Google改进翻译服务，使用新的方法来解决翻译上的性别偏差，Google提到，比起过去旧的方法，新方法更具可扩展性，尤其在将性别中立的语言翻译成英文的时候。Google目前在英文到西班牙文的翻译中应用新方法，并且还计划扩展芬兰文、匈牙利文和波斯文和土耳其文到英文的性别翻译功能。
语言翻译的机器学习模型，可能会因为训练资料中存在的社会偏见而出现偏差，性别偏差就是其中一个例子，像是Google翻译在翻译土耳其文时，会将包含医生的句子翻译成阳性格式，而将护士翻译成阴性格式。Google为了避免产生或是强化性别不平等偏差，因此会侦测性别中立的查询，并且根据用户的喜好，产生明确性别翻译，在Google翻译向不分性别的语言提供明确性别翻译，用户可以选择获得阳性或是阴性翻译结果。
Google过去分别在土耳其文到英文，以及英文到西班牙文提供性别翻译功能，但随着对更多语言应用提供性别翻译服务，旧方法在扩展上出现问题，当神经机器翻译系统独立生成阳性和阴性翻译时，会导致低召回率（Recall），超过40%的查询无法显示明确性别翻译，此外，创建分类器侦测每种来源语言的性别中立性，需要大量的资料。
为了解决这些问题，Google改进明确性别翻译的方法，使用与旧方法完全不同的方式来解决性别偏差，新方法利用重写方法，来改善性别翻译的品质。基于重写方法的明确性别翻译，第一步是产生初始翻译，接着对翻译进行审查，当翻译具有性别用语，则重写成目标性别翻译，最后评估精确度。
而要构建重写器，需要产生数百万个训练用范例短语，每个短语都包含男性和女性翻译，由于这类资料集获取不易，因此Google重新产生了一个人信息料集，可以对照阳性以及阴性用语，用来训练模型，输入男性用语时则可以转换成女性用语，反之也然，Google提到，最终模型能以99%精确度重写成用户要求的性别用语。
另外，Google还设计了一个评估方法，来检验新翻译系统和旧翻译系统间的偏差改善程度，应用新系统则芬兰文和波斯文到英文的翻译偏差，可减少超过90%，土耳其文到英文翻译则改善了95%的性别偏差，而且新系统还能以97%的精确度启动性别翻译功能。Google提到，他们会进一步将这项研究成果，应用在文件翻译上。
