TechCrunch برای اینکه به زنان دانشگاهی و سایرین که با تمرکز بر هوش مصنوعی تمرکز دارند، در کانون توجه قرار گیرند، مجموعه‌ای از مصاحبه‌ها را با تمرکز بر زنان برجسته‌ای منتشر کرد که در انقلاب هوش مصنوعی مشارکت داشته‌اند. ما این قطعات را در طول سال با ادامه رونق هوش مصنوعی منتشر می‌کنیم و کارهای کلیدی را که اغلب ناشناخته می‌مانند برجسته می‌کنیم. پروفایل های بیشتر را اینجا بخوانید.

امروزه در کانون توجه: ریچل کولدیکات بنیانگذار صنایع مراقب است که در مورد تأثیرات اجتماعی فناوری بر جامعه تحقیق می کند. مشتریان شامل Salesforce و آکادمی سلطنتی مهندسی هستند. قبل از Careful Industries، Coldicutt مدیرعامل اندیشکده Doteveryone بود که همچنین تحقیقاتی را در مورد چگونگی تأثیر فناوری بر جامعه انجام داد.

قبل از Doteveryone، او ده‌ها سال در استراتژی دیجیتال برای شرکت‌هایی مانند بی‌بی‌سی و خانه اپرای سلطنتی کار کرد. او در دانشگاه کمبریج حضور یافت و به خاطر کارش در فناوری دیجیتال، نشان OBE (Overder of the British Empire) را دریافت کرد.

به طور خلاصه، چگونه شروع به هوش مصنوعی کردید؟ چه چیزی شما را به این رشته جذب کرد؟

من در اواسط دهه 90 کار در زمینه فناوری را شروع کردم. اولین کار فنی مناسب من کار بر روی مایکروسافت Encarta در سال 1997 بود، و قبل از آن، به ساخت پایگاه‌های اطلاعاتی محتوا برای کتاب‌ها و فرهنگ‌های مرجع کمک کردم. در طول سه دهه گذشته، من با انواع فناوری‌های جدید و نوظهور کار کرده‌ام، پس تشخیص دقیق لحظه‌ای که وارد هوش مصنوعی شدم، دشوار است، زیرا از فرآیندها و داده‌های خودکار برای تصمیم‌گیری، ایجاد تجربیات استفاده می‌کردم. و از دهه 2000 آثار هنری تولید می کند. در عوض، فکر می‌کنم این سوال احتمالاً این است که «چه زمانی هوش مصنوعی به مجموعه فناوری‌هایی تبدیل شد که همه می‌خواستند درباره آن صحبت کنند؟» و من فکر می‌کنم پاسخ احتمالاً در سال 2014 است، زمانی که DeepMind توسط Google خریداری شد - آن لحظه در بریتانیا بود که هوش مصنوعی از همه چیز سبقت گرفت، حتی اگر بسیاری از فناوری‌های زیربنایی که ما اکنون آن را "AI" می‌نامیم چیزهایی بودند که قبلاً تقریباً در آن وجود داشتند. استفاده مشترک

من تقریباً به طور تصادفی در دهه 1990 وارد عرصه فناوری شدم، و چیزی که باعث شد من در این زمینه با تغییرات بسیاری در این زمینه کار کنم، این واقعیت است که پر از تضادهای جذاب است: من دوست دارم یادگیری مهارت های جدید و ساختن چیزها چقدر می تواند قدرتمند باشد. من مجذوب آنچه می‌توانیم از داده‌های ساختاریافته کشف کنیم، هستم و با خوشحالی می‌توانم بقیه عمرم را با مشاهده و درک اینکه مردم چگونه فناوری‌هایی را که ما استفاده می‌کنیم، می‌سازند و شکل می‌دهند، بگذرانم.

