شکاف جنسیتی در هوش مصنوعی؛ آیا زنان و مردان به فرصت‌های برابر دسترسی دارند؟

شکاف جنسیتی در هوش مصنوعی ممکن است در نگاه اول رو به کاهش باشد. پژوهش‌های تازه نشان می‌دهند که زنان و مردان آمریکایی تقریباً به یک اندازه تجربه استفاده از چت‌بات‌های هوش مصنوعی را دارند. بااین‌حال، بررسی دقیق‌تر آمارها تصویری متفاوت ارائه می‌دهد. مردان هنوز بیشتر از زنان به‌طور روزانه یا منظم از این ابزارها استفاده می‌کنند. همچنین زنان در محیط‌های کاری کمتر آموزش، راهنمایی و تشویق لازم برای استفاده از هوش مصنوعی را دریافت می‌کنند.

این یافته‌ها نشان می‌دهند که برای بررسی نابرابری جنسیتی در فناوری، نباید فقط پرسید چه کسانی از یک ابزار استفاده کرده‌اند. میزان استفاده، فرصت یادگیری، اعتماد به فناوری و حضور افراد در گفت‌وگوهای عمومی نیز اهمیت دارند.

آیا شکاف جنسیتی در استفاده از هوش مصنوعی از بین رفته است؟

دو گزارش پژوهشی که در اکتبر ۲۰۲۶ منتشر شدند، نتایج ظاهراً متفاوتی درباره استفاده زنان و مردان از هوش مصنوعی ارائه کردند. هر دو گزارش بر نظرسنجی از بیش از پنج هزار بزرگسال آمریکایی در سال ۲۰۲۶ تکیه داشتند، اما پرسش‌ها و روش‌های بررسی آن‌ها یکسان نبود.

گزارش مرکز پژوهشی پیو نشان داد که ۴۷ درصد زنان و ۵۰ درصد مردان گفته‌اند از چت‌بات‌های هوش مصنوعی استفاده کرده‌اند. این فاصله اندک می‌تواند نشانه کاهش شکاف جنسیتی در تجربه استفاده از ابزارهایی مانند ChatGPT باشد.

در مقابل، گزارش مرکز شورنستاین در مدرسه کندی دانشگاه هاروارد نشان داد که ۲۹ درصد زنان و ۲۲ درصد مردان هرگز از ابزارهای هوش مصنوعی استفاده نکرده‌اند. بر اساس این نتایج، زنان بیشتر از مردان در گروه افرادی قرار می‌گیرند که هنوز سراغ این فناوری نرفته‌اند.

تفاوت در شیوه طرح پرسش‌ها ممکن است بخشی از این اختلاف را توضیح دهد. یک نظرسنجی درباره «چت‌بات‌های هوش مصنوعی» سؤال می‌کند و دیگری استفاده از «ابزارهای هوش مصنوعی» را می‌سنجد. روش نمونه‌گیری و شیوه گردآوری اطلاعات نیز می‌تواند بر نتیجه تأثیر بگذارد.

بااین‌حال، داده‌های مربوط به رفتار واقعی کاربران تصویر پیچیده‌تری ارائه می‌کنند. در گزارش شورنستاین، بررسی داده‌های مرور وب در رایانه‌های رومیزی تفاوت جنسیتی معناداری را در تجربه استفاده از هوش مصنوعی نشان نداد. بنابراین، پاسخ به این پرسش که آیا شکاف جنسیتی از بین رفته است، به معیار مورد استفاده بستگی دارد.

استفاده روزانه از هوش مصنوعی چه چیزی را نشان می‌دهد؟

تجربه‌کردن یک ابزار لزوماً به معنای استفاده مداوم از آن نیست. ممکن است فردی یک بار از هوش مصنوعی کمک بگیرد، اما به دلیل نگرانی درباره حریم خصوصی، دقت پاسخ‌ها یا پیامدهای اجتماعی آن، دیگر به سراغش نرود. به همین دلیل، بررسی استفاده منظم می‌تواند اطلاعات دقیق‌تری درباره جایگاه این فناوری در زندگی روزمره ارائه کند.

