[GI] 人工智慧、機器人、生命科學
2018-03-03
1.「機器學習與性別」相關訊息
美國卡內基美隆大學教授Dr. Anupam Datta 設計了一組檢測程式，用來測試人工智慧（AI）在聘僱員工時是否會產生偏見。機器學習已經能根據多種條件來預先篩選人才，例如技術、教育程度等等，以計算出申請者對這份工作的適合程度。Dr. Datta的這套求職者評估系統，可以隨機地改變應徵者們的性別與體重資料，篩選申請者是否能夠勝任工作。倘若結果顯示與面談名單中的女性人數相符合的話，則代表申請者的性別不會影響招聘過程。詳參：https://www.economist.com/science-and-technology/2018/02/15/for-artificial-intelligence-to-thrive-it-must-explain-itself。
此外，在2018年3月於美國史丹佛大學舉行的性別化創新工作坊亦在「性別、公平和機器學習」的議題上，進行問題釐清、解決方法，以及誰有權來定義「公平」的討論。詳參：https://theconversation.com/artificial-intelligence-could-reinforce-societys-gender-equality-problems-92631
2. 好文分享：〈她/他太溫柔/固執了！性別對機器人在異常反應中的影響〉
別刻板印象影響人類的行為深遠。基於人們對於擬人化的喜好，在機器人的設定中加入性別考量能提高社會大眾的接受程度。然而對於人類和機器人性別之間的互動，我們仍所知甚少…。詳參：Otterbacher, J., & Talias, M （2017, March）. S/he's too Warm/Agentic!: The Influence of Gender on Uncanny Reactions to Robots. Paper presented at the 2017 ACM/IEEE International Conference on Human-Robot Interaction, Vienna, Austria. https://www.researchgate.net/publication/314164303_She's_too_WarmAgentic_The_Influence_
of_Gender_on_Uncanny_Reactions_to_Robots
3. 好文分享：〈社論：醫學教育的多樣性〉
雖然醫學院需要照顧到不同人群的醫療需求，以及滿足學生和教職員的多樣化需求，但研究和教學的多樣化在醫學教育上仍是一大挑戰。在文化能力的教學上，文化專業方法（cultural expertise approach）、文化敏感度訓練以及跨文化研究，是幾個較為主流的研究取徑。本研究透過三個不同層面來分析多樣化的相關議題：數量修正、機構修正及知識的修正。詳參：Verdonk, P., & Janczukowicz, J. （2018）. Editorial: Diversity in Medical Education. MedEdPublish, 7（1）, 1. doi:https://doi.org/10.15694/mep.2018.000001.1
4. 好文分享：〈全球南方科學家成就的展現〉
來自印尼棉蘭的科普作家Dyna Rochmyaningsih認為，開發中國家的科學家們在科學研究上的貢獻不容被忽視，應該受到人們的認識與讚賞。詳參：Rochmyaningsih, D. （2018）. Showcase scientists from the global south. Nature, 553, 251. https://www.nature.com/articles/d41586-018-00662-w
5. 歐盟展望2020計畫
歐盟展望2020計畫（Horizon 2020），「性別」為一跨領域議題，期望各國能重視性別平等的倡導與實踐。
內文詳參：Johnston, Z.C., Bellingham, M., Filis, P. et al. （2018）. The human fetal adrenal produces cortisol but no detectable aldosterone throughout the second trimester. BMC Med, 16（23）. https://doi.org/10.1186/s12916-018-1009-7