Pourquoi nous avons besoin de plus de femmes pour construire des produits d'IA réels, expliqués par la science

Avant d'explorer pourquoi plus de femmes devraient diriger des équipes d'IA, je veux partager une histoire fascinante que j'ai entendue de Tania Biland, une étudiante de 3e année de la Lucerne University of Applied Sciences and Arts.

L'histoire comme raconté par Tania:

Le semestre dernier, notre classe a été divisée en trois groupes différents afin de développer une solution technologique de sécurité pour les marques suisses ou allemandes:

Groupe 1: Seulement des femmes (mon groupe )

Groupe 2: Uniquement les hommes

Groupe 3: Quatre femmes et un homme

Après 4 semaines de travail, chaque équipe devait présenter son travail. [19659013] Le groupe 1 composé uniquement de femmes, a développé une solution de sécurité pour les femmes dans l'obscurité. Le jury étant uniquement masculin, nous avons décidé de raconter une histoire en utilisant un personnage, de la musique et des vidéos afin de leur faire ressentir ce que les femmes vivent au quotidien. Nous insistons également sur le fait que tout le monde a une mère, une sœur ou une femme dans sa vie et qu’ils ne veulent probablement pas qu’elle souffre. Au final, notre solution était plutôt simple technologiquement : utiliser la lumière pour assurer la sécurité mais connectée au public émotionnellement.

Groupe 2 composé principalement des hommes, a présenté une solution plus technologique utilisant l'IA GPS, et vidéoconférences . Ils ont fondé leurs arguments sur faits et chiffres et ont souligné leurs avantages concurrentiels .

Dans le groupe 3, avec 4 femmes et 1 homme, le résultat n'a pas semble pas fini. Le seul homme dans le groupe ne pouvait pas accepter d'être dirigé par des femmes et elles passent donc trop de temps à discuter de la dynamique de groupe au lieu de travailler.

Les groupes avaient non seulement des résultats différents, mais ils abordaient également le problème différemment. Mon groupe (groupe 1) a décidé de commencer par définir les préférences et les styles de travail de chacun afin de répartir certaines responsabilités et de maintenir une hiérarchie aussi plate que possible.

Par contre, les deux autres groupes ont élu un chef d'équipe. . Il s'est avéré que ces «dirigeants» étaient davantage perçus comme des dictateurs, ce qui a provoqué de graves conflits où les équipes ont passé des heures à discuter et à se disputer alors que notre groupe travaillait et était productif.

Ce que la science nous dit sur les différences entre les sexes

Le paysage scientifique en ce qui concerne les différences entre les sexes et les effets sur le comportement est toujours en évolution et n'a pas encore fourni un ensemble clair d'explications scientifiques pour différents comportements. En compilant la plupart des recherches, il y a deux facteurs principaux qui influencent les comportements:

1. Différences physiologiques potentielles entre les hommes et les femmes
2. Normes et pressions sociales formant des comportements différents

Dans l'histoire ci-dessus, racontée par Tania, les femmes développé la solution dans un style de leadership collaboratif ( culture d'adhocratie ), en adaptant la position de leader en fonction des tâches avec une hiérarchie presque plate. Ils ont tiré leur argumentation en impliquant toutes les parties prenantes (dans ce cas, les mères et les femmes = les utilisateurs), montrant de l'empathie pour leurs problèmes. Ils ont vu la situation dans son ensemble et ont également construit une solution plus simple qui était en fait terminée.

À travers l'histoire, j'ai pu relier les points sur pourquoi la plupart des projets d'IA ne finissent jamais par passer de la phase de prototype à une application du monde réel .

Pourquoi les produits d'IA ne sont pas adoptés?

D'après mon expérience, il y a trois raisons principales pour lesquelles la plupart des solutions d'IA et d'apprentissage automatique (ML) ne passent pas de la phase de prototypage au monde réel:

1. Manque de confiance: L'une des plus grandes difficultés pour les produits AI ou ML est le manque de confiance. Des millions de dollars ont été dépensés pour le prototypage, mais avec très peu de succès dans les lancements dans le monde réel. Essentiellement, la confiance est l'une des valeurs les plus fondamentales pour faire des affaires et apporter de la valeur aux clients, et l'intelligence artificielle est la technologie la plus débattue en ce qui concerne les préoccupations éthiques et les problèmes de confiance connexes. La confiance vient de l'implication de différentes options et parties dans toute la phase de développement, ce qui ne se fait pas dans la phase de prototype.
2. La complexité d'un lancement: La construction d'un prototype est facile, mais il en existe des dizaines d'autres entités externes qui doivent être prises en compte lors de l'entrée dans le monde réel. Outre les défis techniques, d'autres domaines d'intérêt doivent être intégrés au prototypage (tels que le marketing, la conception et les ventes).
3. Les produits d'IA ne prennent souvent pas en compte toutes les parties prenantes: I entendu l'histoire selon laquelle Alexa et Google Home sont utilisés par des hommes pour verrouiller leur conjoint en cas de violence domestique. Ils font monter la musique très fort, ou ils les mettent hors de leur maison. Il est possible que dans un environnement où des ingénieurs principalement masculins construisent ces produits, personne ne pense à ce genre de scénarios. De plus, il existe de nombreux exemples sur la façon dont l'intelligence artificielle et les capteurs de données peuvent être biaisés, sexistes et racistes [1].

