Генеративный искусственный интеллект редко делает говорящих животных в детских рассказах женскими персонажами. Анализ 23,8 тыс. текстов, созданных шестью языковыми моделями, показал, что только 2% героев получили женский гендер. Мужскими оказались 41% персонажей, а остальные 57% модели оставили без указания пола или обозначили нейтрально.
Работа продолжила предыдущий проект, посвящённый гендеру животных в популярных детских книгах. Тогда исследователи изучили 300 произведений и обнаружили, что большинство часто встречающихся животных изображали мужскими персонажами. Исключение - кошки, утки и птицы, среди которых немного чаще встречались женские образы.
Особенно сильный перекос наблюдался у лягушек и волков. Вероятность того, что автор назовёт такого персонажа местоимением «он», превышала 90%.
Дополнительный эксперимент с участием 1300 человек дал ещё более выраженный результат. Добровольцев просили продолжить короткую историю о говорящем животном. Во всех проверенных случаях участники чаще выбирали для героя мужской гендер.
После этого исследователи решили выяснить, как с аналогичной задачей справятся современные языковые модели. В эксперимент вошли Claude Sonnet 4.5, Gemini 2.5, GPT-4o, GPT-5.1, Mistral Medium и открытая модель Olmo 3.
Каждая система тысячи раз продолжала фразу о животном, которое отправилось на ферму, кухню, к реке или в магазин. В качестве персонажей использовали медведя, птицу, кошку, собаку, мышь, свинью и кролика. Исследователи также меняли параметр случайности генерации, однако место действия и температура почти не повлияли на итоговое распределение.
Заметная разница возникла между видами животных. Кошки становились женскими персонажами в 7% случаев, что оказалось самым высоким результатом. Птиц модели оставляли гендерно нейтральными в 96% ответов.
Самый выраженный мужской перекос обнаружили у GPT-5.1 и Gemini. Мужскими оказались соответственно 65% и 63% созданных ими персонажей. Claude чаще остальных моделей использовала женские образы, но даже у неё доля достигла лишь 4%.
Olmo 3 показала противоположную тенденцию. Мужскими были только 12% её героев, однако это не привело к росту числа женских персонажей. В 85% историй модель просто избегала указания пола.
Нейтральность обычно создавалась двумя способами. Модели повторяли название животного вместо местоимения или использовали английское it. Местоимение they для одного персонажа появилось лишь дважды во всём массиве ответов. В аналогичном эксперименте с людьми такой вариант встречался примерно в 3% текстов.
Авторы предполагают, что разработчики могли специально настроить модели, чтобы те не указывали пол в неоднозначных ситуациях. Только вот в результате нейросети не просто повторяют человеческий перекос, а преобразуют его в новую форму. Исследователи также заметили повторяющиеся сюжетные шаблоны . Например, модели регулярно создавали мудрую старую сову, которая собирает животных у костра. Подобные совпадения могут указывать на более широкие стереотипы, связанные с возрастом, характером, социальными ролями и устройством детских историй.
Пока исследование охватывает только тексты на английском языке. В дальнейшем специалисты планируют проверить другие языки и изучить, какие ещё общественные стереотипы нейросети воспроизводят в текстах. Особое значение проблема приобретает на фоне появления сервисов, которые позволяют родителям и учителям автоматически создавать персонализированные детские книги . Интересно было бы узнать, какие клише обнаружатся в русскоязычных историях.