بر اساس گزارش مرکز پژوهشی پیو، ۲۷ درصد مردان در مقایسه با ۲۰ درصد زنان گفته‌اند که هر روز از چت‌بات‌های هوش مصنوعی استفاده می‌کنند. گزارش شورنستاین نیز الگویی مشابه نشان داد: ۲۵ درصد مردان در برابر ۱۶ درصد زنان، استفاده منظم از ابزارهای هوش مصنوعی را گزارش کردند.

این ارقام نشان می‌دهند که کاهش فاصله در تجربه اولیه استفاده، الزاماً به معنای برابری در استفاده مستمر نیست. برای درک بهتر این تفاوت، باید نگرش افراد و فرصت‌هایی را بررسی کرد که در اختیار آن‌ها قرار می‌گیرد.

چرا زنان ممکن است کمتر به هوش مصنوعی اعتماد کنند؟

نگرش نسبت به فناوری یکی از عوامل احتمالی در توضیح تفاوت الگوی استفاده است. طبق گزارش پیو، زنان بیشتر از مردان نگران پیامدهای منفی هوش مصنوعی برای خود و جامعه هستند. یافته‌های گزارش شورنستاین نیز نشان می‌دهد که زنان اعتماد کمتری به این فناوری دارند و بیشتر از مردان آن را با اضطراب و نگرانی مرتبط می‌دانند.

البته احتیاط در برابر هوش مصنوعی لزوماً نشانه ضعف یا ناآگاهی نیست. نگرانی درباره خطاهای الگوریتمی، امنیت اطلاعات شخصی، تبعیض و تأثیر فناوری بر مشاغل می‌تواند دلایل قابل‌توجهی داشته باشد. بنابراین، هدف نباید این باشد که زنان بدون توجه به نگرانی‌هایشان به استفاده بیشتر از هوش مصنوعی تشویق شوند.

پرسش مهم‌تر این است که آیا زنان و مردان فرصت یکسانی برای شناخت مزایا، محدودیت‌ها و خطرهای این فناوری دارند؟ تفاوت در دسترسی به آموزش و حمایت سازمانی می‌تواند بر پاسخ این پرسش اثر بگذارد.

نابرابری در آموزش هوش مصنوعی در محیط کار

یکی از یافته‌های مهم گزارش شورنستاین به فرصت‌های یادگیری در محل کار مربوط می‌شود. در میان افراد شاغل شرکت‌کننده در نظرسنجی، ۶۴ درصد زنان و ۴۹ درصد مردان گفته‌اند که در محیط کار هیچ آموزشی درباره هوش مصنوعی دریافت نکرده‌اند.

زنان همچنین از دسترسی کمتر به راهنمایی و تشویق مرتبط با استفاده از این فناوری خبر داده‌اند. چنین تفاوتی می‌تواند فرصت آشنایی با ابزارهای تازه را محدود کند و بر میزان اطمینان افراد هنگام استفاده از آن‌ها اثر بگذارد.

وقتی یک سازمان آموزش عملی، فرصت تمرین و پشتیبانی کافی فراهم نمی‌کند، کارکنان ممکن است با سرعت‌های متفاوتی مهارت‌های دیجیتال خود را توسعه دهند. اگر این کمبودها بیشتر بر زنان تأثیر بگذارد، شکاف جنسیتی در استفاده از هوش مصنوعی می‌تواند حتی با وجود دسترسی فنی مشابه ادامه پیدا کند.

از این منظر، مسئولیت کاهش نابرابری فقط بر عهده افراد نیست. سازمان‌ها نیز باید بررسی کنند که آیا فرصت‌های یادگیری، حمایت مدیریتی و دسترسی به منابع را به شکل منصفانه در اختیار کارکنان قرار می‌دهند یا خیر.

زنان متخصص هوش مصنوعی چقدر دیده می‌شوند؟

شکاف جنسیتی تنها به استفاده شخصی از فناوری محدود نمی‌شود. حضور زنان در رسانه‌ها، گزارش‌های خبری و گفت‌وگوهای عمومی درباره هوش مصنوعی نیز اهمیت دارد؛ زیرا آنچه مردم از متخصصان و چهره‌های شناخته‌شده می‌بینند، می‌تواند بر برداشت آن‌ها از این حوزه اثر بگذارد.