در زمینه هوش مصنوعی به چه کاری بیشتر افتخار می کنید؟

بسیاری از فعالیت‌های هوش مصنوعی من در چارچوب‌بندی خط‌مشی و ارزیابی تأثیرات اجتماعی، کار با ادارات دولتی، سازمان‌های خیریه و انواع کسب‌وکارها برای کمک به آنها در استفاده از هوش مصنوعی و فناوری‌های مرتبط به روش‌های عمدی و قابل اعتماد بوده است.

در دهه 2010 من Doteveryone - یک اتاق فکر مسئول فناوری - را اداره کردم که به تغییر چارچوب نحوه تفکر سیاستگذاران بریتانیا در مورد فناوری نوظهور کمک کرد. کار ما روشن کرد که هوش مصنوعی مجموعه‌ای از فناوری‌های بدون عواقب نیست، بلکه چیزی است که پیامدهای پراکنده‌ای در دنیای واقعی برای مردم و جوامع دارد. به ویژه، من واقعاً به ابزار رایگان Consequence Scanning که توسعه داده ایم، افتخار می کنم، که اکنون توسط تیم ها و مشاغل در سراسر جهان استفاده می شود و به آنها کمک می کند تا تأثیرات اجتماعی، زیست محیطی و سیاسی انتخاب هایی را که هنگام ارسال انجام می دهند پیش بینی کنند. محصولات و ویژگی های جدید

اخیراً، 2023 AI and Society Forum لحظه افتخار آفرین دیگری بود. در آستانه برگزاری مجمع ایمنی هوش مصنوعی تحت تسلط دولت بریتانیا، تیم من در Care Trouble به سرعت گردهمایی 150 نفری را از سراسر جامعه مدنی تشکیل داد تا به طور جمعی این موضوع را مطرح کنند که امکان کارکرد هوش مصنوعی برای 8 میلیارد نفر وجود دارد. نه فقط 8 میلیاردر.

چگونه چالش‌های صنعت فناوری مردانه و در نتیجه صنعت هوش مصنوعی مردانه را کنترل می‌کنید؟

به‌عنوان یک قدیمی‌تر مقایسه‌ای در دنیای فناوری، احساس می‌کنم برخی از دستاوردهایی که در زمینه نمایندگی جنسیت در فناوری به دست آورده‌ایم، طی پنج سال گذشته از بین رفته است. تحقیقات موسسه تورینگ نشان می‌دهد که کمتر از ۱ درصد از سرمایه‌گذاری انجام شده در بخش هوش مصنوعی در استارت‌آپ‌هایی به رهبری زنان بوده است، در حالی که زنان هنوز تنها یک چهارم از کل نیروی کار فناوری را تشکیل می‌دهند. وقتی به کنفرانس‌ها و رویدادهای هوش مصنوعی می‌روم، ترکیب جنسیتی - به‌ویژه از نظر اینکه چه کسی پلتفرمی برای به اشتراک گذاشتن کار خود پیدا می‌کند - من را به یاد اوایل دهه 2000 می‌اندازد که به نظرم واقعاً غم‌انگیز و تکان‌دهنده است.

من می‌توانم نگرش‌های جنسیت‌گرایانه صنعت فناوری را دنبال کنم، زیرا این امتیاز بزرگ را دارم که بتوانم سازمان خود را تأسیس کنم و اداره کنم: بسیاری از دوران اولیه حرفه‌ام را با تجربه جنسی‌گرایی و آزار و اذیت جنسی به صورت روزانه گذراندم. که مانع انجام کارهای بزرگ می شود و برای بسیاری از زنان هزینه های غیرضروری برای ورود است. در عوض، من ایجاد یک کسب و کار فمینیستی را در اولویت قرار داده ام که در آن، در مجموع، در هر کاری که انجام می دهیم برای برابری تلاش می کنیم، و امید من این است که بتوانیم راه های دیگری را امکان پذیر کنیم.

