人工智能中的女性模型和对抗COVID-19的斗争

科学领域:

• 专注于科学,技术,工程和数学 (STEM),特别是人工智能 (AI) 的性别动态.
• 探讨了女性在人工智能研究中的代表性及其在不同学科的历史趋势.

背景情况:

• 持续的性别不平衡是STEM和AI领域记录良好的问题.
• 妇女在人工智能领域的代表性不足导致缺乏多样化的视角,并阻碍了创新.
• 诸如玛丽·里综合体,幸存者偏见和骗子综合征等挑战不成比例地影响着STEM中的女性.

研究的目的:

• 突出提高女性研究人员在人工智能领域的可见性和认可的关键需求.
• 分析随着时间的推移,女性参与STEM和AI的演变.
• 确定和讨论人工智能中性别不平衡的根本原因.

主要方法:

• 审查现有的关于STEM和AI中的性别比例的文献和统计数据.
• 分析女性在领先的人工智能会议上的参与率.
• 著名女性研究人员及其贡献的案例研究,特别是用于COVID-19研究的AI.

主要成果:

• 人工智能仍然存在显著的性别差异,在各个学科之间存在显著差异.
• 缺乏女性榜样和特定的心理挑战有助于妇女的代表性不足.
• 女性积极参与AI4FA COVID-19等会议和倡议,可以促进更平衡的代表性.

结论:

• 提高女性研究人员的知名度和知名度对于吸引和留住人工智能领域的人才至关重要.
• 解决系统性问题和促进包容性环境对于实现人工智能的性别平等至关重要.
• 展示成功的女性研究人员和他们的工作可以激励未来几代人,并打击性别偏见.