2030年，我希望这个数字能更接近50%

最近AI的讨论如火如荼，说实在话，其中能够深入讨论发展前沿的女性参与者不多。但是追溯最近二三十年AI最前沿研究的历史，有一个女性的名字将永远作为AI复兴的奠基人之一被记住，她的名字叫李飞飞。

AI复兴的一个重要里程碑叫ImageNet。李飞飞博士是全球人工智能领域的杰出代表和科研领导者，在她的推动下，ImageNet项目在2006年建立，深度影响了计算机视觉和人工智能的发展。ImageNet项目是一个大规模的视觉数据库，包含了超过1500万张手动标注的高分辨率图像，这些图像覆盖了超过22000类别的目标。这个项目对于推动深度学习和计算机视觉的发展起到了关键作用。ImageNet项目的建立，使得研究者们有了一个公共的平台来比较和改进他们的算法。这个项目也推动了许多重要的技术创新，如卷积神经网络（CNN）的发展，这是现今深度学习的核心技术之一。

更重要的是，ImageNet项目的建立为人工智能研究者提供了一个理想的模型，即利用大规模的、详尽的数据来训练和改进机器学习模型。这种方法已经被广泛接受，并且在其他许多领域也得到了应用，如自然语言处理、语音识别和医疗影像识别等。

可惜的是，在全球范围内，女性在AI前沿领域研究的比例以及女性在STEM（科学、技术、工程和数学）领域的参与度仍然偏低。

联合国教科文组织（UNESCO）的数据显示，在STEM行业中，全球范围内女性研究员的比例小于30%。虽然女性在全球范围内的大学入学率和毕业率已经超过了男性，但在STEM专业中，女性的比例仍然较低。例如，在全球范围内，只有约35%的STEM学生是女性。

造成这个失调比例的原因很多，可以改进的几个着手点有：

1. 打破社会对女性的刻板印象。历史上，理工科被视为男性的领域，女性则被期望扮演更“女性化”的角色。我们需要从儿童时期就开始，让女孩们明白，她们有权利、有能力去追求她们的梦想，无论是在艺术、文学，还是数学和科学。
2. 让科技变得更具吸引力，让女性能够看到她们在科技行业中的未来。这意味着我们需要更多地提供女性在科技领域的榜样。让科技教育变得更为女性友好，以便让更多的女孩对科技产生兴趣。
3. 为女性创造更好的工作环境。这意味着我们需要消除性别歧视，提供更多的晋升机会，以及提供更好的工作和生活平衡支持。

@Jeffrey 在文章淺論 Web3 所需的性別論述到底為何？都已經進入 Web3 了，還需要在乎性別嗎？中提到：

AI 技術的成熟或許可以使女性或非二元性別者在區塊鏈世界中的能動性大幅度的提高。

个人基本同意这个观点，学会更好的利用AI工具可以更快地减小男女性在整个STEM领域（不仅仅局限于编程和区块链）由教育等造成的能力差距，因为AI工具的应用在某种程度上起到压平能力曲线的作用，（至少在中低级岗位）。

回复文章题目中的问题：当然需要在乎！因为STEM领域工作不但是薪酬水平最高的工作，并且决定到未来社会的走向。希望在不远的2030年，可以看到更多的女性参与到STEM领域，参与比例从今天的30%渐进到应有的50%，这会是女性平权运动的重要指标之一。

***

个人的另一个观点是：长期看来AI工具会威胁到大部分人类（管它是男性还是女性）的工作机会，不过这是另一回事了。😄