机器学习中的女性：改变人工智能的面貌

机器学习女性大会（Women in Machine Learning Conference）在过去10年里一直是一个非常重要的网络，将计算机科学领域的女性少数群体连接到一起。

而这个想法诞生在一个酒店房间里。

2005年，机器学习研究员Hanna Wallach参加NIPS大会时，发现自己竟然被安排和几名女性同行住在一间房。自2001年以来，Wallach一直在机器学习领域工作，参加了许许多多的大会。但这还是她第一次与研究机器学习的女性同住。机器学习作为一门学科，其研究人员绝大多数都是男性。据Wallach估计，在整个机器学习领域中只有13.5%的人是女性。

在此次大会上，Wallach和她的室友们——Jennifer Wortman Vaughan、Lisa Wainer、和 Angela Yu，开始交流她们的经验以及对缺乏女性同事的感慨。“我们无法相信，大会上只有我们四位女性，” Wallach说。她和Vaughan、Wainer列出了该领域其他10名女性的名字，期待着她们能同聚一堂。

想法萌生

接下来的一年，在2006年10月，Wallach、Vaughn和Wainer举办了第一届机器学习女性大会（WiML），与会者近百人。“看到这么多机器学习领域的女性齐聚在同一个空间，这真是难以置信，” Wallach说。 “我们谁也没有经历过这样的事情。” （Yu参加了大会，但没有参与大会的创办。）

在过去的十年里，大会茁壮成长，参会者超过了300人（WiML也欢迎男性，不过他们不能出席。）今年，主办方不得不关闭注册，因为人数已经达到会场的可容纳限制。当时在NIPS大会上提出的乌托邦式的想法，已经成为AI领域女性的一个广受尊重的重要组织和支持系统。

当创始人最初设想WiML时，她们认为这将是Grace Hopper大会上的一个一次性的、独立的分会。Grace Hopper大会是计算机行业的女性一年一度的庆祝活动。但是，当她们深入规划和安排演讲日程表时，她们意识到仅仅一个分会是不够的。WiML必须是一个正式、全面的大会，要聚集尽可能多地聚集该领域的女性。鉴于首届会议竟然如此成功，下一步自然是要使WiML成为一年一度的大会。

WiML大会的理念很简单：世界各地的专家聚在一起来了解同行正在做什么。与会者介绍自己最近的工作，并讨论未来项目的计划。大会还包括其他部分，比如辅导机会和职业圆桌会议。但是Wallach（现在微软担任高级研究员）解释说，大会的重点是“人们正在做的惊人研究”。

支持和社区精神已经成为WiML的核心精神。“我开玩笑说，我们把它称为机器学习领域的好人，”哈佛大学计算机科学教授及WiML执行董事Finale Doshi-Velez说。作为一个少数群体，AI领域的女性有时会感到孤独。WiML为她们提供了一个论坛，在这里她们能安心地分享各自的工作。“这对于不认识其他人的男性或女性而言，都是非常困难的，” Doshi-Velez说，“我们努力推动与会者之间的交流和沟通，并告诉她们说，‘你完全可以和旁边的人交谈’。”

数据和偏见

WiML的必要性是显而易见的。科学一直以来都是男性主导的学科。来自美国国家科学基金会的统计数据显示，2006年，只有21.3％的计算机科学博士学位由女性获得；而在工程学，该统计数据下降到了20.2％。最近彭博社的一篇文章指出，现在计算机专业的毕业生只有17%是女性，较几年前显著下降。

这是一个系统性问题，文化是很大一个因素。正如彭博社这篇文章指出的那样，机器学习和人工智能的一个大问题来源于数据集。当计算机被输入反映周围世界的数据时，它们开始学习。鉴于男性在该行业中占据主导地位，因此是他们决定计算机分析的数据集的信息。这可能会使智能机器在男性研究员准备的问题上具有先天偏见。

因此，占该领域13.5％的女性能通过自己的工作重新平衡该领域的研究，这一点尤为重要。Wallach就靠自己解决了这个问题。她的大部分研究都注重机器学习的“公平、问责制和透明度”，这种方法能把在大数据处理中被忽视的少数事件考虑进来。“我会主张优先考虑重要的社会问题，其次才是数据可用性，”她在一篇文章中这样解释这个问题。

最大的问题是，WiML产生怎样的影响？虽然它已经存在了十年，但业界最近才开始承认其多样性问题。“三年前，我不会有像现在这样的谈话，” Wallach说，“当我还是一名博士生学习机器学习时，我不认识其他的女性。我认识的大多数人都是男性。”

现在已经完全改变了。Wallach和Doshi-Velez都说，性别比例已经有所改变，不过要达到平等还有很长的路要走。“任何场合下的人数性别不平等都将是一场艰苦的战斗，” Wallach说。“我们一直以来的立场是，即使我们不知道这是否是最好的事情，做这件事也是更好的选择。这绝对是有回报的。”

未来会更好吗

未来要面临的挑战不仅是要创造支持女性的计划，而且还要保证她们在整个行业获得知名度。考虑到这一点，WiML最近创建了一个正式的在线机器学习女性数据库。该数据库已经能够访问，目的是为能在任何会议上发言、参与研究、或者提供专业知识的女性提供证明。机器学习会议的组织者再也不能说自己不知道去哪里找有经验的女性。

12月份，第11届机器学习女性大会将在巴塞罗那举行。与过去10年一样，此次大会肯定会有推动行业发展的颠覆性展示。Doshi-Velez说，现在计算机科学界是时候承认这些成就了，好让话题可以重点放在这些先进学科领域里的女性和其他少数群体面临的挑战。她说，“很多人都在谈论这个重要的问题，但是我没有看到多少解决方案。我们需要开始宣传这项工作。”

编译来源：

http://www.fastcompany.com/3062932/mind-and-machine/ai-is-a-male-dominated-field-but-an-important-group-of-women-is-changing-th