В технике не хватает женщин. С 1980-х годов количество женщин, получивших дипломы по информатике, резко упало, и в большинстве крупных технологических компаний представительство женщин на технических должностях ниже 30%.

Это отсутствие разнообразия не позволяет нам создавать продукты, которые работают для всех. Это может способствовать развитию токсичных« брокерских культур», которые вредят всем, кто в них работает, и лишает команды хорошо задокументированного повышения производительности, которое приносят женщины.

Многие из первых суперзвезд информатики были женщинами - от дочери-эрудита лорда Байрона Ады Лавлейс, первой, кто придумал компьютер общего назначения, до контр-адмирала Грейс Хоппер, которая впервые начала использовать естественный язык при написании компьютерных программ. . Точно так же на послевоенной компьютерной сцене доминировали женщины. По словам Грейс Хоппер: Программирование требует терпения и умения обращаться с деталями. Женщины естественны в программировании .

Недавний провал, связанный с меморандумом Джеймса Дамора из Google и последующее увольнение, показывает, что источник гендерного дисбаланса в технологиях все еще вызывает горячие споры в определенных кругах. Но многие организации считают совершенно очевидным, что этот гендерный дисбаланс проистекает из текущих социальных и культурных норм, и опираются на людей, пытающихся что-то с этим сделать.

Негар Ростамзаде, ученый-фундаментальный исследователь в Element AI, - одна из тех, кто трудится на низовом уровне, чтобы помочь увеличить число успешных женщин в компьютерных науках. Когда она не занимается глубоким обучением для классификации и генерации видео, она организует в этом году семинары Женщины в машинном обучении (WiML) в NIPS, Женщины в компьютерном зрении (WiCV) в CVPR и Женщины в глубоком обучении (WiDL). Мы сели, чтобы обсудить ее роль в этих организациях и ее точку зрения на то, чтобы сделать наше сообщество более разнообразным и инклюзивным.

Что такое женщины в машинном обучении?

Негар: В 2005 году пять женщин из NIPS [Ханна Валлах, Дженнифер Вортман Воган, Лиза Вайнер и Анджела Ю] поняли, что они были единственными женщинами на всей конференции. Они основали WiML, чтобы увеличить количество женщин, занимающихся ОД, и повысить влияние женщин в этой сфере.

Им удалось уговорить Грейс Хоппер провести свой первый семинар с 25 участниками, и с тех пор рост был огромным. В этом году на мероприятии в Лонг-Бич будет 400+ плакатов!

Влияние WiML было огромным. Во-первых, это дает младшим преподавателям возможность представить свою работу старшим исследователям и получить от них обратную связь. Это действительно полезно, особенно для новичков в этой области.

Во-вторых, поле становится гостеприимным местом для женщин. По словам их миссии, WiML стремится «создать для женщин (в том числе молодых женщин) возможности на местах, чтобы они могли участвовать в содержательных технических и профессиональных обсуждениях в позитивной, благоприятной среде». В этом году в семинаре впервые приняли участие и старшеклассники. Это захватывающе, потому что гендерный дисбаланс в технических дисциплинах возникает так рано, что нам нужно решать его у источника, если мы хотим убедиться, что есть большой пул высококвалифицированных женщин, из которых можно набирать.

Наконец, WiML предоставил шаблон для подобных форумов в различных областях (WiCV, WiDL и WiNLP) и других инклюзивных мероприятий в сфере технологий.

Как вы приняли участие?

Я получил степень бакалавра в Тегеранском университете, и на моем курсе CS было 13 женщин и 12 мужчин. Затем я отправился в лабораторию в Италии, которая также была сбалансирована по половому признаку. Но когда я приехал в Северную Америку, я понял, что женщин, работающих в ML, очень мало.

Я посетил семинар по WiML в 2015 году в NIPS, и это был отличный способ познакомиться с людьми в непринужденной обстановке. Эти большие конференции очень пугающие, особенно если вас считают меньшинством и вы не из известной лаборатории. Даже поговорить с известными женщинами-исследователями довольно сложно. Начать разговор может быть сложно без явной настройки наставничества. Семинары по WiML позволили мне почувствовать себя очень комфортно с другими женщинами, и я нашла друзей, с которыми можно было пообщаться до конца конференции.

Это было моим вдохновением для совместной организации третьего WiCV в 2017 году. Это также привело к созданию WiDL (Женщины в глубоком обучении). Одна из женщин, которую я встретил на этом семинаре, Адриана Ромеро, на самом деле была в моей лаборатории (!). Мы запускали WiDL в Летней школе глубокого обучения в MILA в 2016 и 2017 годах. Итак, в этом году у меня все руки были заняты организацией WiML в NIPS, WiCV в CVPR и WiDL в MILA!

Считаете ли вы, что в Северной Америке больше проблем с WiML, чем, например, в Иране?

Определенно лучшее соотношение в Иране, или, скорее, в группе иранцев за пределами Ирана, потому что так много великих иранских ученых сейчас находится в Северной Америке. Страны Восточной Европы также очень сбалансированы; оттуда вы встретите много очень впечатляющих женщин-ученых.

