不服!女性为何成为科技领域的“隐形人”?讲讲崛起中的“她”力量

2020 年 6 月 22 日 学术头条





6 月 21 日,由北京智源人工智能研究院主办的  2020 北京智源大会 开幕,吸引国内外顶级 AI 专家学者共同研讨人工智能发展前沿话题、放眼未来十年。

可是我们不禁要问:这场引领时代浪潮的学术盛会中,有多少女性科研者的身影?面对 STEM 领域普遍存在的性别失衡问题,占有人类一半智慧的女性,怎样在未来科技中迸发出自身的力量?女性科学家如何冲破刻板印象、性别差异和社会家庭文化因素的制约,甚至做到中流砥柱、力挽狂澜?

针对这些问题,下午的“AI 科技女性”专题论坛的五场报告,从学术界女性的赋权问题,到富有女性特色和情感温度的前沿研究,到语言中的性别偏见现象,展现了女科学家们不容忽视的智慧、魅力与卓越贡献。





为更为全面、深入地探讨“科技与女性”这一话题,第十四期 AI Time 邀请了清华大学计算机系教授、AI 2000 上榜学者 朱小燕 ,北京语言大学教授、智源学者 杨尔弘 ,阿里巴巴达摩院资深算法专家 杨红霞 ,中国计算机学会 YOCSEF 学术委员会学术委员 徐剑军 ,由中科院计算所研究员、智源学者 兰艳艳 滴滴出行科技生态与发展总监 吴国斌 主持,展开进一步的思辨与交流。

一起看看大咖们有哪些观点的碰撞吧!


引言:从新冠疫情谈起


热身问题:新冠疫情期间,女性发表论文的增量为什么比男性少?
研究表明,新冠疫情期间各学科的女性研究人员的发表率不及男性研究人员,尤其是女性初级研究员缺席严重。


朱小燕认为, 这和科研工作本身的性质有关 。科研需要长时间 不间断、沉浸式思考 ,在疫情期间女性受到家庭的干扰比男性更多,不能做到像办公室里的百分之百投入。相比之下,男性的影响更小,甚至节约了很多社交时间。

杨尔弘从女性的传统社会角色和家庭角色分析,认为疫情使得女性承担的家庭事务性工作骤增,包括家务、一日三餐、孩子在家需要照料, 在内需要安排妥善家人的生活,在外受到各种信息的冲击 ,缺乏团队集聚、集中、安静的环境。杨红霞则补充道,work from home 的工作模式使得 员工心态发生变化工作重心转移到家庭 ,这对女性工作者的影响尤为明显。当然,需要严格检验问题中的差异化假设是否为 statistically significant 再下定论。

“隐形人物”与“稀有动物”


据统计,全球科技领域女性从业人员只占总人数的 29%,精英科学家中女性仅占 3%~5%。在诺贝尔科学类奖项中女性获奖者仅占 3.3%,其中诺贝尔物理学奖自 1901 年至今仅有 3 名女性获奖者;阿贝尔奖自 2003 年开始颁发至今,仅有乌伦贝克一名女性获奖。面对科技领域女性数量少、获奖少、科学地位低等问题,公众常常认为这并非性别不平等所致,而是因为女性不适合科学,或者女性的科研能力不如男性?



针对这一问题,杨红霞认为智力和能力上,男女水平并无差别。但是,首先从 生源供给 的角度,理工科专业确实存在男女学生比例严重失调的现象。从工作后来看,周围环境中男同胞较多, 技术讨论和人际关系 上女性要融入进来、建立长期合作关系有很大困难。最后,男女 选择存在差异 ,女性科技工作者更倾向于国外的科技公司,因为节奏更加轻松。杨尔弘从三个方面考虑:客观上,男女确实各有擅长,这由生理和基因决定;主观上, 女性在成长过程受到更为苛刻的要求 ,比如硕博招生中很多老师坚决不要女生(包括女老师);同时,这与女生性格有关,女性很多都胜负欲不强、 默默承担不太耀眼的学术担当工作 ,获得的荣誉自然少些。

朱小燕同意,男女的多样性差异很自然,没有区别的话这世界的色调就单一了。社会发展和传统文化使得女性肩负延续后代的义务,生儿育女男性替代不了,就像雌性动物保护幼崽一样,很多女性的天性亦是如此。另外,不要用奖项衡量贡献,自己收获的成就感最重要。

徐剑军亦从个人求学经历证明,女性的学习成绩和科研能力甚至比男性强。但是很多女生不会一较胜负、更看重孩子,这和性格、文化等复杂因素有关。高校和企业界存在的男女区别对待现象,客观地讲也是无奈,应该从科研政策和社会政策来避免雇主自主承担女性特殊的生育问题。

社会分工与女性角色


社会分工发生很大的变化,科技发展加速了这种变化,女性的优势会逐渐体现出来,角色并没有发生太大改变,如家庭、职场,科技发展对女性的角色产生了怎么样的影响?



杨红霞指出技术使得人们从繁重的工作中解脱,更多时间投入科研。并且,由于周围男性居多,女性在工作中还是会受到 优待和关注 ,公司也会支持女性的圈内交流和特殊需求。朱小燕认为,科技加速了社会分工、使得 分工越来越细粒 。单纯从科研女性角度看,从洗衣机到扫地机器人和外卖,真正日常必须的家务在不断减少,关键在于 如何利用这些省下来的时间

AI 系统的性别偏见

AI 系统产生伦理或歧视的问题,是由社会,技术,还是使用者导致的?



