TEDxWarwick
Kriti Sharma: How to keep human bias out of AI
Kriti Sharma: Como manter os preconceitos humanos longe da inteligência artificial
Filmed:
Readability: 4
2,050,106 views
Os algoritmos de inteligência artificial tomam decisões importantes sobre você o tempo todo, como quanto você deve pagar pelo seguro de carro ou se consegue aquela entrevista de emprego. Mas o que acontece quando essas máquinas são construídas com preconceitos humanos codificados em seus sistemas? A tecnóloga Kriti Sharma explora como a falta de diversidade em tecnologia está se infiltrando na inteligência artificial, e oferece três maneiras pelas quais podemos começar a fazer algoritmos mais éticos.
Kriti Sharma - AI technologist
Kriti Sharma creates AI technology to help address some of the toughest social challenges of our time -- from domestic violence to sexual health and inequality. Full bio
Kriti Sharma creates AI technology to help address some of the toughest social challenges of our time -- from domestic violence to sexual health and inequality. Full bio
Double-click the English transcript below to play the video.
00:12
How many decisions
have been made about you today,
have been made about you today,
0
875
3768
Quantas decisões foram tomadas
sobre você hoje
sobre você hoje
00:16
or this week or this year,
1
4667
2601
ou nesta semana ou neste ano,
00:19
by artificial intelligence?
2
7292
1958
pela inteligência artificial?
00:22
I build AI for a living
3
10958
1685
Eu trabalho com IA
00:24
so, full disclosure, I'm kind of a nerd.
4
12667
3017
então, declaradamente, sou meio nerd.
00:27
And because I'm kind of a nerd,
5
15708
2393
E por ser meio nerd,
00:30
wherever some new news story comes out
6
18125
2351
seja qual for a novidade anunciada
00:32
about artificial intelligence
stealing all our jobs,
stealing all our jobs,
7
20500
3434
sobre inteligência artificial
roubando os nossos empregos,
roubando os nossos empregos,
00:35
or robots getting citizenship
of an actual country,
of an actual country,
8
23958
4185
ou robôs obtendo cidadania de um país,
00:40
I'm the person my friends
and followers message
and followers message
9
28167
3142
é para mim que meus amigos
e seguidores enviam mensagens
e seguidores enviam mensagens
00:43
freaking out about the future.
10
31333
1542
aterrorizados sobre o futuro.
00:45
We see this everywhere.
11
33833
2101
Vemos isso em todo lugar.
00:47
This media panic that
our robot overlords are taking over.
our robot overlords are taking over.
12
35958
4893
Este pânico da mídia de que robôs
estão assumindo tudo.
estão assumindo tudo.
00:52
We could blame Hollywood for that.
13
40875
1917
Podemos culpar Hollywood por isso.
00:56
But in reality, that's not the problem
we should be focusing on.
we should be focusing on.
14
44125
4125
Mas, na verdade, não é
neste problema que devemos focar.
neste problema que devemos focar.
01:01
There is a more pressing danger,
a bigger risk with AI,
a bigger risk with AI,
15
49250
3643
Há um perigo mais urgente,
um risco maior com a IA,
um risco maior com a IA,
01:04
that we need to fix first.
16
52917
1583
que precisamos corrigir primeiro.
01:07
So we are back to this question:
17
55417
2309
Então, voltemos à questão:
01:09
How many decisions
have been made about you today by AI?
have been made about you today by AI?
18
57750
4708
quantas decisões a IA tomou por você hoje?
01:15
And how many of these
19
63792
1976
E quantas delas foram baseadas
no seu gênero, raça ou histórico?
no seu gênero, raça ou histórico?
01:17
were based on your gender,
your race or your background?
your race or your background?
20
65792
4500
01:24
Algorithms are being used all the time
21
72500
2768
Algoritmos são usados o tempo todo
01:27
to make decisions about who we are
and what we want.
and what we want.
22
75292
3833
para decidir sobre quem somos
e o que queremos.
e o que queremos.
