اهمیت برنامه جانشین‌پروری
آیا برنامه جانشین‌پروری شما در دوران کرونا با مشکل مواجه شده است؟
مهر 13, 1400
کرونا و صنعت گردشگری
صنعت گردشگری پس از کرونا
مهر 19, 1400
نمایش همه

خانم‌ها و انقلاب صنعتی چهارم

خانم‌ها و انقلاب صنعتی چهارم

فناوری، دنیای کار را با خودکارسازی یا اتوماسیون دوباره شکل داده است، هوش مصنوعی و رباتیک، محیط‌های کاری را تکمیل ساخته‌اند. انقلاب صنعتی چهارم چه فوایدی برای بانوان دارد؟

دو مورد کلیدی وجود دارد که من در اینجا به آن اشاره می‌کنم. ابتدا اینکه، تحقیق نشان می‌دهد برخی مشاغل که تحت تأثیر انقلاب صنعتی چهارم قرار نمی‌گیرند حرفه‌های آموزشی و مراقبتی هستند. مشاغلی که در آن‌ها شما با افراد در ارتباط باشید. در این صورت، فرصت بسیار بزرگی برای زنانی فراهم می‌شود که در این صنایع مشغول به کار هستند. آن‌ها اغلب در مقایسه با مردان از الویت برخوردارند، زیرا این شانس را دارند که شغل‌هایشان را در این بخش‌ها حفظ کنند، به مدارج شغلی بالاتر رسیده و به سمت‌های مدیریت دست یابند. البته مشروط به اینکه تجربه‌شان در این حرفه به اثبات رسیده باشد.

دوم مجموعه‌ای از فرصت‌هاست که تغییر فناوری برای زنانی که در صنایع کار می‌کنند به‌وجود می‌آورد، صنایعی که شما مجبور نیستید در محل کار حضور داشته باشید. در بخش‌هایی مانند معدن، شما باید برای کار در معادن حضور فیزیکی داشته باشید. اما کارهای فنی بسیاری امکان اجرایی شدن از راه دور را دارند. بنابراین یادگیری، آموزش دیدن و انجام این نوع کارهای فنی از راه دور، انعطاف پذیری کار و علاوه بر آن، انجام کار در آن لحظه از مزایای این‌گونه مشاغل برای زنان است.

تحول فناوری از نظر تأثیر منفی که می‌تواند بر کارگران داشته باشد نیز مورد انتقاد قرار گرفته است. این کارگران دائماً طی این فناوری‌ها جایگزین می‌شوند و در این روند زنان نا‌متعارف‌تر از مردان آسیب می‌بینند. چالش‌هایی که زنان در زمان تغییر با آن مواجه می‌شوند کدامند؟ و این قضیه چطور در کشور‌های پیشرفته و در حال توسعه بر زنان شاغل با مهارت کم و زیاد و در‌آمدهای پائین و بالا تأثیر‌گذار است؟

اخیراً، ما برای کاری که زنان انجام می‌دهند ارزشی قائل نیستیم، در صورتی که اگر همه بر سر شغل‌های یکسانی رقابت کنند، زنان در مقایسه با مردان بیشتر با خطر از دست دادان شغل مواجه هستند. به این دلیل که، اگر چیزی اهمیت زیادی پیدا کند، مردان معمولاً آن را تصاحب می‌کنند و این اتفاقی است که ما در صنعت فناوری شاهد آن هستیم. در اصل‌، این زنان بودند که این کار را انجام دادند و هنگامی که این فناوری از نظر تجاری مهم‌تر و موفق‌تر شد دیدیم که مردان در آن حضور یافتند. بنابراین، چیزی که شاهد آن هستیم این است که وقتی در مورد افرادی صحبت می‌کنیم که شغل‌شان را از دست داده‌اند، این افراد معمولاً زنانی هستند که به خاطر مراقبت از فرزند در خانه (و هر چیز دیگری که کار بدون مرد محسوب می‌شود) شغل خود را رها کرده‌اند.

