内容
带走：
人工智能在企业运营中的重要性正在不断提高，尽管它旨在客观地运作，但事实证明，它加剧了性别偏见。但是有了意识和教育，它可以用来弥合差距而不是加强差距。
正如我们在《缩小性别差距》中所看到的那样，无论是女性代表人数（在美国徘徊在25％左右），还是薪酬方面（在男女之间均存在差距），女性在技术领域仍远远落后于男性。接近12％。
虽然技术上的薪资差距数据并不关注人工智能（AI）专家，但女性的代表性甚至更低。
根据该报告《区分系统：性别，种族和权力》，参加会议的女性仅占AI会议代表作者的18％，而不到AI教授的20％。他们在公司中的表现甚至更差，在公司中，他们仅占研究人员职位的15％，而在Google中仅占10％。
随着AI越来越成为企业运营的中心，需要探讨的问题是：AI会对性别差距和总体劳动力产生什么影响？ （阅读遗传学可以解释技术领域男女之间的性别差距吗？）
我与该领域的一些专家取得了联系，让他们扮演了AI在加强或超越性别偏见方面可以发挥的作用。通常，他们对未来感到乐观。
妇女与人工智能
Fusemachines（一家领先的AI服务，解决方案和教育提供商）技术副总裁Anish Joshi认为，AI实际上“消除了历来青睐男性的招聘过程中的偏见。”
这与Cortex Labs的首席运营官Amy Chen观察到的关于AI的观点相反，AI仍然可以反驳仍影响决策的情感或主观观点：“将来，我们可以更多地基于客观事实，而不会产生刻板印象和偏见，”她宣称。
Joshi解释说，将起作用的方式如下：
没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
当没有人关心软件质量时，您就无法提高编程技能。
- AI算法能够合并招聘时重要的数据（资格，学历，经验等），而忽略无关紧要的数据（性别，种族，年龄等）。
- 这项技术还可以衡量相关趋势，并使用预测分析来制定更好的基于绩效的员工。
- 员工可能会珍视工作场所中的不同事物，而AI增强的预测分析可以识别这些差异。
Joshi观察到，这不是严格的假设，而是已经通过利用Gapsquare，Pipeline，Plum和Pymetric等公司制造的软件来实施基于数据的决策来付诸实践。但是，他确实承认，编程为AI的偏见会加剧招聘中两性之间的差异。
他解释说：“如果对算法进行有偏见的数据训练，则会产生有偏见的结果。这在人力资源和招聘中对女性尤其有害。这方面有很多值得注意的例子，其中包括在亚马逊使用机器学习技术的招聘技术受到惩罚的例子。提示其所有者是女性（例如女性）的简历。”
“路透社报道说，这是因为亚马逊的计算机模型是经过培训的，目的是通过观察十年来提交给公司的简历中的模式来审查申请人。大多数来自男性，反映了男性在整个科技行业中的统治地位。”
尽管如此，乔希仍然坚持“希望人工智能能够帮助增加雇用的女性人数。”他提到联合利华的一份报告，由于人工智能的应用，员工多样性提高了16％。
Ubimo的CPO Michal Neufeld这样说：“简而言之，任何算法都与其输入和所使用的模型一样好。” AI中真正的危险在于其编程的偏见在于它可以携带外观并带有“'客观科学'”的权威。
但是，对此的意识正在增长，这正在激发解决方案。
Neufeld说：“部分原因是不幸的发现，例如COMPAS案，部分是由于实际需要解释和支持这些系统提供的结果，希望还因为我们正在努力做得更好。”
解决陷入人工智能的偏见
诺伊菲尔德（Neufeld）解释说，很多问题源于理解AI模型中正在发生的事情所固有的困难。这就是所谓的“黑匣子”问题（请参阅AI有一些解释要做）。