Fait intéressant, aucun des trois points ne se rapporte aux défis techniques, et tous peuvent être surmontés en créant le

Comment rendre l'IA plus réussie?

Afin de résoudre les défis ci-dessus et de créer des produits d'IA plus performants, nous devons nous concentrer sur une approche plus collaborative et communautaire

Cela prend en compte les opinions des différentes parties prenantes, en particulier celles qui sont sous-représentées. Voici les étapes pour y parvenir:

Étape 1. Impliquez différents groupes, en particulier. les femmes du milieu de la pyramide des talents

En technologie, la plupart des entreprises se concentrent sur l'embauche de personnes au sommet de la pyramide des talents, où, pour des raisons principalement historiques, il y a moins de femmes. Par exemple, la plupart des cours d'informatique comptent moins de 10% de femmes. Cependant, de nombreuses femmes talentueuses sont cachées au milieu de la pyramide, s'instruisant par le biais de cours en ligne, mais manquent d'opportunités et d'encouragement.

Pour donner un exemple, je parlais avec le président de Geek Girls Carrot, qui est une organisation qui promeut les femmes dans la technologie. Ils organisent un atelier sur l'IA où plus de 125 femmes ont postulé mais elles n'avaient que 25 sièges, donc naturellement, elles doivent laisser derrière elles plus de 100 femmes talentueuses.

Imaginez, si nous pouvons impliquer la plupart des 100 autres femmes au lieu de seulement au sommet. Cela donnerait à beaucoup plus de femmes la possibilité de travailler dans de nouvelles technologies comme l'IA.

Étape 2. Construire une équipe ascendante commune et collaborative avec différentes parties prenantes

Ensuite, nous avons également besoin de plus de collaboration entre les hommes et les femmes en tant que différentes parties prenantes pour lancer avec succès des produits sur le marché réel. Cela peut être réalisé en formant des communautés de projet inclusives qui construisent des produits d'IA basés sur des valeurs communes, des croyances et souvent une vision plus large.

Pour prouver le fait, au cours des six derniers mois, nous avons réuni un groupe de plus de 50 hommes et étudiantes pour construire un modèle ML. En peu de temps, les membres ont commencé à collaborer et à s'entraider pour construire les modèles. Quatre sous-groupes se sont formés et l'un d'eux était dirigé par deux femmes et soutenu par deux hommes (data taggers). Les autres groupes étaient tous des hommes. En 4 mois, le groupe avec les deux femmes et les deux hommes a construit le modèle le plus précis. Dès le début, les femmes étaient beaucoup plus disposées à collaborer que les hommes. Cependant, plus intéressant, j'ai vu que les hommes du groupe ont également fini par se comporter de manière plus collaborative à cause des autres femmes du groupe. C'était fascinant !!

Étape 3. Créer la bonne structure organisationnelle pour la collaboration

Et si nous pouvions créer des structures et des pratiques organisationnelles qui n'ont pas besoin de responsabilisation parce que, par conception, tout le monde est puissant et personne n'est impuissant? J'ai vu que cela peut être réalisé en reliant les motivations intrinsèques et extrinsèques (qui ne sont pas liées à l'argent) et en créant une structure d'incitation qui n'est pas compétitive.

Dans mon cas, j'ai construit la communauté où le mentor était au sommet de la pyramide, suivi par le community manager, puis les ingénieurs travaillant sur la construction de modèles et enfin les tagueurs de données. Les membres de chaque équipe s'efforçaient de gravir les échelons pour atteindre le niveau suivant, ce qui a créé une motivation extrinsèque. Cependant, la compensation monétaire pour les personnes au même niveau était la même.

Pourquoi les femmes devraient diriger des équipes d'IA

Dans l'histoire depuis le début, le groupe de femmes a suivi une approche plus collaborative Style de leadership en montrant plus d'empathie et de volonté de collaboration de la part des clients.

Compte tenu de l'expérience limitée du projet solaire, nous avons vu que l'approche consistant à utiliser la communauté pour créer des produits a également contribué à favoriser la collaboration et à renforcer la confiance entre les membres de la communauté. [19659072] Bien qu'aucune des qualités mentionnées ne puisse être généralisée, le graphique suivant vise à résumer certaines des raisons pour lesquelles de nombreuses femmes conviennent parfaitement au leadership collaboratif.

En conclusion, je soutiens que nous devrions penser de manière plus holistique et faire de notre mieux pour créer le bon environnement où nous regardons au-delà du sexe, de la race et du contexte culturel et nous concentrons sur la façon dont nous pouvons collaborer en tant qu'êtres humains pour construire un meilleur

Cet article a été initialement publié sur Towards Data Science par Rudradeb Mitra. Il a commencé sa carrière en tant que chercheur en IA et a publié 10 articles de recherche. Après avoir obtenu son diplôme de l'Université de Cambridge, il a participé à la création de diverses startups aux États-Unis, au Royaume-Uni, en Belgique et en Pologne. Son objectif actuel est de stimuler l'innovation de bas en haut et de résoudre divers problèmes sociaux dans le monde en utilisant l'IA grâce à la collaboration mondiale de modificateurs de plus de 75 pays. Il a également écrit un livre sur l'IA et a été invité à prendre la parole lors de plus de 100 événements. En plus de cela, il n'a pas de téléphone, médite quelques heures par jour et vit sa vie sans but dans la vie et dans un état de Wu wei. »