مشکل دیگر وجود تعصبات است که در برخی کار‌ها خیلی زیاد شده‌اند. وقتی چیزهایی جایگزین الگوریتم‌هایی می‌شود که در مجموعه‌های قبلی آموزش داده شده‌اند، مشاهده می‌کنیم که این برنامه‌ها براساس تبعیضاتی در مورد زنان تصمیم‌گیری می‌کنند. این موضوع استخدام برای مشاغل، تصمیم‌گیری برای رهن و وثیقه و یا هرچیز دیگری که فکر می‌کنید یک رایانه می‌تواند به‌ کسی به‌ دلیل تبعیضاتی که به‌ خورد آن داده‌ شده است نه بگوید را شامل می‌شود. اگر از حذف افراد در کاری که خودشان آن را انجام داده‌اند جلوگیری نکنیم، نه تنها غیر اخلاقی است بلکه غیر منصفانه نیز هست و شاهد تأثیر‌پذیری ناعادلانه زنان بیشتری خواهیم بود.

از نظر تأثیر‌گذاری متفاوت بر زنان خیلی مطمئن نیستیم. واقعیت این است که ما نسبت به انقلاب‌های فناوری گذشته، در حال حاضر ارتباطات جهانی گسترده‌تری داریم. بدین معنا که هر اتفاقی برای زنان در دنیای پیشرفته می‌افتد همان اتفاق حتی گسترده‌تر برای زنان در جوامع در حال توسعه نیز خواهد افتاد.

اگر ما هم ‌اکنون به تعداد زنانی که در زمینه صنایع علمی، فناوری، مهندسی و ریاضیات فعالیت می‌کنند دقت کنیم، این نسبت در کشور‌های در حال توسعه اندکی بالا‌تر است. بنابراین ما زنان فنی بیشتری را در این بخش‌ها داریم حتی اگر آن‌ها در این بخش‌ها بابت مسئله دیگری مشغول به‌کار باشند. مهم این است که بهتر از زنان کشور‌های پیشرفته عمل می‌کنند.

اما تنها خوبی فناوری، انتخاب شما از میان مردم نیست و عکس‌العمل نسبت به آن در سراسر دنیا متفاوت است. بعضی کار‌ها با زبان انجام می‌شود. تعداد زیادی از این زبان‌های برنامه نویسی، انگلیسی هستند بنابراین ممکن است بین کشور‌های انگلیسی زبان و کشور‌هایی که زبان غیر انگلیسی دارند ارتباطی را به‌وجود آورند.

برای مثال تأثیر AI (هوش مصنوعی) بر زنان کشورهای پیشرفته بیشتر از تأثیر آن بر زنان کشور‌های در حال توسعه است و این به‌ دلیل چگونگی تحقق یافتن آن در دنیای پیشرفته است.

همان‌طور که اشاره شد، تحقیق نشان می‌داد که برخی برنامه‌ها بر اساس یادگیری ماشینی برای ترویج تبعیضات اجتماعی به ‌ویژه تبعیضات جنسیتی است، که به آن‌ها تزریق شده است. چطور می‌توان این روند را طوری بهبود بخشید که تبعیضات جنسیتی نهادینه نشده و چه کسی به این کار رسیدگی خواهد کرد؟

در حال حاضر سؤال اصلی این است، آیا باید دولت‌ها یا شرکت‌های فناوری یا هر شخص دیگری ناظر بر تغییر فناوری باشند که دنیا آن را تجربه می‌کند؟ راه‌های سریع زیادی برای بهبود این روند وجود دارند. برای مثال، قانون می‌تواند نقش مؤثری را ایفا کند. هرچند به نظر می‌رسد که قانون نمی‌تواند انگیزه‌ای برای حل این مشکل باشد، ولی باید در نظر گرفته شود زیرا به این موضوع به عنوان یک مسئولیت نگاه نمی‌شود. برای مثال، اخیراً مارک زاکر‌برگ (Mark Zukerberg) متذکر شد که دولت‌ها باید برای کاربرد علوم از داده‌ها قانون‌گذاری کنند و این تنها گوشه‌ای از سخنان عجیب او بود زمانی که پلتفرمی را با استفاده از داده‌های ما به‌وجود آورد.