01:32
Some of the women in this room
will know what I'm talking about
will know what I'm talking about
23
80208
3643
Algumas mulheres aqui
saberão sobre o que estou falando,
saberão sobre o que estou falando,
01:35
if you've been made to sit through
those pregnancy test adverts on YouTube
those pregnancy test adverts on YouTube
24
83875
3768
se tiveram que assistir a propagandas
de testes de gravidez no YouTube
de testes de gravidez no YouTube
01:39
like 1,000 times.
25
87667
2059
tipo umas mil vezes.
01:41
Or you've scrolled past adverts
of fertility clinics
of fertility clinics
26
89750
2851
Ou tiveram que percorrer
anúncios de clínicas de fertilidade
anúncios de clínicas de fertilidade
01:44
on your Facebook feed.
27
92625
2042
no feed do Facebook.
01:47
Or in my case, Indian marriage bureaus.
28
95625
2393
No meu caso, agências
de casamento indianas.
de casamento indianas.
01:50
(Laughter)
29
98042
1267
(Risos)
01:51
But AI isn't just being used
to make decisions
to make decisions
30
99333
2976
Mas a IA não é utilizada
apenas para decisões
apenas para decisões
01:54
about what products we want to buy
31
102333
2601
sobre quais produtos queremos comprar
01:56
or which show we want to binge watch next.
32
104958
2500
ou quais séries queremos fazer maratona.
02:01
I wonder how you'd feel about someone
who thought things like this:
who thought things like this:
33
109042
5184
Eu pergunto como vocês se sentiriam
sobre alguém que pense assim:
sobre alguém que pense assim:
02:06
"A black or Latino person
34
114250
1934
"Uma pessoa negra ou latina
02:08
is less likely than a white person
to pay off their loan on time."
to pay off their loan on time."
35
116208
4125
é menos propensa a pagar seu empréstimo
no prazo que uma pessoa branca".
no prazo que uma pessoa branca".
02:13
"A person called John
makes a better programmer
makes a better programmer
36
121542
2809
"Uma pessoa chamada João programa melhor
02:16
than a person called Mary."
37
124375
1667
que uma pessoa chamada Maria."
02:19
"A black man is more likely to be
a repeat offender than a white man."
a repeat offender than a white man."
38
127250
5083
"É mais provável que um homem negro seja
um infrator reincidente que um branco."
um infrator reincidente que um branco."
02:26
You're probably thinking,
39
134958
1268
Provavelmente estão pensando:
02:28
"Wow, that sounds like a pretty sexist,
racist person," right?
racist person," right?
40
136250
3750
"Uau, parece uma pessoa
bem sexista, racista", certo?
bem sexista, racista", certo?
02:33
These are some real decisions
that AI has made very recently,
that AI has made very recently,
41
141000
4851
Essas são algumas decisões reais
que a IA tomou recentemente,
que a IA tomou recentemente,
02:37
based on the biases
it has learned from us,
it has learned from us,
42
145875
2934
baseada em preconceitos
aprendidos conosco,
aprendidos conosco,
02:40
from the humans.
43
148833
1250
com os humanos.
02:43
AI is being used to help decide
whether or not you get that job interview;
whether or not you get that job interview;
44
151750
4809
A IA está sendo usada para decidir
se você consegue a entrevista de emprego;
se você consegue a entrevista de emprego;
02:48
how much you pay for your car insurance;
45
156583
2393
quanto você paga pelo seguro de carro;
02:51
how good your credit score is;
46
159000
1893
quão boa é a sua pontuação de crédito;
02:52
and even what rating you get
in your annual performance review.
in your annual performance review.
47
160917
3125
e até mesmo sua avaliação
na análise de desempenho anual.
na análise de desempenho anual.
02:57
But these decisions
are all being filtered through
are all being filtered through
48
165083
3143
Mas todas essas decisões
estão sendo filtradas
estão sendo filtradas
03:00
its assumptions about our identity,
our race, our gender, our age.
our race, our gender, our age.
49
168250
5875
através de suposições baseadas
em nossa identidade, raça, gênero, idade.
em nossa identidade, raça, gênero, idade.
03:08
How is that happening?
50
176250
2268
Como isso está acontecendo?
