Temaet for årets norske Women in Data Science (WiDS), som skal holdes digitalt over to halve dager 17. og 18. mars, er "Applied Artificial Intelligence (AI)", eller kunstig intelligens i praksis. Åtte fremtredende tech-eksperter i viktige, norske næringer er invitert til å fortelle om hvordan de bruker kunstig intelligens i sine virksomheter. Samtlige er kvinner.
- Vi opplevde at kvinner ikke fikk mikrofonen nok på de fleste store konferanser, så da skaffet vi ganske enkelt vår egen mikrofon, sier Heidi Dahl. Hun startet den norske satellittkonferansen av Stanford-initiativet Women in Data Science i 2017. Bakgrunnen var at Dahl, som til daglig jobber som seniorforsker ved Matematikk og Kybernetikk i SINTEF Digital, savnet en faglig møteplass for stordata og dataanalyse i Norge. Samtidig ønsket hun å gi alle en mulighet til å utvide nettverket sitt med dyktige kvinnelige kolleger i det mannsdominerte techmiljøet.
- En av utfordringene når man er i et skjevfordelt miljø, om det er kjønn eller hudfarge eller noe annet, er at minoritetene blir veldig usynlige. En del rekruttering skjer via nettverk og bekjentskaper, og dette kan bidra til å forsterke skjevhetene. Å samle kvinner som driver med avansert teknologi, gjør det synlig hvor mange kvinner det er i miljøet og hvor dyktige de er. , sier Dahl.
Deltakere fra 77 land
Mangfold i tech-miljøet er også viktig for at teknologien de utvikler skal fungere optimalt for brukere.
- Det er viktig å inkludere minoriteter i utvikling av datateknologi. Det er spesielt viktig i kunstig intelligens. Skal du bygge algoritmer som skal ta beslutninger, er det viktig at de har blitt lært av en gruppe som representerer hele befolkningen, sier daglig leder i teknologiselskapet Unifai , Alexandra Gunderson. Hun tok over etter Dahl og leder nå Women in Data Science Oslo. Sammen med resten av WiDS-teamet - Heidi Dahl, Mia Ryan og Sheri Shamlou - jobber hun for at kvinner i tech skal ha en faglig arena der de kan møtes og knytte kontakter. Men alle er velkomne på konferansen, uansett kjønn eller bakgrunn.
Konferansen blir streamet på grunn av koronarestriksjoner. En fordel er at man da når ut til flere.
- I fjor var det nesten 700 deltakere fra 77 land. Rundt 40 prosent av deltakerne pleier å være menn og det er supert. Vi blir veldig inspirert av alle de som kommer og støtter disse fantastiske foredragsholderne. Og vi tror de blir veldig inspirert av å delta, sier Gunderson.
Maskinlæring i praksis
CCO Sheri Shamlou i Solution Seeker, som jobber med kunstig intelligens i olje- og gass-industrien, skal også dele av sin erfaring på årets konferanse. Hun skal snakke om transfer learning - et konsept innen AI-grenen maskinlæring. Transfer learning brukes i tilfeller der man mangler store datamengder å mate algoritmene med. Shamlou jobber med en applikasjon som overfører kunnskap fra ett område med mye data som algoritmene kan lære av, til et annet, relatert område med lite data.
- Vi bruker denne metoden til modellering av oljebrønner. Først samler vi sammen data fra mange brønner. Deretter lærer vi på tvers av disse, slik at vi tar med oss litt av informasjonen som finnes i oppførselen til én brønn over til en annen brønn, forklarer hun. På denne måten blir både brønnmodellene bedre og produksjonen optimalisert. Hun håper flere får øynene opp for denne metoden, som trolig kan brukes til å løse en rekke andre problemstillinger.
Avhengig av mangfold for å lykkes
På konferansen får vi også høre hvordan fremtredende tech-eksperter fra blant andre Yara International, Statkraft og Statnett bruker kunstig intelligens. Leder for kunde- og partneropplevelse, Radmila Stoltz, i FotoWare kommer også, hun skal snakke om problemene kunstig intelligens kan løse og hvilke fallgruver man bør unngå. Hun mener det er viktig å starte med hvem kunden er og forstå hvilke problemer som skal løses. Også Stoltz er opptatt av strukturelle skjevheter innen teknologiutvikling.
- Altfor ofte ser vi produkter som er laget av menn for menn. Hvorfor var de første bildegjenkjenningsalgoritmene best på å gjenkjenne hvite menn og dårligst på å gjenkjenne svarte kvinner? Fordi de som var med på å utvikle og bygge dem var hvite menn, sier hun. Stoltz mener at dette er en av grunnene til at Women in Data Science er så viktig.
Les mer og meld deg på Women in Data Science her.