コンテンツ
- 女性とAI
- バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
- 人工知能に焼き付けられたバイアスへの対処
- 労働力に対するAIの影響
- AIタレントプールの現在と将来
- AIタレントプールを開発するための教育
取り除く：
AIはビジネス運営にとって重要性が増しており、客観的に運営することを意図している一方で、性別の偏見を強化することが示されています。しかし、意識と教育により、ギャップを強化するのではなく、ギャップを埋めるために使用できます。
Minding the Gender Gapで見たように、技術分野では女性は依然として表象（米国では約25％に留まっている）と男性と女性のギャップが大きい給与の面で男性よりもはるかに遅れています12％に近い。
技術における賃金格差の数値は人工知能（AI）の専門家に焦点を合わせているわけではありませんが、女性の代表はさらに低いです。
レポート「差別システム：性別、人種、および権力」によると、会議の女性はAI会議の代表作家のわずか18％、AI教授の20％未満しか占めていません。彼らは、研究スタッフのポジションのわずか15％、Googleでわずか10％を占める企業ではさらに悪い結果をもたらします。
AIがビジネス運営の中心にますます成長するにつれて、探求すべき問題は、AIが性差と一般的な労働力にどのような影響を与えることができるかということです。 （読んでください遺伝学はテクノロジーの男女の性差を説明できますか？）
私は、性別の偏見を強化または超越する上でAIが果たすことができる役割について彼らの見解を得るために、この分野の数人の専門家に連絡しました。一般的に、彼らは未来について楽観的です。
女性とAI
Fusemachines（AIサービス、ソリューション、および教育のリーディングプロバイダー）の技術副社長であるAnish Joshiは、AIが実際に「歴史的に男性を支持してきた採用プロセスからバイアスを取り除く」と考えています。
それは、Cortex LabsのCOOであるAmy Chenが、意思決定に影響を与える感情的または主観的な視点に対抗するAIについて観察したことと一致します。 。
ジョシは次のように動作することを説明しています。
バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
誰もソフトウェアの品質を気にしない場合、プログラミングスキルを向上させることはできません。
- AIアルゴリズムは、雇用時に重要なデータ（資格、教育、経験など）を組み込み、重要でないデータ（性別、民族、年齢など）を無視できます。
- また、このテクノロジーは、関連する傾向を測定し、予測分析を使用して、メリットに基づく採用を改善できます。
- 従業員は職場でさまざまなものを評価する場合があり、AI拡張予測分析はこれらの違いを特定できます。
これは厳密な仮説ではありませんが、Gapsquare、Pipeline、Plum、Pymetricなどの企業が作成したソフトウェアを活用して、データに基づいて意思決定を下すことで既に実用化されています、とJoshiは観察しました。しかし、彼はAIにプログラムされたバイアスが雇用における男女間の格差を悪化させる可能性があると認めています。
彼は次のように説明しました。「アルゴリズムが偏ったデータで訓練されると、偏った結果を生み出します。これは人事や雇用の女性にとって特に有害です。機械学習による雇用技術が罰せられるAmazonを含む多くの注目すべき事例がありますその所有者が女性、例えば女性であることを示唆した履歴書。」
「ロイターの報告によると、Amazonのコンピューターモデルは、10年間にわたって会社に提出された履歴書のパターンを観察することにより、応募者を吟味するために訓練されたものです。
それでも、ジョシは「AIが女性の雇用数の増加に役立つことを願っています。」彼は、ユニリバーのレポートを参照して、AIの適用により従業員の多様性が16％向上したと報告しました。
UbimoのCPOであるMichal Neufeld氏は次のように述べています。「一言で言えば、どのアルゴリズムも、取得する入力や使用するモデルと同程度に優れています。」プログラミングからバイアスをかけられたAIの本当の危険性は、 「客観的科学」の外観と権限
しかし、それに対する意識は高まっており、それがソリューションを刺激しています。
「COMPASケースのような不幸な発見が原因の1つ、これらのシステムが提供する結果を説明し、その背後に立つための実際的な必要性があり、うまくいけば私たちがもっとうまくやろうとしているからです」
人工知能に焼き付けられたバイアスへの対処
ノイフェルドは、問題の多くは、AIモデルで何が起こっているかを正確に把握することに内在する困難に起因すると説明した。それが「ブラックボックス」問題として知られるようになったものです（AIの説明を参照）。