03:10
Now, imagine an AI is helping
a hiring manager
a hiring manager
51
178542
3517
Imagine uma IA ajudando
um gerente de contratação
um gerente de contratação
03:14
find the next tech leader in the company.
52
182083
2851
a escolher um líder
de tecnologia para a empresa.
de tecnologia para a empresa.
03:16
So far, the manager
has been hiring mostly men.
has been hiring mostly men.
53
184958
3101
Até agora, o gerente tem contratado
majoritariamente homens.
majoritariamente homens.
03:20
So the AI learns men are more likely
to be programmers than women.
to be programmers than women.
54
188083
4750
Então a IA aprende que homens estão mais
propensos a programar que as mulheres.
propensos a programar que as mulheres.
03:25
And it's a very short leap from there to:
55
193542
2892
E disso é um pulo para:
03:28
men make better programmers than women.
56
196458
2042
homens programam melhor que mulheres.
03:31
We have reinforced
our own bias into the AI.
our own bias into the AI.
57
199417
3726
Nós reforçamos nossos
próprios preconceitos na IA.
próprios preconceitos na IA.
03:35
And now, it's screening out
female candidates.
female candidates.
58
203167
3625
E agora, ela está excluindo
candidatas mulheres.
candidatas mulheres.
03:40
Hang on, if a human
hiring manager did that,
hiring manager did that,
59
208917
3017
Se um gerente de contratação
humano fizesse isso,
humano fizesse isso,
03:43
we'd be outraged, we wouldn't allow it.
60
211958
2351
causaria indignação, não permitiríamos.
03:46
This kind of gender
discrimination is not OK.
discrimination is not OK.
61
214333
3476
Esse tipo de discriminação
de gênero não está certa.
de gênero não está certa.
03:49
And yet somehow,
AI has become above the law,
AI has become above the law,
62
217833
4518
E, de alguma maneira,
a IA passou a estar acima da lei,
a IA passou a estar acima da lei,
03:54
because a machine made the decision.
63
222375
2083
porque uma máquina tomou a decisão.
03:57
That's not it.
64
225833
1518
Não é só isso.
03:59
We are also reinforcing our bias
in how we interact with AI.
in how we interact with AI.
65
227375
4875
Nós também reforçamos nossos preconceitos
na forma como interagimos com a IA.
na forma como interagimos com a IA.
04:04
How often do you use a voice assistant
like Siri, Alexa or even Cortana?
like Siri, Alexa or even Cortana?
66
232917
5976
Quantas vezes você usa um assistente
como Siri, Alexa ou Cortana?
como Siri, Alexa ou Cortana?
04:10
They all have two things in common:
67
238917
2559
Eles têm duas coisas em comum:
04:13
one, they can never get my name right,
68
241500
3101
uma, nunca acertam meu nome,
04:16
and second, they are all female.
69
244625
2667
e segunda, são todas femininas.
04:20
They are designed to be
our obedient servants,
our obedient servants,
70
248417
2767
Elas são desenvolvidas
para serem servas obedientes,
para serem servas obedientes,
04:23
turning your lights on and off,
ordering your shopping.
ordering your shopping.
71
251208
3250
acendem e apagam suas luzes,
fazem suas compras.
fazem suas compras.
04:27
You get male AIs too,
but they tend to be more high-powered,
but they tend to be more high-powered,
72
255125
3309
Há exemplos masculinos de IA também,
mas tendem a ser mais poderosos,
mas tendem a ser mais poderosos,
04:30
like IBM Watson,
making business decisions,
making business decisions,
73
258458
3059
como o IBM Watson,
que toma decisões de negócios,
que toma decisões de negócios,
04:33
Salesforce Einstein
or ROSS, the robot lawyer.
or ROSS, the robot lawyer.
74
261541
3792
o Salesforce Einstein
ou o ROSS, o robô advogado.
ou o ROSS, o robô advogado.
04:38
So poor robots, even they suffer
from sexism in the workplace.
from sexism in the workplace.
75
266208
4060
Pobres robôs, até eles
sofrem sexismo no trabalho.
sofrem sexismo no trabalho.
