2 月 9 日，纽约时报英文网站发表一篇文章，指出如今非常热门的 AI 应用人脸识别，针对不同种族的准确率差异巨大。其中，针对黑人女性的错误率高达 21%-35%，而针对白人男性的错误率则低于 1%。
文章引用了 MIT 媒体实验室（MIT Media Lab）研究员 Joy Buolamwini 与来自微软的科学家 Timnit Gebru 合作的一篇研究论文《性别图谱：商用性别分类技术中的种族准确率差异》（Gender Shades: Intersectional Accuracy Disparities inCommercial Gender Classification）中的数据。
论文作者选择了微软、IBM 和旷视（Face++）三家的人脸识别 API，对它们进行性别判定的人脸识别功能测试。以下为两组准确率差异最大的人群。
论文研究使用了自行收集的一组名为 Pilot ParliamentsBenchmark (PPB) 数据集进行测试，里面包含 1270 张人脸，分别来自三个非洲国家和三个欧洲国家。
在判断照片人物性别方面，以下是论文作者测试后得到的关键发现：
所有的分类器在识别男性人脸上的表现要优于女性人脸（8.1%-20.6%的错误差别）
所有分类器在肤色较白的人脸上表现优于肤色较深的人脸（11.8%-19.2%的错误差别）
所有分类器在肤色较深的女性人脸上表现最差（错误率在 20.8%-34.7% 之间）
微软和 IBM 的分类器在浅肤色男性人脸上表现最好（错误率分别为 0% 及 0.3%）
Face++ 的分类器在肤色较深的男性人脸上表现最好（错误率 0.7%）
最差的一组与最好的一组差距高达 34.4%