جالب اینجاست که این مؤسسه برای آینده‌کاری به چاره‌جویی اشاره دارد که ممکن است بتوانید برای کاربرد الگوریتم‌ها در کار و اطمینان از نوع عملکرد اخلاقی‌تان و هرگونه اختلاف در پایگاه داده‌هایتان قبل از انجام هر کاری استفاده کنید. بسیار مهم است که ما فقط افرادی را نداشته باشیم که از نظر مشاغل فنی با هم رقابت می‌کنند، بلکه باید از انواع آموزش‌های اخلاقی نیز برخوردار باشند. این مورد به محدود کردن امکان ورود رمز‌های تبعیض‌آمیز هنگام ساخت هر برنامه کمک خواهد کرد.

از لحاظ پذیرش مسئولیت، فکر می‌کنم این یک مسئولیت مشترک است و یک ریسک مشترک محسوب می‌شود. زیرا هنگامی که برنامه‌های کاربردی‌مان تبعیض‌آمیز باشند شکست خواهیم خورد. به همین دلیل من مدافع طرح این بحث در سراسر جامعه‌ای هستم که در آن دولت‌ها، شرکت‌ها و اشخاص غیر حرفه‌ای می‌توانند به بهترین روش این بحث را پیش ببرند.

ما اخیراً این موضوع را در فناوری داریم که در آن برنامه‌ریز در مقابل کار‌بر قرار دارد، درست در زمانی که باید همه شرکت کنندگان را در سیستم داشته باشیم. به عبارتی، چه خوب و یا چه بد، هرکس باید بتواند به بحث در مورد فناوری به منظور دستیابی به راه حل‌های مناسب کمک کند. اما این امر، مستلزم یک تغییر قدرت است که می‌دانیم انجام آن برای مردم سخت است. اما این گام مهمی است که باید برداشته شود، در غیر اینصورت ما شرکت‌هایی خواهیم داشت که کارهایشان را در منزل انجام می‌دهند و بازدهی خوبی ندارند.

از آدا لاوالیس (Ada Lovelace) و ماری کوری (Marie Curie) تا کیتی بومن (Katie Bouman) -که جدیداً الگوریتمی را توسعه داد که به دنیا امکان اولین عکس‌برداری از یک سیاه چاله را می‌داد- کشور‌هایی وجود دارند که در آن‌ها زنان در زمینه علوم، فناوری و ریاضیات (STEM) فعالیت می‌کنند.

با این‌حال، تحقیق نشان می‌دهد که دختران کمتر در زمینه STEM به تحصیل پرداخته‌ و کمتر از 30 درصد محققان STEM  دنیا را زنان تشکیل می‌دهند. چه چالش‌هایی بر سر راه کار کردن زنان در این زمینه وجود دارد و آیا انقلاب صنعتی چهارم می‌تواند تغییری در این موضوع به‌وجود آورد؟

من این امر را ناشی از تعاریف ضعیف بر اساس معیار‌های جامعه می‌دانم. در واقع، این موضوع با وجود کیتی‌ بومن مطرح و برجسته شد. هنگامی که در مورد آلبرت انیشتین (Albert Einstein) یا ایزاک ‌نیوتن (Issac Newton) صحبت می‌کنیم­­- به عبارت دیگر مردان مشهوری که در‌گذشته‌اند- به نظر می‌رسد تاریخ طوری به آن‌ها تبریک می‌گوید که انگار به تنهایی این کار را انجام داده‌اند در حالی که وقتی کیتی در دنیا به این موفقیت دست یافت برخی مفسران به این واقعیت اشاره کردند که او به تنهایی مسئول گروه ارائه دهنده الگوریتمی بود که امکان عکس‌برداری از سیاه‌چاله را فراهم آوردند.