04:42
(Laughter)
76
270292
1125
(Risos)
04:44
Think about how these two things combine
77
272542
2851
Pensem em como
essas duas coisas se combinam
essas duas coisas se combinam
04:47
and affect a kid growing up
in today's world around AI.
in today's world around AI.
78
275417
5309
e afetam uma criança crescendo atualmente
em um mundo cercado de IA.
em um mundo cercado de IA.
04:52
So they're doing some research
for a school project
for a school project
79
280750
2934
Ela faz alguma pesquisa
para um projeto de escola
para um projeto de escola
04:55
and they Google images of CEO.
80
283708
3018
e procura imagens de CEO.
04:58
The algorithm shows them
results of mostly men.
results of mostly men.
81
286750
2893
O resultado dos algoritmos
mostra homens, basicamente.
mostra homens, basicamente.
05:01
And now, they Google personal assistant.
82
289667
2559
e agora, ela procura assistente pessoal.
05:04
As you can guess,
it shows them mostly females.
it shows them mostly females.
83
292250
3434
Como podem adivinhar,
são mostradas mulheres na pesquisa.
são mostradas mulheres na pesquisa.
05:07
And then they want to put on some music,
and maybe order some food,
and maybe order some food,
84
295708
3601
Então ela quer colocar uma música,
e talvez pedir comida,
e talvez pedir comida,
05:11
and now, they are barking orders
at an obedient female voice assistant.
at an obedient female voice assistant.
85
299333
6584
e agora, ela dita ordens a uma assistente
obediente com voz feminina.
obediente com voz feminina.
05:19
Some of our brightest minds
are creating this technology today.
are creating this technology today.
86
307542
5309
Algumas das mentes mais brilhantes
estão criando essa tecnologia hoje.
estão criando essa tecnologia hoje.
05:24
Technology that they could have created
in any way they wanted.
in any way they wanted.
87
312875
4184
Tecnologia que pode ser criada
da maneira que quiserem.
da maneira que quiserem.
05:29
And yet, they have chosen to create it
in the style of 1950s "Mad Man" secretary.
in the style of 1950s "Mad Man" secretary.
88
317083
5685
Ainda assim, escolheram criá-la no estilo
da secretária de "Mad Man" de 1950.
da secretária de "Mad Man" de 1950.
05:34
Yay!
89
322792
1500
Sim!
05:36
But OK, don't worry,
90
324958
1310
Mas tudo bem, não se preocupe,
não vou terminar dizendo a você
não vou terminar dizendo a você
05:38
this is not going to end
with me telling you
with me telling you
91
326292
2059
05:40
that we are all heading towards
sexist, racist machines running the world.
sexist, racist machines running the world.
92
328375
3477
que caminhamos para máquinas
sexistas e racistas governando o mundo.
sexistas e racistas governando o mundo.
05:44
The good news about AI
is that it is entirely within our control.
is that it is entirely within our control.
93
332792
5791
A boa notícia sobre a IA é que ela está
totalmente sob nosso controle.
totalmente sob nosso controle.
05:51
We get to teach the right values,
the right ethics to AI.
the right ethics to AI.
94
339333
4000
Conseguimos ensinar os valores
e a ética correta para a IA.
e a ética correta para a IA.
05:56
So there are three things we can do.
95
344167
2184
Então, há três coisas que podemos fazer.
05:58
One, we can be aware of our own biases
96
346375
3351
Um, ter consciência
de nossos próprios preconceitos
de nossos próprios preconceitos
06:01
and the bias in machines around us.
97
349750
2726
e os preconceitos das máquinas
ao nosso redor.
ao nosso redor.
06:04
Two, we can make sure that diverse teams
are building this technology.
are building this technology.
98
352500
4518
Dois, garantir diversidade nas equipes
que construirão essas tecnologias.
que construirão essas tecnologias.
06:09
And three, we have to give it
diverse experiences to learn from.
diverse experiences to learn from.
99
357042
4916
E três, dar a elas experiências
diversas para aprender.
diversas para aprender.
06:14
I can talk about the first two
from personal experience.
from personal experience.
