被曝光。區塊鏈正是打開黑箱的工具，讓公民社會與專家能夠在一個透明的平台上檢視、討論並優化相關演算法與政策結構。

AI 的發展不能再次重複歷史中對弱勢的排除。透過區塊鏈這種無法竄改的技術架構，女性的勞動與貢獻得以在未來的科技設計中佔有一席之地，真正成為「共同作者」的一部分。AI 並非宿命，而是一個可以設計的工具，如今正是展開鏈上設計的時刻。唯有如此，女性才能從統計上的被動接收者，轉變為決定未來走向的積極參與者。

關鍵詞：生成式 AI、性別偏見、女性就業、區塊鏈、資料透明、Web3、去中心化