او تنها یکی از این زنان بود و شما صد نفر دیگر را از دست داده‌اید، خیلی از کسانی را که در حاشیه قرار گرفتند. پس آن صد نفر یا افرادی که به آلبرت ‌انیشتین یا ایزاک‌ نیوتن کمک کردند چه شدند؟ این دو نفر کسانی را داشتند که در کار به آن‌ها کمک می‌کردند.

ما عادت داریم داستان افرادی را که با فرد مشهور و الگوی اصلی‌مان که تأثیرش در کار غیر مستقیم بوده را حذف کنیم، به همین دلیل دیگران نمی‌دانند این افراد کار خارق‌العاده‌ای را در بخش‌های STEM به انجام رسانده‌اند.

بنابراین چه در مورد آدا‌ لاویس و چه ماری ‌کوری- دو زنی که در واقع بسیاری از مردم با نام آن‌ها آشنا هستند، که البته ما هدی ‌لامار (Hedy Lamarr)، استیو شرلی (Steve Shirley) و کاترین‌ جانسون  (Katherine Janson) را هم داریم- بسیاری از این داستان‌های شگفت انگیز وجود دارند که ناگفته مانده‌اند و افرادی را که به کار کردن زنان در زمینه STEM اعتقادی ندارند متقاعد می‌سازد.

متأسفانه، کسانی هستند که از این موضوع به عنوان فرصتی برای مختل کردن مطالعه یا کار زنان در STEM استفاده می‌کنند و باعث تأسف است که ما در حال حاضر، ساختار‌های درستی برای جلوگیری از این اتفاق نداریم. بنابراین، به نظر من، این بزرگترین چالشی است که زنان با آن مواجه هستند.

انقلاب صنعتی چهارم به بشریت فرصت اتحاد در برابر الگوریتم‌ها را داده است. یعنی تعریف حساب شده‌تری در مورد هدایت بشر ارائه می‌دهد. این انقلاب تنها در مورد مردانی نیست که شغل‌شان را به زن‌ها باخته‌اند، بلکه در مورد انسان‌هایی است که شغل‌شان را به خاطر الگوریتم‌ها از دست داده‌اند. فرصت ‌هایی برای تصحیح اشتباهات گذشته و انجام کار‌های گروهی با این انقلاب به‌وجود آمده است. در حال حاضر ما هنوز هم در مورد اخلاقی‌ترین راه انجام این کار تحقیق می‌کنیم و با تبعیضاتی در بانک داده‌های‌مان مواجه هستیم، که الگوریتم‌های‌مان آن‌ها را شکل داده‌اند. همه می‌دانیم که زندگی کامل نیست اما با تکرار این نقائص در الگوریتم‌های‌مان، فقط در حال ساختن آینده‌ای هستیم که این نقائص و اشتباهات را هنوز هم در خود دارد.

به نظر شما، با نگاه به آینده، می‌توان انتظار داشت که تحول فناوری به نیرویی برای جدایی یا برابری در جامعه آینده تبدیل شود؟

من در کار با تعداد زیادی از دختران جوان، متوجه قابلیت تحرکات اجتماعی شدم که طی آن یادگیری مهارت‌های فنی برای آن‌ها مهیا شده و می‌توانند از این مهارت‌ها در کارشان استفاده کنند. بنابراین، من تحول فناوری را به عنوان قابلیتی برای ایجاد برابری و عدالت می‌دانم.

با این‌حال، نگران تأثیر آن بر بشریت هستم. فکر نمی‌کنم فناوری ما را از هم جدا کند. این انسان‌ها هستند که فناوری را به سمت جدایی‌مان سوق می‌دهند. همان‌طور که بشریت قبل از شکوفایی فناوری از هم گسیخته شد.

فناوری باز‌تابی از خود ماست. نمی‌خواهد یک جدا کننده یا برابر کننده باشد. فقط از دستور‌العمل‌هایی پیروی می‌کند که ما به او داده‌ایم. ما باید خوب عمل کردن را همیشه به خاطر داشته باشیم.

برای مطالعه بیشتر مقالات درباره خانم‌ها و انقلاب صنعتی چهارم می‌توانید گزارش مجمع جهانی اقتصاد را در این باره مطالعه کنید.

منبع

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.