100
362875
3309
Posso falar sobre as duas primeiras
por experiência pessoal.
por experiência pessoal.
06:18
When you work in technology
101
366208
1435
Quando se trabalha em tecnologia
06:19
and you don't look like
a Mark Zuckerberg or Elon Musk,
a Mark Zuckerberg or Elon Musk,
102
367667
3392
e você não se parece
com Mark Zuckerberg ou Elon Musk,
com Mark Zuckerberg ou Elon Musk,
06:23
your life is a little bit difficult,
your ability gets questioned.
your ability gets questioned.
103
371083
3750
sua vida fica um pouco difícil,
suas habilidades são questionadas.
suas habilidades são questionadas.
06:27
Here's just one example.
104
375875
1393
Um exemplo.
06:29
Like most developers,
I often join online tech forums
I often join online tech forums
105
377292
3726
Como vários desenvolvedores,
frequentemente acesso fóruns online
frequentemente acesso fóruns online
06:33
and share my knowledge to help others.
106
381042
3226
e compartilho meu conhecimento
para ajudar aos outros.
para ajudar aos outros.
06:36
And I've found,
107
384292
1309
Eu descobri que,
06:37
when I log on as myself,
with my own photo, my own name,
with my own photo, my own name,
108
385625
3976
quando entro como eu mesma,
como minha foto, meu nome,
como minha foto, meu nome,
06:41
I tend to get questions
or comments like this:
or comments like this:
109
389625
4601
costumo receber perguntas
ou comentários como estes:
ou comentários como estes:
06:46
"What makes you think
you're qualified to talk about AI?"
you're qualified to talk about AI?"
110
394250
3000
"O que te faz pensar que é
qualificada para falar sobre IA?"
qualificada para falar sobre IA?"
06:50
"What makes you think
you know about machine learning?"
you know about machine learning?"
111
398458
3476
O que faz você achar que sabe algo
sobre aprendizado de máquina?"
sobre aprendizado de máquina?"
06:53
So, as you do, I made a new profile,
112
401958
3435
Então, como vocês fariam,
fiz um novo perfil,
fiz um novo perfil,
06:57
and this time, instead of my own picture,
I chose a cat with a jet pack on it.
I chose a cat with a jet pack on it.
113
405417
4851
e desta vez, em vez da minha foto,
escolhi a de um gato com propulsor a jato.
escolhi a de um gato com propulsor a jato.
07:02
And I chose a name
that did not reveal my gender.
that did not reveal my gender.
114
410292
2458
E escolhi um nome
que não revelava meu gênero.
que não revelava meu gênero.
07:05
You can probably guess
where this is going, right?
where this is going, right?
115
413917
2726
Vocês podem adivinhar
onde isso vai parar, não?
onde isso vai parar, não?
07:08
So, this time, I didn't get any of those
patronizing comments about my ability
patronizing comments about my ability
116
416667
6392
Desta vez, não tive nenhum comentário
paternalista sobre minhas habilidades.
paternalista sobre minhas habilidades.
07:15
and I was able to actually
get some work done.
get some work done.
117
423083
3334
e fui capaz de realmente
fazer algum trabalho.
fazer algum trabalho.
07:19
And it sucks, guys.
118
427500
1851
E isso é uma droga, pessoal!
07:21
I've been building robots since I was 15,
119
429375
2476
Venho construindo robôs desde os 15 anos,
07:23
I have a few degrees in computer science,
120
431875
2268
tenho alguns diplomas
em ciências da computação,
em ciências da computação,
07:26
and yet, I had to hide my gender
121
434167
2434
e, ainda assim, tenho
que esconder meu gênero,
que esconder meu gênero,
07:28
in order for my work
to be taken seriously.
to be taken seriously.
122
436625
2250
para que o meu trabalho
seja levado a sério.
seja levado a sério.
07:31
So, what's going on here?
123
439875
1893
Então, o que está acontecendo?
07:33
Are men just better
at technology than women?
at technology than women?
124
441792
3208
Os homens são melhores
que as mulheres em tecnologia?
que as mulheres em tecnologia?