چه توصیه ای به زنانی که به دنبال ورود به حوزه هوش مصنوعی هستند می دهید؟

احساس نکنید که باید در یک زمینه «مسئله زنان» کار کنید، از تبلیغات غافلگیر نشوید، و به دنبال همسالان باشید و با افراد دیگر دوستی ایجاد کنید تا یک شبکه پشتیبانی فعال داشته باشید. چیزی که من را در تمام این سالها نگه داشته است، شبکه دوستان، همکاران و متحدان سابق من است - ما از یکدیگر حمایت متقابل، عرضه بی پایان گفتگوهای عمومی، و گاهی اوقات شانه ای برای گریه کردن به یکدیگر پیشنهاد می کنیم. بدون آن، می تواند بسیار احساس تنهایی کند. شما اغلب تنها زن در اتاق خواهید بود که داشتن مکانی امن برای رفع فشار ضروری است.

لحظه ای که فرصت دارید، خوب استخدام کنید. ساختارهایی را که دیده‌اید تکرار نکنید یا انتظارات و هنجارهای یک صنعت نخبه‌گرا و جنسیت‌گرا را تثبیت نکنید. هر بار که استخدام می کنید وضعیت موجود را به چالش بکشید و از استخدام های جدید خود حمایت کنید. به این ترتیب، در هر کجا که هستید، می توانید شروع به ساختن یک نرمال جدید کنید.

و به دنبال کار برخی از زنان بزرگی باشید که دنباله‌روی تحقیقات و تمرین‌های هوش مصنوعی هستند: با خواندن آثار پیشگامانی مانند آببا برهانه، تیمنیت گبرو، و جوی بولاموینی شروع کنید، که همگی تحقیقات بنیادی انجام داده‌اند که درک ما را از چگونگی هوش مصنوعی شکل داده‌اند. تغییر می کند و با جامعه تعامل دارد.

برخی از اصلی ترین مسائلی که هوش مصنوعی در حال تکامل با آن مواجه است چیست؟

هوش مصنوعی یک تقویت کننده است. ممکن است احساس شود که برخی از کاربردها اجتناب ناپذیر هستند، اما به عنوان جوامع، ما باید برای انتخاب روشن در مورد آنچه ارزش تشدید را دارد، توانمند شویم. در حال حاضر، اصلی‌ترین کاری که افزایش استفاده از هوش مصنوعی انجام می‌دهد افزایش قدرت و موجودی بانکی تعداد نسبتاً کمی از مدیران عامل مرد است و بعید به نظر می‌رسد که [این] دنیایی را شکل دهد که بسیاری از مردم می‌خواهند در آن زندگی کنند. من دوست دارم افراد بیشتری را ببینم، به ویژه در صنعت و سیاست گذاری، که با این پرسش ها درگیر شوند که هوش مصنوعی دموکراتیک تر و پاسخگوتر چگونه به نظر می رسد و آیا حتی ممکن است یا خیر.

تأثیرات آب و هوایی هوش مصنوعی - استفاده از آب، انرژی و مواد معدنی حیاتی - و تأثیرات سلامتی و عدالت اجتماعی برای مردم و جوامع متاثر از بهره‌برداری از منابع طبیعی باید در صدر فهرست توسعه مسئولانه باشد. این واقعیت که LLM ها، به ویژه، بسیار انرژی بر هستند، نشان دهنده این واقعیت است که مدل فعلی برای هدف مناسب نیست. در سال 2024، ما به نوآوری نیاز داریم که از جهان طبیعی محافظت و احیا کند، و مدل‌های استخراجی و روش‌های کار باید بازنشسته شوند.

ما همچنین باید در مورد تأثیرات نظارتی یک جامعه با اطلاعات بیشتر واقع بین باشیم و این واقعیت که - در دنیایی که به طور فزاینده ای بی ثبات می شود - هر فناوری همه منظوره احتمالاً برای وحشت های غیرقابل تصور در جنگ مورد استفاده قرار می گیرد. همه افرادی که در زمینه هوش مصنوعی کار می کنند باید در مورد ارتباط تاریخی و طولانی مدت تحقیق و توسعه فناوری با توسعه نظامی واقع بین باشند. ما باید از نوآوری‌هایی حمایت کنیم، حمایت کنیم و مطالبه کنیم که از جوامع شروع می‌شود و توسط جوامع اداره می‌شود تا به نتایجی برسیم که جامعه را تقویت کند، نه منجر به افزایش تخریب شود.

