زنان زیر تیغ الگوریتم‌ها؛ وقتی هوش مصنوعی جنسیت‌زده می‌شود

با این حال، نگرانی‌های فزاینده‌ای درباره تشدید نابرابری‌های جنسیتی از طریق سوگیری الگوریتمی و کاربردهای تبعیض‌آمیز این فناوری وجود دارد. تحقیقات اخیر نشان می‌دهد که هوش مصنوعی نه تنها بازتاب‌دهنده تعصبات موجود در داده‌های آموزشی است، بلکه می‌تواند به شکل سیستماتیک حقوق زنان را در حوزه‌هایی مانند اشتغال، سلامت و آموزش تحت تأثیر قرار دهد.

نمونه‌های جهانی از تبعیض جنسیتی در هوش مصنوعی 

۱. سوگیری در فرآیند استخدام: شرکت آمازون الگوریتمی را برای غربالگری رزومه‌ها توسعه داد که به طور سیستماتیک به زنان برای مشاغل فنی امتیاز پایین‌تری اختصاص می‌داد. این الگوریتم با تحلیل داده‌های تاریخی شرکت که عمدتا متعلق به مردان بود، زنان را برای نقش‌های فنی نامناسب تشخیص می‌داد. این نمونه، نشان‌دهنده خطر تکرار تعصبات جنسیتی در سیستم‌های مبتنی بر هوش مصنوعی است.

۲. زنانه‌سازی دستیارهای مجازی: دستیارهای صوتی مانند الکسا (آمازون)، سیری (اپل) و دستیار گوگل عمدتا با صدای زنانه و شخصیت‌های مطیع طراحی شده‌اند. این رویکرد، کلیشه‌های جنسیتی را تقویت می‌کند و زنان را در نقش‌های خدماتی یا فرمانبردار قرار می‌دهد. مطالعات نشان می‌دهند که این طراحی مبتنی بر ترجیح مصرف‌کنندگان است، اما منتقدان معتقدند این رویکرد به نابرابری‌های ساختاری دامن می‌زند. 

۳. تشخیص جنسیت و تفاوت‌های مغزی: پژوهش دانشگاه استنفورد نشان می‌دهد هوش مصنوعی می‌تواند با دقت ۹۰ درصد جنسیت افراد را بر اساس اسکن مغزی تشخیص دهد. این یافته‌ها تفاوت‌های ساختاری در مغز مردان و زنان را تأیید می‌کند، اما نگرانی‌هایی درباره استفاده از چنین داده‌هایی برای توجیه نابرابری‌ها در حوزه‌هایی مانند آموزش یا سلامت روان وجود دارد.

تأثیرات منفی هوش مصنوعی بر زنان

اتوماسیون و بیکاری: حدود ۸۰ درصد مشاغلی که زنان در آنها حضور پررنگ‌تری دارند (مانند منشی‌گری و خدمات اداری) در معرض خطر جایگزینی با هوش مصنوعی قرار دارند.

شکاف مهارتی: تنها ۲۲ درصد از متخصصان هوش مصنوعی را زنان تشکیل می‌دهند. این شکاف ناشی از محدودیت دسترسی به آموزش در رشته‌های STEM است.

سلامت روان: الگوریتم‌های تشخیصی در حوزه سلامت، به دلیل تمرکز بر داده‌های مردانه، ممکن است علائم بیماری‌هایی مانند افسردگی یا اضطراب را در زنان نادیده بگیرند.

راهکارها و ابتکارات جهانی

۱. آموزش و توانمندسازی زنان: برنامه‌هایی مانند «Elevate» در عربستان سعودی با همکاری گوگل، هدف آموزش ۲۵٬۰۰۰ زن در حوزه هوش مصنوعی را تا سال ۲۰۳۰ دنبال می‌کند. این طرح‌ها بر کاهش شکاف جنسیتی در مشاغل فناوری تمرکز دارند.

۲. توسعه الگوریتم‌های عادلانه: سازمان‌هایی مانند Partnership on AI در حال تدوین چارچوب‌هایی برای حذف سوگیری‌های جنسیتی از داده‌های آموزشی هستند. استفاده از داده‌های متعادل و متنوع کلید کاهش تبعیض است.

۳. سیاست‌گذاری بین‌المللی: گزارش اخیر سازمان ملل متحد خواستار تخصیص بودجه بیشتر برای توانمندسازی زنان در حوزه فناوری و تصویب قوانین ضدتبعیض در استفاده از هوش مصنوعی شده است. 

هوش مصنوعی به عنوان یک ابزار دوگانه، هم می‌تواند نابرابری‌ها را تشدید کند و هم فرصت‌هایی برای برابری ایجاد نماید. تحقق چشم‌انداز دوم، مستلزم همکاری دولت‌ها، شرکت‌های فناوری و جامعه مدنی برای تضمین شفافیت، آموزش فراگیر و توسعه اخلاق‌محور این فناوری است. آینده برابری جنسیتی در گروی نحوه مدیریت هوش مصنوعی در دهه پیش‌رو خواهد بود.

ایندیپندنت