07:37
Another study found
125
445917
1559
Outro estudo mostra
07:39
that when women coders on one platform
hid their gender, like myself,
hid their gender, like myself,
126
447500
4934
que quando programadoras escondem
seu gênero em uma plataforma, como eu,
seu gênero em uma plataforma, como eu,
07:44
their code was accepted
four percent more than men.
four percent more than men.
127
452458
3250
seus códigos são 4% mais aceitos
que os dos homens.
que os dos homens.
07:48
So this is not about the talent.
128
456542
2916
Então isso não é sobre talento.
07:51
This is about an elitism in AI
129
459958
2893
Isso é sobre um elitismo na IA
07:54
that says a programmer
needs to look like a certain person.
needs to look like a certain person.
130
462875
2792
que diz que um programador
tem que ter uma certa aparência.
tem que ter uma certa aparência.
07:59
What we really need to do
to make AI better
to make AI better
131
467375
3101
O que precisamos fazer para melhorar a IA
é trazer pessoas de todas as origens.
08:02
is bring people
from all kinds of backgrounds.
from all kinds of backgrounds.
132
470500
3042
Precisamos de pessoas
que possam escrever histórias
que possam escrever histórias
08:06
We need people who can
write and tell stories
write and tell stories
133
474542
2559
08:09
to help us create personalities of AI.
134
477125
2167
para ajudar a criar personalidades de IA.
Precisamos de pessoas
que resolvam problemas.
que resolvam problemas.
08:12
We need people who can solve problems.
135
480208
2042
08:15
We need people
who face different challenges
who face different challenges
136
483125
3768
Pessoas que encarem diferentes desafios,
que nos digam quais são os problemas
que precisam de soluções
que precisam de soluções
08:18
and we need people who can tell us
what are the real issues that need fixing
what are the real issues that need fixing
137
486917
5351
08:24
and help us find ways
that technology can actually fix it.
that technology can actually fix it.
138
492292
3041
e que nos ajudem a encontrar maneiras
de a tecnologia realmente corrigi-los.
de a tecnologia realmente corrigi-los.
Porque, quando pessoas
de diferentes origens se juntam,
de diferentes origens se juntam,
08:29
Because, when people
from diverse backgrounds come together,
from diverse backgrounds come together,
139
497833
3726
08:33
when we build things in the right way,
140
501583
2143
quando construímos
as coisas do jeito certo,
as coisas do jeito certo,
as possibilidades são ilimitadas.
08:35
the possibilities are limitless.
141
503750
2042
E é com isso que quero
concluir minha fala.
concluir minha fala.
08:38
And that's what I want to end
by talking to you about.
by talking to you about.
142
506750
3309
Menos sobre robôs racistas
e máquinas que roubarão nossos empregos
e máquinas que roubarão nossos empregos
08:42
Less racist robots, less machines
that are going to take our jobs --
that are going to take our jobs --
143
510083
4225
e mais sobre o que a tecnologia
pode realmente conseguir.
pode realmente conseguir.
08:46
and more about what technology
can actually achieve.
can actually achieve.
144
514332
3125
Então, sim, alguma dessa energia
no mundo da IA, no mundo da tecnologia
no mundo da IA, no mundo da tecnologia
08:50
So, yes, some of the energy
in the world of AI,
in the world of AI,
145
518292
3434
08:53
in the world of technology
146
521750
1393
08:55
is going to be about
what ads you see on your stream.
what ads you see on your stream.
147
523167
4267
será dirigida à publicidade
que vocês veem na internet.
que vocês veem na internet.
Mas muito disso está tornando
o mundo muito melhor.
o mundo muito melhor.
08:59
But a lot of it is going towards
making the world so much better.
making the world so much better.
148
527458
5209
09:05
Think about a pregnant woman
in the Democratic Republic of Congo,
in the Democratic Republic of Congo,
149
533500
3768
Pense sobre uma mulher grávida
na República Democrática do Congo,
na República Democrática do Congo,
que tem que andar 17 horas
até a clínica pré-natal rural mais próxima
até a clínica pré-natal rural mais próxima
09:09
who has to walk 17 hours
to her nearest rural prenatal clinic
to her nearest rural prenatal clinic
150
537292
4184
09:13
to get a checkup.