朱小燕认为这一问题对于基于神经网络的深度模型这种纯粹利用数据的算法是不可避免的,并且使用者手工改正一些错误。徐剑军认为医生中男性偏多、护士中女性偏多这类现象是社会客观存在的,他对论坛报告中黄教授介绍的在数据上直接人为修正的方式存在疑虑。除了性别,包括民族、宗教、肤色等因素,在有些场景可以考虑,但另一些场景不能考虑, 选择权在使用者。总之,科学应该保持中立。

杨红霞则提出了异议,相比光靠算法和数据的 AI 模型,人可以进行推理判断,不需要几万张图片的训练来识别事物。因此,大规模深度学习还是需要专家系统相辅相成,才能做到 推理和认知 ,实现真正的智能。包括推荐系统的马太效应等不公平现象,都说明AI系统还有很长的路要走。杨尔弘补充道,很多自动生成的新闻文本,其实也是有 伦理问题 ,其内容导向和趣味性存在的缺陷甚至会拉低整个国民的素质。要关注怎样控制技术向好发展。

总结与展望

女性如何在男性占优的领域往前走?

针对女性情绪化和自我贬低等问题,杨红霞认为打铁还须自身强、关键在于自己怎么看待自己。女性有很多 得天独厚的优势 ,比如柔和的交流方式和细腻的心思,在强势的男性群体中做到润滑剂的作用,对生活的关怀也使得团体成员的体感更好。

朱小燕强调“ 别老想性别问题,自己歧视自己 ”,要“ 咬着牙、不要抱怨、吃苦耐劳往前走 ”。不要质疑自己的能力,但也别痛苦地往前走,女性需要兼顾家庭和事业,就是得不抱怨也不后悔,一句我愿意就完了。兰艳艳补充说,“因为我选择了,所以我就全力以赴”。杨尔弘也认为年青一代在兴趣上有自己的选择权,加上偶像力量,就不怕吃苦了。

展望:我们应当建立什么样的性别创新机制,实现科技领域的性别平等?

朱小燕首先从哺乳角度谈,社会担当和社会机制要让年轻女性即便怀孕生孩子,也能很安静地回到市场。第二,国家法律法规机制要健全;第三,女性一定要维护自己的合法权益,遇到歧视言语和行为保留证据、行使权力、保护自己。杨尔弘设想,可以从充分尊重女性科学家的角度,灵活地设立创新机制,在有上限和下限的范围里尽可能精细化制度。

(直播回放:https://space.bilibili.com/503316308/video)
点击 阅读原文 ,下载本次报告PPT!
喜欢本篇内容,请点在看
登录查看更多
0

相关内容

杨红霞,美国杜克大学博士学位,原IBM全球研发中心Watson研究员,Yahoo!主任数据科学家,现任阿里巴巴资深算法专家,带领团队开发基于计算平台和搜索推荐的智能算法,稳定的支持了阿里巴巴搜索、广告等30几个核心BU和其业务场景。在顶级统计和机器学习国际学术期刊会议发表论文50余篇(包括JASA, ICML, NIPS, ATSTATS, KDD, ICDM,CIKM和WWW等),美国专利9项,任职 Applied Stochastic Models in Business and Industry副主编,International Statistical Institute理事,中国电子学会青年科学家俱乐部理事,浙江省千人计划专家,2019世界人工智能大会最高奖项卓越人工智能引领者(Super AI Leader,简称SAIL奖)获得者。
5G边缘计算的价值机遇
专知会员服务
64+阅读 · 2020年8月17日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
【BAAI|2019】用深度学习模拟原子间势,王涵  (附pdf)
专知会员服务
17+阅读 · 2019年11月21日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
清华大学两名博士生被开除:你不吃学习的苦,就要吃生活的苦
机器学习算法与Python学习
25+阅读 · 2019年9月16日
深度解读 | 美国打压华为这事水很深——什么是华为?(1)
混沌研习社广州分社
21+阅读 · 2019年6月27日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
【财富空间】一个人真正的资本是什么
产业智能官
6+阅读 · 2018年3月16日
徐小平讲了个投资奇迹,3年不到75万变3亿
钛媒体
5+阅读 · 2017年12月15日
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Arxiv
26+阅读 · 2019年3月5日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Arxiv
9+阅读 · 2018年1月4日
Arxiv
3+阅读 · 2017年12月14日
VIP会员
相关VIP内容
5G边缘计算的价值机遇
专知会员服务
64+阅读 · 2020年8月17日
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
2019中国硬科技发展白皮书 193页
专知会员服务
81+阅读 · 2019年12月13日
【BAAI|2019】用深度学习模拟原子间势,王涵  (附pdf)
专知会员服务
17+阅读 · 2019年11月21日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
相关论文
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Arxiv
26+阅读 · 2019年3月5日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Arxiv
9+阅读 · 2018年1月4日
Arxiv
3+阅读 · 2017年12月14日
Top
微信扫码咨询专知VIP会员