در گزارش شورنستاین، هم زنان و هم مردان شرکت‌کننده معتقد بودند که مردان در اخبار مربوط به هوش مصنوعی، توسعه این فناوری و تولید محتوای مرتبط با آن حضور پررنگ‌تری دارند. بررسی ۷۸٬۵۴۲ مقاله خبری آمریکایی نیز نشان داد که نام مردان ۱۴٫۶ برابر بیشتر از نام زنان در تیترها دیده شده است. در میان متخصصانی که این گزارش‌ها به آن‌ها استناد کرده بودند، مردان ۴٫۳ برابر بیشتر از زنان مورد اشاره قرار گرفتند.

این تفاوت‌ها مهم‌اند؛ زیرا دیده‌شدن رسانه‌ای می‌تواند به شکل‌گیری تصور عمومی درباره این‌که چه کسی متخصص محسوب می‌شود، کمک کند. وقتی مردان بیشتر در جایگاه متخصص ظاهر می‌شوند، ممکن است مخاطبان نیز به‌تدریج ارتباط میان تخصص در هوش مصنوعی و مردان را طبیعی‌تر تلقی کنند.

آزمایش نام‌های ساختگی چه چیزی را آشکار کرد؟

یکی از یافته‌های قابل‌توجه گزارش شورنستاین به شناخت چهره‌های شناخته‌شده هوش مصنوعی مربوط بود. پژوهشگران از شرکت‌کنندگان پرسیدند که آیا نام تعدادی از افراد فعال و تأثیرگذار در این حوزه را می‌شناسند یا خیر.

بیش از ۹۰ درصد پاسخ‌دهندگان نام‌هایی مانند ایلان ماسک و مارک زاکربرگ را می‌شناختند. در مقابل، دانیلا آمودی که از زنان حاضر در فهرست بیشترین میزان شناخت را داشت، تنها از سوی ۴۹ درصد شرکت‌کنندگان شناسایی شد.

پژوهشگران برای سنجش دقت پاسخ‌ها، دو نام ساختگی نیز در فهرست قرار دادند: «کریگ دالتون» و «سوزان میلر». این دو نفر در واقعیت متخصص هوش مصنوعی نبودند، اما نزدیک به نیمی از پاسخ‌دهندگان ادعا کردند که آن‌ها را می‌شناسند.

نکته قابل‌توجه این بود که میزان شناخت گزارش‌شده درباره دو زن تأثیرگذار، فی‌فی لی و میرا موراتی، نیز ۴۶ درصد بود؛ رقمی برابر با میزان افرادی که ادعا کردند نام‌های ساختگی را می‌شناسند. این نتیجه نشان می‌دهد که حتی برخی از زنان برجسته در توسعه هوش مصنوعی نیز برای بخش بزرگی از مردم چهره‌هایی شناخته‌شده نیستند.

البته ادعای شناخت یک نام به‌تنهایی مشخص نمی‌کند که فرد چرا چنین پاسخی داده است. ممکن است بعضی پاسخ‌دهندگان نام‌ها را اشتباه به خاطر آورده باشند یا درباره میزان شناخت خود مطمئن نباشند. بااین‌حال، حضور نام‌های ساختگی در آزمون نشان می‌دهد که خوداظهاری افراد همیشه معیار کاملی برای سنجش دانش واقعی نیست.

فروتنی فکری در عصر هوش مصنوعی

نویسنده مقاله، جوئل وونگ، در پایان به نکته‌ای فراتر از نابرابری جنسیتی اشاره می‌کند: تمایل افراد به نشان‌دادن اطمینان، حتی زمانی که دانش کافی ندارند. در فرهنگی که اعتمادبه‌نفس و پاسخ‌های قاطع ارزش زیادی دارند، پذیرفتن این‌که نامی را نمی‌شناسیم یا درباره موضوعی اطلاعات کافی نداریم، ممکن است دشوار به نظر برسد.

