Dal 2003 insegna e svolge ricerca presso l'University of Washington, dove dirige il Computational Linguistics Laboratory.

È coautrice del paper On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? (2021), che ha contribuito ad avviare un ampio dibattito pubblico sui rischi dei grandi modelli linguistici, e del saggio divulgativo L'inganno dell'intelligenza artificiale. Come resistere a big tech e costruire il futuro che vogliamo (The AI Con: How to Fight Big Tech's Hype and Create the Future We Want, 2025), scritto insieme alla sociologa Alex Hanna.

Nel 2023 è stata inclusa nella prima edizione della lista TIME100 AI.

Biografia

Formazione Bender ha conseguito la laurea triennale in linguistica presso la University of California, Berkeley nel 1995. Ha ottenuto il master nel 1997 e il dottorato nel 2000 presso la Stanford University, con una tesi sulla variazione sintattica e la competenza linguistica nell'inglese afro-americano vernacolare, sotto la supervisione di Tom Wasow e Penelope Eckert.

Carriera e ricerca Dopo aver conseguito il dottorato a Stanford nel 2000, ha ricoperto una posizione temporanea come lettrice alla University of California, Berkeley e ha lavorato come Grammar Engineer presso YY Technologies (2001). Nel settembre 2002 è tornata alla Stanford University come Acting Assistant Professor, prima di approdare alla University of Washington nel 2003 come docente di linguistica, responsabile del Computational Linguistics Laboratory e del programma di master in linguistica computazionale.

È stata presidente dell'Association for Computational Linguistics nel 2024 ed è Fellow dell'American Association for the Advancement of Science dal 2022.

Contributi alla linguistica computazionale Bender ha condotto ricerche sulle strutture linguistiche di diverse lingue, tra cui il giapponese, il cinese mandarino, la lingua dei segni americana e l'inglese.

Ha sviluppato la LinGO Grammar Matrix, un kit open source per la costruzione di grammatiche di precisione ad ampia copertura nel framework Head-driven phrase structure grammar (HPSG). Ha inoltre pubblicato due monografie destinate ai professionisti del trattamento automatico del linguaggio naturale: Linguistic Fundamentals for Natural Language Processing: 100 Essentials from Morphology and Syntax (2013) e, con Alex Lascarides, Linguistic Fundamentals for Natural Language Processing II: 100 Essentials from Semantics and Pragmatics (2019).

Nel 2020 ha pubblicato, con Alexander Koller, il paper Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data, in cui argomenta come i modelli di apprendimento automatico addestrati esclusivamente sulla forma linguistica, senza connessione con il significato, non siano in grado di comprendere il linguaggio in senso proprio. Su questa base ha sostenuto che strumenti come ChatGPT non siano in grado di comprendere il testo che elaborano né quello che generano.

È nota anche per la cosiddetta Bender Rule, un'indicazione metodologica per i ricercatori in linguistica computazionale che consiste nel nominare esplicitamente la lingua su cui si lavora in ogni pubblicazione e presentazione scientifica, al fine di evitare generalizzazioni implicite sull'inglese come lingua universale.

Stochastic Parrots e il caso Google Nel 2021 ha presentato alla conferenza ACM Fairness, Accountability, and Transparency il paper On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?, di cui è coautrice insieme a Timnit Gebru, Margaret Mitchell e altri ricercatori. Il paper analizzava i rischi etici nella costruzione di sistemi di elaborazione del linguaggio naturale basati su grandi corpus testuali, tra cui l'impatto ambientale, i costi economici, la possibilità di riprodurre pregiudizi presenti nei dati e il rischio di diffusione di disinformazione. Google aveva tentato di bloccare la pubblicazione del paper, episodio che ha contribuito alla controversa uscita di Gebru dall'azienda.

Critica all'intelligenza artificiale e divulgazione Dopo la pubblicazione di Stochastic Parrots, Bender ha intensificato la propria attività di divulgazione critica sui grandi modelli linguistici, sostenendo che il termine «intelligenza artificiale» sia principalmente un'etichetta di marketing usata per mascherare operazioni di raccolta dati, capitalismo della sorveglianza e svalutazione del lavoro umano.

Insieme ad Alex Hanna conduce il podcast Mystery AI Hype Theater 3000, in cui analizza con esperti accademici e dell'industria le affermazioni pubbliche sull'intelligenza artificiale.

Nel 2025 ha pubblicato con Hanna il saggio L'inganno dell'intelligenza artificiale. Come resistere a big tech e costruire il futuro che vogliamo (tit. orig.: The AI Con: How to Fight Big Tech's Hype and Create the Future We Want, HarperCollins, 2025), in cui le due autrici smontano le principali affermazioni sull'intelligenza artificiale, esaminano i danni prodotti dalla sua imposizione nei settori della sanità, dell'istruzione, dei media e delle forze dell'ordine, e propongono strumenti critici per resistere alla narrazione delle grandi aziende tecnologiche.

Riconoscimenti Nel 2022 è stata eletta Fellow dell'American Association for the Advancement of Science. Nel 2023 è stata inclusa nella prima edizione della lista TIME100 AI, che raccoglie le cento persone più influenti nel campo dell'intelligenza artificiale secondo la rivista Time.

Pubblicazioni (parziali)

Note

Voci correlate Apprendimento automatico Capitalismo della sorveglianza Elaborazione del linguaggio naturale Etica dell'intelligenza artificiale Intelligenza artificiale Linguistica computazionale Pappagallo stocastico

Collegamenti esterni