برخی از مسائلی که کاربران هوش مصنوعی باید از آن آگاه باشند چیست؟

علاوه بر استخراج محیطی و اقتصادی که در بسیاری از مدل‌های فعلی کسب‌وکار و فناوری هوش مصنوعی گنجانده شده است، فکر کردن به تأثیرات روزانه افزایش استفاده از هوش مصنوعی و معنای آن برای تعاملات روزمره انسانی واقعاً مهم است.

در حالی که برخی از مسائلی که در سرفصل ها قرار گرفته اند در مورد خطرات وجودی بیشتری بوده اند، ارزش این را دارد که به این نکته توجه داشته باشید که چگونه فناوری هایی که استفاده می کنید به طور روزانه به شما کمک می کنند و مانع از آن می شوند: چه اتوماسیون هایی را می توانید خاموش کنید و کار کنید، کدام یک را ارائه می دهند. منفعت واقعی، و کجا می توانید با پای خود به عنوان یک مصرف کننده رای دهید تا این موضوع را ثابت کنید که واقعاً می خواهید با یک شخص واقعی صحبت کنید، نه یک ربات؟ ما لازم نیست به اتوماسیون بی کیفیت بسنده کنیم و باید با هم متحد شویم تا نتایج بهتری را بخواهیم!

بهترین راه برای ساختن مسئولانه هوش مصنوعی چیست ؟

هوش مصنوعی مسئول با انتخاب‌های استراتژیک خوب شروع می‌شود – به جای اینکه الگوریتمی را برای آن انتخاب کنیم و به بهترین‌ها امیدوار باشیم، می‌توان در مورد اینکه چه چیزی و چگونه خودکارسازی شود، عمدی بود. من چند سالی است که درباره ایده «اینترنت به اندازه کافی» صحبت می کنم، و به نظر می رسد این ایده واقعاً مفیدی است تا راهنمایی کند که چگونه در مورد ساخت هر فناوری جدید فکر می کنیم. آیا می‌توانیم به جای اینکه همیشه مرزها را کنار بگذاریم، هوش مصنوعی را به گونه‌ای بسازیم که منافع را برای مردم و کره زمین به حداکثر برساند و آسیب را به حداقل برساند؟

ما یک فرآیند قوی برای این کار در Careful Trouble ایجاد کرده‌ایم، جایی که با هیئت‌های مدیره و تیم‌های ارشد کار می‌کنیم و با ترسیم اینکه چگونه هوش مصنوعی می‌تواند و نمی‌تواند از دیدگاه و ارزش‌های شما پشتیبانی کند، شروع می‌کنیم. درک اینکه در کجا مشکلات بسیار پیچیده و متغیر هستند که توسط اتوماسیون افزایش نمی‌یابد، و در کجا سود ایجاد می‌کند. و در نهایت، توسعه یک چارچوب مدیریت ریسک فعال. توسعه مسئولانه کاربرد یکباره مجموعه ای از اصول نیست، بلکه یک فرآیند مداوم نظارت و کاهش است. استقرار مستمر و سازگاری اجتماعی به این معنی است که تضمین کیفیت نمی تواند چیزی باشد که پس از ارسال محصول به پایان برسد. به‌عنوان توسعه‌دهندگان هوش مصنوعی، ما باید ظرفیتی برای احساس تکراری، اجتماعی ایجاد کنیم و توسعه و استقرار مسئولانه را به عنوان یک فرآیند زنده تلقی کنیم.

چگونه سرمایه گذاران بهتر می توانند برای هوش مصنوعی مسئول فشار بیاورند؟

با سرمایه‌گذاری صبورانه‌تر، حمایت از بنیان‌گذاران و تیم‌های متنوع‌تر، و عدم جستجوی بازده نمایی.

خبرکاو