151
541500
1851
para fazer um checkup.
09:15
What if she could get diagnosis
on her phone, instead?
on her phone, instead?
152
543375
2917
E se, em vez disso, ela pudesse
obter um diagnóstico pelo telefone?
obter um diagnóstico pelo telefone?
09:19
Or think about what AI could do
153
547750
1809
Ou pense o que a IA poderia fazer
09:21
for those one in three women
in South Africa
in South Africa
154
549583
2726
pelos 33% das mulheres na África do Sul
09:24
who face domestic violence.
155
552333
2125
que sofrem violência doméstica.
Se não for seguro falar em voz alta,
09:27
If it wasn't safe to talk out loud,
156
555083
2726
09:29
they could get an AI service
to raise alarm,
to raise alarm,
157
557833
2476
elas poderiam usar a IA
para soar o alarme,
para soar o alarme,
ter conselhos financeiros e legais.
09:32
get financial and legal advice.
158
560333
2459
09:35
These are all real examples of projects
that people, including myself,
that people, including myself,
159
563958
5018
Esses são exemplos reais de projetos
em que pessoas, incluindo eu mesma,
em que pessoas, incluindo eu mesma,
estão trabalhando agora, usando IA.
09:41
are working on right now, using AI.
160
569000
2500
09:45
So, I'm sure in the next couple of days
there will be yet another news story
there will be yet another news story
161
573542
3601
Então, tenho certeza que, em alguns dias,
haverá outra história na mídia
haverá outra história na mídia
sobre o risco existencial,
09:49
about the existential risk,
162
577167
2684
09:51
robots taking over
and coming for your jobs.
and coming for your jobs.
163
579875
2434
robôs assumindo o comando
e vindo tomar seu trabalho.
e vindo tomar seu trabalho.
09:54
(Laughter)
164
582333
1018
(Risos)
09:55
And when something like that happens,
165
583375
2309
Quando algo assim acontecer,
receberei mensagens
terríveis sobre o futuro.
terríveis sobre o futuro.
09:57
I know I'll get the same messages
worrying about the future.
worrying about the future.
166
585708
3601
Mas me sinto incrivelmente positiva
sobre esta tecnologia.
sobre esta tecnologia.
10:01
But I feel incredibly positive
about this technology.
about this technology.
167
589333
3667
10:07
This is our chance to remake the world
into a much more equal place.
into a much more equal place.
168
595458
5959
Esta é nossa chance de fazer
do mundo um lugar mais igualitário.
do mundo um lugar mais igualitário.
Mas, para isso, precisamos construí-lo
da maneira certa desde o início.
da maneira certa desde o início.
10:14
But to do that, we need to build it
the right way from the get go.
the right way from the get go.
169
602458
4000
10:19
We need people of different genders,
races, sexualities and backgrounds.
races, sexualities and backgrounds.
170
607667
5083
Precisamos de pessoas de diferentes
gêneros, raças, sexualidades e origens.
gêneros, raças, sexualidades e origens.
Precisamos de mulheres
que sejam as criadoras
que sejam as criadoras
10:26
We need women to be the makers
171
614458
2476
10:28
and not just the machines
who do the makers' bidding.
who do the makers' bidding.
172
616958
3000
e não apenas de máquinas
que sejam as assistentes.
que sejam as assistentes.
10:33
We need to think very carefully
what we teach machines,
what we teach machines,
173
621875
3768
Precisamos pensar cuidadosamente
no que ensinamos às máquinas,
no que ensinamos às máquinas,
10:37
what data we give them,
174
625667
1642
quais dados entregamos para elas,
para que elas não repitam nossos erros.
10:39
so they don't just repeat
our own past mistakes.
our own past mistakes.
175
627333
3125
10:44
So I hope I leave you
thinking about two things.
thinking about two things.
176
632125
3542
Espero que vocês pensem sobre duas coisas.
A primeira, espero que saiam daqui
pensando em preconceito.
pensando em preconceito.
10:48
First, I hope you leave
thinking about bias today.
thinking about bias today.
