性别数字鸿沟是指女性与男性在数字技术获取、使用和技能方面的差距，这种差距往往因收入、地理和教育等交叉因素而加剧。它不仅仅是硬件可得性的问题，还包括连接性、数字素养、在线参与以及科技领域代表性方面的差距，其中包括人工智能系统的开发。这些差距决定了谁从技术进步中受益、谁被落下，并对经济机会、社会包容和新兴技术的设计产生影响。
衡量这一鸿沟一直是国际组织关注的焦点。国际电信联盟（ITU）自2000年代初以来一直追踪按性别分列的互联网使用统计数据，其报告显示，2023年全球女性互联网使用率约为63%，而男性为69%，估计在线女性比男性少2.44亿。这一差距在低收入和中等收入国家最为显著，尤其是在撒哈拉以南非洲和南亚，这些地区的手机拥有率也明显落后。GSMA 2024年年度《移动性别差距报告》的数据显示，低收入和中等收入国家的女性拥有智能手机的可能性比男性低15%，这一数字近年来一直顽固地保持稳定。
鸿沟的驱动因素
社会经济和文化因素是主要驱动因素。成本仍然是首要障碍，因为女性往往可支配收入较少，且面临相对较高的数据和设备成本。许多地区的社会规范限制了女性的流动性和自主权，限制了她们前往网吧或购买手机的能力。教育程度与数字素养密切相关，而性别教育差距，尤其是在农村地区，阻碍了女性使用数字界面的能力。安全问题也起作用；皮尤研究中心等机构的调查一致发现，女性遭受网络骚扰的比例更高，这抑制了她们的参与。此外，缺乏针对女性需求的定制内容和数字技能培训，使低使用率模式持续存在。
人工智能领域的鸿沟
在科技行业内，性别数字鸿沟延伸到劳动力队伍和AI系统的设计。主要AI公司（包括OpenAI、Anthropic、Google DeepMind和Amazon Web Services）的技术岗位中女性占少数，估计全球AI研究岗位中女性约占25%。这种代表性不足影响了机器学习模型的开发。例如，基于有偏见文本语料库训练的自然语言处理系统可能继承性别刻板印象，导致算法将医生与男性代词关联、护士与女性代词关联。Timnit Gebru等研究人员的研究已记录了大语言模型输出中的这些偏见。用于招聘工具的AI助手，基于有偏差的数据集开发，历来会惩罚包含“女性”一词的简历或全女子学院的毕业生。
深度学习实验室和神经网络研究团队等场所缺乏多样性也影响产品优先级。Waymo和Tesla等公司的自动驾驶汽车开发因主要使用男性碰撞测试假人而受到批评，这可能影响女性乘客的安全。同样，Intuitive Surgical等公司的健康AI依赖的数据有时忽视生理上的性别差异。
经济和社会后果
女性被排除在数字经济之外具有可衡量的经济影响。世界银行估计，缩小性别数字鸿沟可为全球GDP增加数十亿美元，因为女性将获得在线市场、移动银行和远程工作机会。在农业领域，使用移动咨询服务的女性农民可提高产量，但她们拥有必要设备的可能性较低。Bhabha Atomic Research Centre等公共机构已启动为农村女性提供数字素养培训的项目，但规模仍然有限。包括MIT CSAIL和Stanford AI Lab在内的教育平台提供开放课程，但女性在高级计算项目中的注册率滞后，加剧了未来劳动力队伍的差距。
政策和行业应对
政府和非政府组织已发起有针对性的举措来弥合这一鸿沟。联合国国际女孩信息通信技术日（每年4月举行）鼓励成员国支持年轻女性的科技教育。GSMA的“互联女性”项目等组织已培训了数百万女性掌握移动素养。私营部门的努力包括Amazon Web Services的教育奖学金和Google Cloud针对云计算领域女性的启动项目。卢旺达和肯尼亚等一些国家实施了性别敏感的宽带政策，使2019年至2023年间女性互联网使用率提高了10个百分点以上。值得注意的是，Arm Holdings和Nokia Bell Labs赞助了针对服务不足社区的低成本连接解决方案的研究，认识到仅靠基础设施并不能确保公平使用。
未来方向
随着AI系统日益融入日常生活，解决性别数字鸿沟对于避免自动化歧视至关重要。研究人员主张采用更具包容性的数据收集实践和透明的算法审计，以关注OpenAI等公司模型的意识。Xerox PARC和BAIR (Berkeley AI Research)的倡议正在探索女性共同创造技术的参与式设计方法。向生成式AI工具的转变增加了紧迫性；如果女性不是平等的使用者和生产者，这些工具很可能从男性中心视角设计。弥合鸿沟需要多方利益相关者采取行动：改善农村地区的连接性、降低设备成本、开展文化敏感的数字素养培训，以及在招聘和产品设计方面进行系统性变革。韩国和斯堪的纳维亚等地区的证据表明，有针对性的政策已将使用率差距降至2%以下，这表明在持续承诺下进步是可能的。
衡量与批评
学者指出，性别数字鸿沟不是二元对立，而是一个谱系，与年龄、残疾和城乡状况相交织。调查往往低估非正式使用，如共享设备访问或借用手机以及非正式社交媒体使用。一些批评者认为，仅关注女性的不足忽视了结构性不平等，建议采用“性别变革性”方法而非简单包容。民间社会团体OpenPanel联盟提出了基于伦理的标准，要求科技公司报告劳动力多样性，包括Intel和AMD在内的多家公司已开始采用，但披露程度各不相同。缺乏按性别分列的数据仍然是追踪进展的持续挑战。