彼女は、「LIMEなどの説明者を開発し、入力、出力、モデルを「リバースエンジニアリング」して、入力のどの特徴が最終的にモデルの結果を計算するために使用されるかを示す」ことを説明した。
これにより、「偏っている予測子を特定したり、因果関係と相関を仮定したりする」ことができます。
彼女は、AIの結果に現れる方法だけでなく、バイアスの核となる原因に到達することも重要だと考えています。その方法は、「教育と文化的バイアスの正当性に重点を置く」ことです。ノイフェルドは、人々からバイアスを取り除くことができ、バイアスのないプログラミングが自然に続くと楽観視しています。
この楽観的な予測は、他の2人にも共通しています。
労働力に対するAIの影響
すべての回答者は、特定のタスクがAIによって自動化されるため、ある程度の転職があることを認めています。ジョシはさらに、それが女性に有害な影響を与える可能性があることを認めました。
「伝統的に女性が保持していた役割（管理、顧客サービスなど）は自動化されており、一部の女性は、スキルやトレーニングを受けていない場合、交換されるリスクがあります。」
ただし、ある地域での損失は別の地域での機会によって相殺されると主張しています。ノイフェルドは次のように述べています。
「産業革命のように、人々の仕事が機械に置き換えられたとき、人々はまだそれらの機械を構築する必要がありました。今日の場合、機械によって行われる認知作業には、タスクを超越する能力（設計など）がまだ欠けていますタスクを完了するモデル）またはそのような私たち人間は「簡単に」創造性などを教えることができません。」
「AIの交換による明らかな失業にもかかわらず、マシンの「保護」の状況で多くの新しい機会が生まれると考えています。トレーニング、倫理的および社会的結果の監視、成果の説明とギャップの橋渡しなどです。 「彼ら」と人間の間。人々は、技術的なデータセット、実装、および結果をビジネス側（技術からビジネスへのプロキシ）に説明し、翻訳する責任を負います。
ジョシは、将来の労働力は、機械を持っている人ほど人や機械に減らないと付け加えました。
「人々は単にインテリジェントな機械に置き換わるのではなく、インテリジェントな機械と一緒に働くことに慣れる必要があります。」彼は、現在の癌の診断における革新の例を挙げました。 「AIを使用することに加えて、人間による評価が必要です。」（Cancer Vaccines and Artificial Intelligence：Winning the Cancer対癌？）
AIタレントプールの現在と将来
技術の人材不足の問題は、多くの企業が不満を抱いていることです。ジョシ、チェン、およびノイフェルドは、現在そうであることに同意します。しかし、彼らは皆これを一時的な後退と考えています。 Joshiは、Fuse AI Centerのようなプログラムが提供するプログラムは、AI教育をよりアクセスしやすくし、「AI人材プールを拡大し、急成長するグローバルAI雇用市場に向けてエンジニアを準備する」と考えています。
仕事に必要な教育の観点から、ノイフェルドは、AIタレントの状況をこれまでに見たものに匹敵するものと考えており、他の方向への揺れがあると予測しています。
「今日のデータサイエンスとAI開発者の不足は、前世紀末のWeb開発者の不足と同じだと思います。それと同様に、賃金を引き上げる需要と供給の自然な経済効果を見ています。そのようなポジションの収益性。」
「予測しなければならなかった場合、バランスが達成される前に市場が飽和するという振り子現象が見られます。」
AIタレントプールを開発するための教育
彼らは皆、将来より多くの人々がAIに進むために必要な技術的スキルを教えられると予想しており、カリキュラムは人々を現代の労働力に備えるためにシフトします。しかし、チェンは、それは高校レベルから始めるべきだと考えています。
彼女の主張は、時代のニーズに合わせたカリキュラムの主張です。テクノロジーがエンジンを中心とした前世紀の前半では、高校レベルで教えられていた科目には化学、物理学、数学が含まれていました。その後、技術は「コンピューターと携帯電話を中心に、そして今はAIとブロックチェーンを中心に」進歩しました。
その結果、教育は「必須コース」に「コーディング、コンピュータサイエンス、およびコンピュータアーキテクチャ」を含めるべきであると主張します。
一方、ノイフェルドは、哲学、心理学、人類学などの分野が、AIをプログラムする人々を訓練する上でますます重要になると考えています。彼女は次のように説明しました。
「人材プールの変化の興味深い部分は、私たちが知らない仕事、または教える方法がわからない資格を必要とする仕事です。共感を示すか、皮肉を認める機械を作るために誰かをどのように訓練しますか？ ？」
「その意味で、哲学、心理学、人類学などの研究テーマは、次世代のAIオペレーターを訓練する傾向が強くなる可能性があります。これらの能力を構築し、教育プログラムを適応させる必要があるため、近い将来に大きなギャップが生じる可能性があります地面に。」