177
636542
4559
10:53
And that the next time
you scroll past an advert
you scroll past an advert
178
641125
3184
E, da próxima vez
que passarem por um anúncio
que passarem por um anúncio
que assume que vocês se interessam
por clínicas de fertilidade
por clínicas de fertilidade
10:56
that assumes you are interested
in fertility clinics
in fertility clinics
179
644333
2810
10:59
or online betting websites,
180
647167
2851
ou sites de apostas on-line,
pensem e lembrem
11:02
that you think and remember
181
650042
2017
que essa mesma tecnologia está assumindo
que um negro é um infrator reincidente.
que um negro é um infrator reincidente.
11:04
that the same technology is assuming
that a black man will reoffend.
that a black man will reoffend.
182
652083
4625
Ou que uma mulher se sai melhor
como assistente do que como CEO.
como assistente do que como CEO.
11:09
Or that a woman is more likely
to be a personal assistant than a CEO.
to be a personal assistant than a CEO.
183
657833
4167
E espero que isso lembre a vocês
que precisamos fazer algo a respeito.
que precisamos fazer algo a respeito.
11:14
And I hope that reminds you
that we need to do something about it.
that we need to do something about it.
184
662958
3709
11:20
And second,
185
668917
1851
E segundo,
11:22
I hope you think about the fact
186
670792
1892
espero que pensem sobre o fato
11:24
that you don't need to look a certain way
187
672708
1976
de que não precisam
ter uma certa aparência
ter uma certa aparência
11:26
or have a certain background
in engineering or technology
in engineering or technology
188
674708
3851
ou uma certa formação
em engenharia ou tecnologia
em engenharia ou tecnologia
para criar IA,
11:30
to create AI,
189
678583
1268
11:31
which is going to be
a phenomenal force for our future.
a phenomenal force for our future.
190
679875
2875
que será um fenômeno em nosso futuro.
Você não precisa se parecer
com o Mark Zuckerberg,
com o Mark Zuckerberg,
11:36
You don't need to look
like a Mark Zuckerberg,
like a Mark Zuckerberg,
191
684166
2143
11:38
you can look like me.
192
686333
1250
você pode se parecer comigo.
E cabe a todos nós
11:41
And it is up to all of us in this room
193
689250
2893
11:44
to convince the governments
and the corporations
and the corporations
194
692167
2726
convencer os governantes e as corporações
11:46
to build AI technology for everyone,
195
694917
2892
a criar tecnologia de IA para todos,
incluindo as exceções.
11:49
including the edge cases.
196
697833
2393
11:52
And for us all to get education
197
700250
2059
E para todos nós aprendermos
11:54
about this phenomenal
technology in the future.
technology in the future.
198
702333
2375
sobre esta tecnologia fenomenal no futuro.
11:58
Because if we do that,
199
706167
2017
Porque, se fizermos isso,
12:00
then we've only just scratched the surface
of what we can achieve with AI.
of what we can achieve with AI.
200
708208
4893
será só o início do que faremos com a IA.
12:05
Thank you.
201
713125
1268
Obrigada.
(Aplausos)
12:06
(Applause)
202
714417
2708
ABOUT THE SPEAKER
Kriti Sharma - AI technologistKriti Sharma creates AI technology to help address some of the toughest social challenges of our time -- from domestic violence to sexual health and inequality.
Why you should listen
Kriti Sharma is the Founder of AI for Good, an organization focused on building scalable technology solutions for social good. In 2018, she also launched rAInbow, a digital companion for women facing domestic violence in South Africa. This service reached nearly 200,000 conversations within the first 100 days, breaking down the stigma of gender-based violence. In 2019, she collaborated with the Population Foundation of India to launch Dr. Sneha, an AI-powered digital character to engage with young people about sexual health, an issue that is still considered a taboo in India.
Sharma was recently named in the Forbes "30 Under 30" list for advancements in AI. She was appointed a United Nations Young Leader in 2018 and is an advisor to both the United Nations Technology Innovation Labs and to the UK Government’s Centre for Data Ethics and Innovation.
Kriti Sharma | Speaker | TED.com