Mujeres invisibles exponiendo el sesgo de datos en un mundo diseñado para hombres

La autora es una activista, escritora, presentadora y defensora cuyos exitosos campañas han incluido lograr que Florence Nightingale fuera la primera mujer en un billete del Banco de Inglaterra y presionar para erigir una estatua de la sufragista Millicent Fawcett en Londres. En más de seis capítulos, describe cómo el mundo está diseñado por hombres para ser utilizado por hombres. Un comentario temprano es particularmente relevante para el interés actual en el impacto de la menopausia en el lugar de trabajo. Sugiere que las oficinas están diseñadas con temperaturas más adecuadas para los trabajadores masculinos que para las mujeres. Estoy segura de que muchas mujeres estarían de acuerdo. Una gran característica del libro es la brecha de datos y cómo eso influye en todo, desde el diseño de automóviles hasta el rendimiento de los medicamentos farmacéuticos. Hasta la fecha, se considera la inteligencia artificial (IA) y cómo algunos algoritmos presuponen que todos los usuarios son hombres, con consecuencias interesantes. El software de traducción es un ejemplo, con pronombres femeninos apareciendo solo la mitad de veces que los masculinos. Se informa que los conjuntos de datos de imágenes, como Google Images, contienen imágenes masculinas en vasto mayor número que las femeninas y cuando se realiza un análisis de esas imágenes emergen estereotipos incómodos. Por ejemplo, busque imágenes de ‘CEO’ y solo el 11% de las imágenes presentan a una CEO femenina. Esto a pesar de que el 27% de los puestos de CEO están ocupados por mujeres (en EE. UU.). Algunas de las brechas de datos son francamente peligrosas. La autora informa que la mayoría de los medicamentos, incluidos los anestésicos y quimioterapéuticos, tienen dosis neutras en cuanto al género, poniendo así a las mujeres en riesgo de sobredosis. Parte de esto se debe a la mayor grasa corporal. Lo que me llevó a preguntarme si lo mismo se aplicaría a los límites de exposición ocupacional: ¿deberían basarse en el género? Este es uno de esos libros que, después de leerlo, comienzas a ver cuánto trabajo queda por hacer y a preocuparte por cómo los enormes conjuntos de datos que se están utilizando actualmente para desarrollar aplicaciones de IA podrían salir tan mal. Este libro ganó el Premio de Libro de Ciencia de la Royal Society 2019 y puedo ver por qué. Parte del contenido es obvio, pero la forma en que se recopila hace que sea una buena lectura integral y un texto esencial para cualquier persona que recopile y analice datos y revise e interprete evidencia. ★★★☆ (compra y guarda)