8 marzo: il gender gap pesa anche sull’Intelligenza Artificiale

Il gender gap e gli stereotipi di genere pesano anche sull’Intelligenza Artificiale. Questa tecnologia sta rivoluzionando le economie e le società di tutto il mondo, ma gli spazi occupati dalle donne in questo nuovo contesto professionale sono molto esigui: sono solo tre su dieci le professioniste che lavorano in ambito IA: lo rivela uno studio dell’Asian Development Bank, che spiega come, nonostante gli sforzi per la parità, le barriere strutturali e le strategie nazionali limitino la partecipazione e la leadership delle donne nel settore digitale. Lo confermano anche le analisi dell’Ente delle Nazioni Unite per l'uguaglianza di genere e l'empowerment femminile, dedicate al tema della presenza delle donne nel settore tecnologico: anche qui il sesso femminile continua a essere sottorappresentato, tanto che raggiunge solo il 28,2% delle carriere STEM a livello mondiale. In questa situazione il rischio è che l’AI perpetui gli stereotipi di genere dei contenuti presenti sul Web, dato che sono realizzati al momento ancora prevalentemente da uomini.

PREGIUDIZI DI GENERE IN RETE - Gli stereotipi di genere presenti in Rete sono numerosissimi. Per fare solo qualche esempio, gli assistenti vocali hanno a lungo utilizzato solo voci femminili, rafforzando l’idea secondo cui i ruoli di servizio sono per tradizione riservati alle donne. Nel generare immagini, inoltre, le IA spesso associano il termine “Ceo” a un uomo mentre se si cerca “assistente” propongono immagini femminili. Tutto questo accade perché l’AI non si nutre di dati “neutrali”, ma è istruita a partire da contenuti viziati da stereotipi e bias di ispirazione maschilista.

Negli ultimi tempi, per rispondere a questo contesto, stanno nascendo alternative tecnologiche che possano trasformare l'AI e traghettarla verso un orientamento più "femminista", o per lo meno neutro. Ad esempio, in America Latina e nei Caraibi una Rete Femminista sta cercando di sostenere decine di progetti orientati alla trasparenza e all'empowerment: esistono poi strumenti, come AymurAI, Arvage IA e SofIA in cui il genere viene applicato all'analisi giuridica, individuando e smascherando i "bias" e le discriminazioni presenti negli algoritmi. Ci sono poi assistenti come AfroféminasGpt che utilizzano l'AI come spazio di autodeterminazione, addestrato a partire da saperi e voci nere. Scopo di questo genere di esperienze è dimostrare che è possibile creare un'organizzazione che utilizzi l'AI per l'interesse comune, senza perpetrare stereotipi di alcun tipo.

LE PARI OPPORTUNITÀ IN AMBITO IA – Il primo passo per arrivare a una AI che non amplifichi discriminazioni di genere sta, come raccomanda l’OCSE, nel creare team equilibrati di lavoro e ricerca, in cui sia gli uomini sia le donne vi siano adeguatamente rappresentati. Un equilibrio che sembra ancora molto lontano, dato che, come sottolinea il Financial Times, a livello globale solo 1 ricercatore su 10 è donna.  Per cercare di colmare questo grave gender gap occorre innanzi tutto compiere un attento lavoro di divulgazione, per avvicinare il maggior numero possibile di persone a uno strumento tecnologico che molti considerano ancora misterioso. Ci sono poi alcune contromisure a cui ricorrere, come suggerisce “La AI spiegata semplice”, la più grande community italiana sul tema, che si possono riassumere come segue:

•    Potenziare l’educazione STEM fin dalla scuola primaria, con programmi che promuovano modelli femminili nel digitale.
•    Integrare la prospettiva di genere nelle strategie nazionali sull’IA. 
•    Favorire l’accesso ai finanziamenti per startup guidate da donne.
•    Promuovere mentoring e networking professionale, per sostenere le carriere femminil.
•    Promuovere la divulgazione a tutti i livelli sull’AI, affinché la conoscenza del tema sia sempre più estesa.
•    Sviluppare strumenti di AI gender inclusive, con audit periodici sugli algoritmi per prevenire bias e discriminazioni.
•    Valorizzare la leadership femminile nei ruoli decisionali, anche attraverso quote o target temporanei nei board tecnologici.
•    Misurare e rendicontare pubblicamente i dati di genere nel settore tech, per rendere aziende e istituzioni responsabili dei progressi compiuti.