她解释说，解决这一问题的一种方法是“开发诸如LIME之类的解释器，旨在对输入，输出和模型进行“逆向工程”，以指示最终使用输入中的哪些特征来计算模型的结果。”
这样就可以“识别有偏见的预测变量，或者假设因果关系与相关性。”
她还认为，重要的是要找到导致偏差的核心原因，而不仅仅是在AI结果中表现出来的方式。做到这一点的方法是“把重点放在教育和文化偏见的合法性上。”诺伊费尔德（Neufeld）乐观地认为，有可能消除人们的偏见，并且自然会遵循无偏见的计划。
乐观的预测也被其他两个共享。
人工智能对劳动力的影响
所有受访者都承认，由于某些任务是通过AI自动执行的，因此将会出现一些工作转移。乔希进一步承认这会对女性产生不利影响。
“传统上由女性担任的角色（行政，客户服务等）正在实现自动化，如果某些女性不具备高技能和/或受过培训的话，就有可能被替换。”
但是，他们坚持认为，一个地区的损失将被另一个地区的机会所抵消。诺伊费尔德这样说：
“就像在工业革命中一样，当人们的工作被机器取代时，仍然需要人们来建造这些机器。在今天的情况下，由机器完成的认知工作仍然缺乏超越任务的能力（例如设计能够完成任务的模型），否则我们人类就无法“轻松”地进行教学，例如创造力。”
“尽管由于更换人工智能而导致工作机会明显减少，但我相信在“保护”机器方面将创造许多新机会，无论是在培训机器，监测机器的道德和社会成果，还是解释机器的输出或弥合差距方面在“他们”和“人类”之间。人们将负责向业务端解释和翻译技术数据集，实施和结果（从技术到业务代理）。”
Joshi补充说，未来的劳动力将不会像拥有机器的人那样减少到只有人或机器的地方。
“人们将不得不习惯于与智能机器并驾齐驱，而不仅仅是被它们取代。”他列举了当今癌症诊断领域创新的例子。 “在使用AI的基础上，仍然需要进行人工评估。”（阅读癌症疫苗和人工智能：抗击癌症的胜利？）
如今的AI人才库
许多公司抱怨科技人才短缺的问题。 Joshi，Chen和Neufeld同意现在就是这种情况。但是他们都认为这是暂时的挫折。乔希认为，像The Fuse AI Center这样的程序所提供的程序，将使AI教育变得更加容易访问，并且“将扩大AI人才库，并从本质上为工程师做好准备以应对快速发展的全球AI就业市场。”
在工作所需的教育方面，Neufeld认为AI人才的状况与我们之前看到的情况相当，因此预测在另一个方向上将会有所变化：
“我相信今天的数据科学和AI开发人员短缺，就像上世纪末Web开发人员的短缺一样。与此类似，我们看到供求的自然经济效应提高了工资。这类职位的利润丰厚。”
“如果我不得不预测的话，在达到平衡之前，我们将看到市场饱和的钟摆现象。”
培养AI人才库的教育
他们都期望将来会向更多的人传授他们需要成为AI所需的技术技能，并且课程会发生变化，以使人们为现代劳动力做好准备。但是，陈认为，这甚至应该从高中阶段开始。
她的观点是课程要适应时代的需要。在上世纪初，技术以发动机为中心，在高中阶段教授的科目包括化学，物理和数学。然后，技术发展为“以计算机和手机为中心，现在以AI和区块链为中心”。
因此，陈认为，教育现在应该在“必修课程”中包括“编码，计算机科学和计算机体系结构”。
另一方面，诺伊费尔德（Neufeld）认为，哲学，心理学和人类学等学科在培养AI编程人员方面可能变得越来越重要。她这样解释：
“人才库变化中有趣的部分是我们不知道的工作，或者那些我们不知道如何教的要求资格的人。您如何训练某人创建一台表现出同情或承认讽刺的机器？
“从这个意义上说，哲学，心理学和人类学等研究学科可能更适合培训下一代AI运营商。这可能会导致在不久的将来出现更大的差距，因为这需要建立这些能力并适应来自AI的教育计划。接地。”