TechCrunch برای اینکه زنان دانشگاهی متمرکز بر هوش مصنوعی و دیگران را در کانون توجه قرار دهد، یک سری مصاحبه با تمرکز بر زنان برجسته ای که در انقلاب هوش مصنوعی نقش داشته اند، راه اندازی می کند. با ادامه رونق هوش مصنوعی، چندین قطعه را در طول سال منتشر خواهیم کرد و کارهای کلیدی را که اغلب ناشناخته می‌مانند برجسته می‌کنیم. پروفایل های بیشتر را اینجا بخوانید.

به‌عنوان یک خواننده، اگر نامی را می‌بینید که گم کرده‌ایم و فکر می‌کنیم باید در فهرست باشد، لطفاً به ما ایمیل بزنید و ما به دنبال اضافه کردن آن‌ها خواهیم بود. در اینجا برخی از افراد کلیدی وجود دارد که باید آنها را بشناسید:

شکاف جنسیتی در هوش مصنوعی

در مقاله‌ای در نیویورک تایمز در اواخر سال گذشته، بانوی خاکستری چگونگی شکل‌گیری رونق فعلی هوش مصنوعی را توضیح داد - با برجسته کردن بسیاری از مظنونان معمولی مانند سم آلتمن، ایلان ماسک و لری پیج. این روزنامه نگاری در فضای مجازی منتشر شد - نه به خاطر آنچه گزارش شده بود، بلکه به خاطر چیزی که ذکرش نکرد: زنان.

فهرست تایمز شامل 12 مرد بود که بیشتر آنها رهبران هوش مصنوعی یا شرکت های فناوری بودند. بسیاری از آنها هیچ آموزش یا تحصیلی، رسمی یا غیر رسمی، در زمینه هوش مصنوعی نداشتند.

برخلاف پیشنهاد تایمز، شوق هوش مصنوعی با نشستن ماسک در مجاورت پیج در عمارتی در خلیج آغاز نشد. خیلی قبل از آن، با دانشگاهیان، قانون‌گذاران، اخلاق‌دانان و علاقمندان به فعالیت خستگی‌ناپذیر در ابهام نسبی برای ایجاد پایه‌های سیستم‌های هوش مصنوعی و GenAI که امروز داریم، آغاز شد.

الین ریچ، دانشمند کامپیوتر بازنشسته ای که قبلا در دانشگاه تگزاس در آستین بود، یکی از اولین کتاب های درسی هوش مصنوعی را در سال 1983 منتشر کرد و بعداً در سال 1988 مدیر آزمایشگاه هوش مصنوعی شرکتی شد. سینتیا دیورک، استاد دانشگاه هاروارد، دهه ها موجی از خود ایجاد کرد. پیش در زمینه های عدالت هوش مصنوعی، حریم خصوصی متفاوت و محاسبات توزیع شده. و سینتیا بریزیل، رباتیک و استاد دانشگاه MIT و یکی از بنیانگذاران Jibo، استارتاپ رباتیک، در اواخر دهه 90 و اوایل دهه 2000 برای توسعه یکی از اولین "ربات های اجتماعی" به نام Kismet کار کرد.

علی‌رغم راه‌های بسیاری که زنان از طریق آن‌ها فناوری‌های هوش مصنوعی پیشرفته‌ای دارند، آنها بخش کوچکی از نیروی کار جهانی هوش مصنوعی را تشکیل می‌دهند. طبق یک مطالعه در سال 2021 استنفورد، تنها 16 درصد از اعضای هیئت علمی متمرکز بر هوش مصنوعی زن هستند. در مطالعه جداگانه ای که در همان سال توسط مجمع جهانی اقتصاد منتشر شد، نویسندگان همکار دریافتند که زنان تنها 26 درصد از موقعیت های مرتبط با تحلیل و هوش مصنوعی را در اختیار دارند.

در خبر بدتر، شکاف جنسیتی در هوش مصنوعی در حال افزایش است - نه کاهش.

نستا، آژانس نوآوری بریتانیا برای خیر اجتماعی، تحلیلی در سال 2019 انجام داد که به این نتیجه رسید که نسبت مقالات دانشگاهی هوش مصنوعی که توسط حداقل یک زن تالیف شده است، از دهه 1990 بهبود نیافته است. تا سال 2019، تنها 13.8 درصد از مقالات تحقیقاتی هوش مصنوعی در Arxiv.org، مخزن مقالات علمی پیش از چاپ، توسط زنان تألیف یا تألیف شده است که این تعداد در دهه گذشته به طور پیوسته کاهش یافته است.

دلایل نابرابری

دلایل نابرابری بسیار زیاد است. اما یک نظرسنجی Deloitte از زنان در هوش مصنوعی، چند مورد از برجسته‌تر (و واضح‌تر) را برجسته می‌کند، از جمله قضاوت از سوی همسالان مرد و تبعیض در نتیجه عدم تطبیق در قالب‌های تثبیت شده مردانه در هوش مصنوعی.

از کالج شروع می شود: 78 درصد از زنانی که به نظرسنجی Deloitte پاسخ دادند گفتند که در دوره کارشناسی فرصتی برای کارآموزی در زمینه هوش مصنوعی یا یادگیری ماشینی نداشتند. بیش از نیمی (58٪) گفتند که در نهایت حداقل یک کارفرما را به دلیل رفتار متفاوت با مردان و زنان ترک کردند، در حالی که 73٪ به دلیل دستمزد نابرابر و ناتوانی در پیشرفت شغلی خود، به طور کلی صنعت فناوری را ترک کردند.

کمبود زنان به حوزه هوش مصنوعی آسیب می زند.

تجزیه و تحلیل نستا نشان داد که زنان بیشتر از مردان پیامدهای اجتماعی، اخلاقی و سیاسی را در کار خود بر روی هوش مصنوعی در نظر می‌گیرند – که جای تعجب نیست از آنجایی که زنان در دنیایی زندگی می‌کنند که بر اساس جنسیتشان تحقیر می‌شوند. بازار برای مردان و زنان دارای فرزند طراحی شده است که اغلب پیش بینی می شود بین کار و نقش خود به عنوان مراقبان اصلی تعادل ایجاد کنند.

با هر شانسی، مشارکت متواضعانه TechCrunch - مجموعه‌ای از زنان موفق در هوش مصنوعی - به حرکت سوزن در مسیر درست کمک می‌کند. اما واضح است که کارهای زیادی برای انجام دادن وجود دارد.

زنانی که ما مشخصات آنها را نشان می‌دهیم، پیشنهادات زیادی را برای کسانی که مایل به رشد و تکامل در زمینه هوش مصنوعی برای بهتر هستند، به اشتراک می‌گذارند. اما یک موضوع مشترک در همه جا وجود دارد: مربیگری قوی، تعهد و رهبری با الگو. سازمان‌ها می‌توانند با اعمال سیاست‌هایی – استخدام، آموزش یا موارد دیگر – که زنان را در صنعت هوش مصنوعی بالا می‌برد یا به دنبال نفوذ به آن هستند، بر تغییر تأثیر بگذارند. و تصمیم گیرندگان در موقعیت های قدرت می توانند از این قدرت برای ایجاد محیط های کاری متنوع تر و حمایتی برای زنان استفاده کنند.

تغییر یک شبه اتفاق نمی افتد. اما هر انقلابی با یک قدم کوچک آغاز می شود.

خبرکاو