Vi behöver inte datorkraften hos en stor språkmodell för att inse att vi inte gör tillräckligt för att lära flickor om AI.  

Kvinnor står för bara 22 % av den globala AI-arbetskraften, enligt FN. Men de goda nyheterna är att vi känner till formeln för framgång i AI-undervisningen, säger Tara Chklovski, grundare och VD för Technovation, och Shanika Hope, chef för teknisk utbildning på Google. 

Technovation, en ideell organisation för teknisk utbildning, samarbetade nyligen med Google, UNICEF och andra organisationer för att lansera AI Forward Alliance, som strävar efter att påverka 25 miljoner unga kvinnor globalt genom att förse dem med evidensbaserad och handlingsbar AI-utbildning. Programmet använder Technovation läroplan, som är tillgänglig gratis för lärare globalt. 

"76% av flickorna som går igenom vårt program går in i STEM-grader och går sedan in i STEM-karriärer", säger Chklovski. 

Utbildningen bygger på fyra principer som bygger på motivationsteori. Chklovski och Hope diskuterar hur dessa principer kan användas för att uppmuntra AI-framgång hos flickor var som helst i världen.

1. Att lära ut AI till flickor: Tillhandahåll relaterbara AI-förebilder 

Ett viktigt steg för att få tjejer intresserade av AI-området är att ge exempel på framgångsrika kvinnor inom området. 

"Du behöver exponering för förebilder, människor som ser ut som du, som pratar om utmaningarna som de övervann för att komma dit de är. Det är kritiskt, säger Chklovski. 

"Det finns otroliga entreprenörskvinnliga grundare som själva bygger otroliga organisationer och otrolig AI-teknik", säger Hope. "Så att hjälpa flickor att se dem hjälper dem att identifiera att de också kan göra det här - kan bygga och använda och designa otrolig teknik som skalar och löser problem som de bryr sig om i sitt samhälle."

Hope tillägger, "Detta kräver att vi är avsiktliga när det gäller den typ av lärande som vi lägger framför flickor när det gäller att läroplanen är kulturellt lyhörd och återspeglar dem. Att ge flickor möjlighet att se flickor i läroplanen i lärandet, så att de ser sig själva som tekniska och att deras röst ingår och att de sitter vid bordet.”

2. Inkorporera projektbaserat lärande 

Att låta eleverna arbeta mot verkliga mål är en annan nyckel till framgångsrik AI-utbildning för flickor. 

"Det börjar egentligen med den här idén om att lära sig genom att göra," säger Hope. "Vi måste bara ge tjejer möjligheten och tillgången att faktiskt börja använda verktygen, bygga verktygen, designa verktygen." 

Dessutom måste uppgifter vara något varje elev brinner för. "Det räcker inte att bara säga "Åh, här är hur en AI-modell fungerar, och sedan gå och göra ett projekt i slutet." Det fungerar aldrig, säger Chklovski. "Technovation-modellen är att hitta ett problem som du bryr dig om i ditt samhälle. Och sedan, "Åh, förresten, här är sätten på vilka du kan bygga en AI-modell eller träna en datamängd för att faktiskt lösa det problemet."

3. Ha människor som tror på varje elevs framgång 

"Du behöver människor omkring dig som har höga förväntningar på dig. Och så det är här det verkligen är viktigt för föräldrar att förstå hur de ska stödja sina döttrar, säger Chklovski.  

Men stöd från föräldrar och till och med lärare räcker inte. "Det är mycket viktigt att ha mentorer, som inte är din lärare, inte din förälder," säger Chklovski. "Detta är vanligtvis flaskhalsar för storskaliga program eftersom vi älskar idén att sätta innehåll online och elever som går igenom alla möjliga hinder för att lära sig." 

Föga överraskande fungerar dessa onlineresurser inte bra ensamma. Oavsett hur väl man är designad, kommer den ofta att förbli outnyttjad om det inte finns en personlig touch. "Vi lär oss bäst när det finns människor som stöttar och hejar på oss", säger Chklovski. "Så en viktig del av vår modell är att engagera industrin, volontärer och utbildare och våra alumner som mentorer för dessa tjejer." 

Eller som Hope uttrycker det, framgångsrika AI-utbildningsprogram för unga kvinnor kräver en stödjande gemenskap. "Så tjejer kan träna och ha ett säkert utrymme att lära sig att misslyckas snabbt, misslyckas framåt", säger hon.

4. Fira framgång

Det sista steget är att ha ett storskaligt firande som hedrar studentens framgång med att slutföra programmet eller ett AI-projekt. Dessa bör involvera massor av människor som hejar på studenten i en känslomässig ceremoni av något slag. "De här är inte lätta att koordinera och storskaliga, men är avgörande för att cementera i din hjärna, 'Åh herregud, jag gjorde något så hårt, och alla hejade på mig.' Det glömmer man aldrig, säger Chklovski. 

En del av att fira dessa prestationer är att erkänna de verkliga effekterna av de projekt som eleverna har slutfört. Till exempel skapade en student i Bolivia en algoritm för att spåra illegal handel med vilda djur. En annan student i Indien tränade en AI-modell för att känna igen fågelsång som ett sätt att övervaka lokala föroreningsnivåer. 

"En av de saker som jag älskar att Technovation gör är att det verkligen inte handlar om att lära flickor kodning eller lära flickor datavetenskap", säger Hope. "Det är denna holistiska upplevelse som vi ger flickor verktygen och förmågan, att lära sig genom att göra, i en starkt stödjande miljö så att de kan bygga för framtiden och vara en del av framtiden." 

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://www.techlearning.com/news/4-proven-strategies-for-teaching-ai-to-girls-and-anyone