بااین‌حال، فروتنی فکری به معنای نداشتن دانش یا تردید دائمی نیست. این ویژگی به توانایی تشخیص محدودیت‌های دانسته‌ها، پذیرفتن احتمال اشتباه و آمادگی برای بازنگری در باورها اشاره دارد. پژوهش‌های مرتبط با فروتنی فکری نیز آن را با تصمیم‌گیری دقیق‌تر، مقاومت بیشتر در برابر اطلاعات نادرست و تعامل سازنده‌تر با دیگران مرتبط دانسته‌اند.

در حوزه هوش مصنوعی، چنین رویکردی اهمیت ویژه‌ای دارد. ابزارهای هوشمند می‌توانند پاسخ‌هایی روان و متقاعدکننده تولید کنند، اما ظاهر مطمئن یک پاسخ تضمین‌کننده درستی آن نیست. کاربران باید بتوانند اطلاعات را بررسی کنند، درباره منابع سؤال بپرسند و در صورت لزوم، ندانستن یا تردید خود را بپذیرند.

برای کاهش شکاف جنسیتی در هوش مصنوعی چه باید کرد؟

یافته‌های این دو گزارش نشان می‌دهد که افزایش دسترسی به ابزارها به‌تنهایی برای دستیابی به برابری کافی نیست. سازمان‌ها و کارفرمایان می‌توانند آموزش‌های کاربردی و فرصت‌های تمرین را در دسترس همه کارکنان قرار دهند. فراهم‌کردن راهنمایی تخصصی و ایجاد فضایی که در آن افراد بدون ترس از قضاوت سؤال بپرسند، می‌تواند به یادگیری بهتر کمک کند.

رسانه‌ها نیز نقش مهمی دارند. استفاده از طیف متنوع‌تری از متخصصان در گزارش‌ها و مصاحبه‌ها می‌تواند حضور زنان فعال در این حوزه را برجسته‌تر کند. این اقدام به معنای کنارگذاشتن متخصصان مرد نیست؛ بلکه هدف، بازتاب دقیق‌تر تنوع واقعی افرادی است که در توسعه و تحلیل هوش مصنوعی نقش دارند.

در نهایت، نباید زنان را صرفاً به دلیل استفاده کمتر از هوش مصنوعی مسئول دانست یا آن‌ها را به استفاده بیشتر وادار کرد. مسئله اصلی این است که آیا افراد فرصت برابر برای یادگیری، ارزیابی انتقادی و مشارکت در تصمیم‌هایی دارند که آینده فناوری را شکل می‌دهند.

جمع‌بندی: شکاف جنسیتی در هوش مصنوعی ممکن است در شاخص‌هایی مانند تجربه استفاده اولیه کاهش یافته باشد، اما تفاوت در استفاده روزانه، آموزش شغلی و دیده‌شدن متخصصان همچنان نگران‌کننده است. برای فهم این نابرابری باید فراتر از آمار کاربران رفت و فرصت‌ها، نگرش‌ها و ساختارهای اجتماعی را نیز بررسی کرد.

شناسنامه و منبع مقاله

عنوان اصلی مقاله: New Research Says the AI Gender Gap Has Closed. Has It?

نویسنده: Joel Wong, Ph.D.

مرجع و رسانه: Psychology Today، بخش Gratefully

تاریخ انتشار: ۱۹ اکتبر ۲۰۲۶

نوع محتوا: مقاله تحلیلی و اطلاع‌رسانی مبتنی بر گزارش‌های پژوهشی؛ این مطلب به‌خودی‌خود مقاله پژوهشی داوری‌شده نیست.

شماره ثبت مقاله (PMCID / DOI): برای این مقاله در Psychology Today شناسه PMCID یا DOI گزارش نشده است.

لینک دسترسی به مطلب اصلی: https://www.psychologytoday.com/us/blog/gratefully/202610/new-research-says-the-ai-gender-gap-has-closed-has-it

گزارش‌های اصلی مورد بحث: گزارش مرکز پژوهشی پیو درباره شکاف جنسیتی در استفاده از هوش مصنوعی، منتشرشده در ۱۶ اکتبر ۲۰۲۶؛ و گزارش مرکز شورنستاین در مدرسه کندی دانشگاه هاروارد درباره تفاوت‌های جنسیتی در نگرش و استفاده از هوش مصنوعی، منتشرشده در ۱۴ اکتبر ۲۰۲۶.