Doina Precup [Университет Макгилла; Google DeepMind] сказал нам на Канадском празднике женщин в области компьютерных наук несколько месяцев назад: В Румынии мне никто не сказал, что я не должен быть ученым. Моя бабушка была математиком, а мама - ученым-компьютерщиком. Я не знал, что не должен заниматься информатикой, пока не приехал в США .

Это решительный ответ на идею о том, что существуют биологические различия между мужчинами и женщинами, которые объясняют различия в представительстве. Если существуют глубоко укоренившиеся биологические различия, почему они не так важны для Ирана или Румынии?

Какой женщиной-специалистом по машинному обучению вы больше всего восхищаетесь?

Я хочу выделить их так много: Ханна Уоллах, Кейт Кроуфорд, Дженнифер Вортман, Анима Анандкумар, Маргарет Митчелл.

Тимнит Гебру - сильный исследователь и активист. Когда она видит проблему, она обращается к ней лицом к лицу. Она была на NIPS 2016 и заметила, что чернокожих участников очень мало. В этом году она организовала первый воркшоп Black in AI в НИПС, на котором было проведено около 100 презентаций с множеством высокопоставленных людей.

Еще мне очень нравится Райя Хадселл [Google DeepMind]. У нее другое академическое образование (ее степень бакалавра - религия и философия), но она не побоялась переключиться в новую область, где она внесла огромный вклад.

Здесь, в Монреале, Жоэль Пино [МакГилл; Facebook] и Doina Precup [McGill; Google DeepMind] - огромные вдохновители и практичные исследователи. Они находятся в авангарде обучения с подкреплением, и я думаю, что их усилия по применению своих алгоритмов в реальном мире (например, прогнозирование припадков) и максимизация воздействия поля очень впечатляют.

С какими проблемами вы столкнулись при продвижении женщин в области машинного обучения?

Разговор о разнообразии может вызвать обратную реакцию. Иногда это нормально, и в результате у нас возникают полезные обсуждения.

Проблема возникает, когда люди говорят о разнообразии, фактически не предпринимая никаких конкретных действий: это вызывает негативную реакцию и сопротивление, даже не приводя к каким-либо положительным результатам. Если вы много говорите о разнообразии, но приглашаете выступающих только мужчин при организации семинара, скорее всего, вы приносите больше вреда, чем пользы. Как утверждала Рэйчел Томас, этот брендинг разнообразия может быть очень разрушительным, потому что он создает иллюзию того, что проблема решена, но не помогает ее облегчить.

В этом смысле фурор вокруг недавней записки Джеймса Дамора был весьма кстати. Лучше, если люди выражают подобные идеи открыто: это раскрывает глубину проблемы, а не скрывает ее. Многие люди говорят, что никто больше так не думает; Подобные инциденты показывают, почему нам нужны такие инициативы, как WiML, потому что все еще есть значительная часть людей, которые считают, что женщины биологически не подходят для участия в технологиях.

Как люди могут принять участие?

Во-первых, одна из самых простых вещей, которую вы можете сделать при организации группы или семинара, - это потратить некоторое время, пытаясь выйти за пределы своего круга друзей или соавторов. Вероятно, есть женщины-исследователи и люди из других недопредставленных групп, которые работают в той же области, но не очень заметны. В WiML даже есть каталог, чтобы упростить эту задачу (если вы женщина, занимающаяся машинным обучением, убедитесь, что вы в этом списке!). Мы хотим убедиться, что направления исследований, выработанные на этих встречах, применимы к широкому кругу людей. Точно так же, если вы знаете великих женщин-исследователей в своей области и вам нравится их работа, опубликуйте ее!

Во-вторых, высказывайтесь, независимо от того, являетесь ли вы меньшинством в этой области. Если вас приглашают в качестве участника дискуссии или докладчика на мероприятие с нулевым или очень небольшим разнообразием, потратьте некоторое время на то, чтобы записать имена исследователей из разных слоев общества, которые являются экспертами в своей области. Отправьте эти имена организаторам и предложите их в качестве будущих докладчиков. Если вы неосознанно участвуете в мужском мероприятии, укажите на это потом.

В-третьих, если вы видите отсутствие разнообразия в месте, где вы работаете, отметьте это. Если можете, составьте таблицу заработной платы мужчин и женщин. Компании не могут быть принуждены к этому, но они должны - просто показать коэффициенты в разных отделах было бы хорошим началом.

Наконец, участвуйте в обсуждениях и группах, посвященных разнообразию - независимо от вашего пола. У нас много мужчин в этих мастерских [WiML, WiDL, WiCV]. Приглашаем всех принять участие!

Дополнительные ресурсы

Негар Ростамзаде - ученый-фундаментальный исследователь, а Арчи де Беркер - ученый-прикладник, оба в компании Element AI.

Спасибо Мари-Клод Котэ и Насрин Бараталипур за комментарии.