TEDxBeaconStreet
Joy Buolamwini: How I'm fighting bias in algorithms
جوي بولمويني: كيف أقاوم التحيز في الخوارزميات
Filmed:
Readability: 5.3
1,223,943 views
طالبة متخرجة من إم آي تي تدعى جوي بولمويني كانت تعمل على برمجة خاصة بالتعرف على بصمة الوجه عندما لاحظت مشكلة ما: وهي أن البرمجة لم تتعرف على وجهها -- لأن من قام بتشفير الخوارزمية لم يقم بتعليم الآلة تحديد مستوى واسع من ألوان البشرة و تراكيب الوجه. الآن هي في مهمة لمكافحة التحيز في تعلم الآلة، وهي ظاهرة قامت بتسميتها "النظرة المشفرَّة." يعد هذا حديثًا منفتحًا عن الحاجة للمحاسبة في مجال التشفير... لأن الخوارزميات تستولي على المزيد والمزيد من النواحي في حياتنا.
Joy Buolamwini - Poet of code
Joy Buolamwini's research explores the intersection of social impact technology and inclusion. Full bio
Joy Buolamwini's research explores the intersection of social impact technology and inclusion. Full bio
Double-click the English transcript below to play the video.
00:13
Hello, I'm Joy, a poet of code,
0
1041
3134
مرحبا أُدعى (جوي)،
أَنظُم الشعر على الحاسوب
أَنظُم الشعر على الحاسوب
00:16
on a mission to stop
an unseen force that's rising,
an unseen force that's rising,
1
4199
4993
في مهمة لردع قوة ناشئة غير مرئية،
00:21
a force that I called "the coded gaze,"
2
9216
2856
قوة أسميتها "النظرة المشفرَّة،"
00:24
my term for algorithmic bias.
3
12096
3309
مصطلح أطلقه عن تحيز الخوارزمية.
00:27
Algorithmic bias, like human bias,
results in unfairness.
results in unfairness.
4
15429
4300
تحيز الخوارزمية مثل تحيز البشر
يؤدي إلى الإجحاف.
يؤدي إلى الإجحاف.
00:31
However, algorithms, like viruses,
can spread bias on a massive scale
can spread bias on a massive scale
5
19753
6022
برغم ذلك، الخوارزميات مثل الفيروسات
يتفشى فيها التحيز على مستوى واسع
يتفشى فيها التحيز على مستوى واسع
00:37
at a rapid pace.
6
25799
1582
بخطى سريعة.
00:39
Algorithmic bias can also lead
to exclusionary experiences
to exclusionary experiences
7
27943
4387
تحيز الخوارزمية قد يُفضِي إلى
وقوع حوادث إقصائية
وقوع حوادث إقصائية
00:44
and discriminatory practices.
8
32354
2128
و ممارسات تمييزية.
00:46
Let me show you what I mean.
9
34506
2061
دعوني أوضح ما أعنيه.
00:48
(Video) Joy Buolamwini: Hi, camera.
I've got a face.
I've got a face.
10
36980
2436
(فيديو): أهلا بالكاميرا.
لدي وجه.
لدي وجه.
00:52
Can you see my face?
11
40162
1864
هل ترون وجهي؟
00:54
No-glasses face?
12
42051
1625
وجه بلا نظارات؟
00:55
You can see her face.
13
43701
2214
تستطيع رؤية وجهها.
00:58
What about my face?
14
46237
2245
ماذا عن وجهي؟
01:03
I've got a mask. Can you see my mask?
15
51890
3750
لدي قناع. هل ترى قناعي؟
01:08
Joy Buolamwini: So how did this happen?
16
56474
2365
إذن كيف حدث هذا؟
01:10
Why am I sitting in front of a computer
17
58863
3141
لمَ أجلس أمام حاسوب
01:14
in a white mask,
18
62028
1424
أضع قناعًا أبيض،
01:15
trying to be detected by a cheap webcam?
19
63476
3650
أحاول أن تكتشفني كاميرا ويب زهيدة؟
01:19
Well, when I'm not fighting the coded gaze
20
67150
2291
حسنا عندما لا أقاوم النظرة المشفرة
01:21
as a poet of code,
21
69465
1520
بصفتي شاعرة أستخدم التشفير،
01:23
I'm a graduate student
at the MIT Media Lab,
at the MIT Media Lab,
22
71009
3272
أنا طالبة دراسات عليا في
إم آي تي ميديا لاب،
إم آي تي ميديا لاب،
01:26
and there I have the opportunity to work
on all sorts of whimsical projects,
on all sorts of whimsical projects,
23
74305
4917
و هناك لدي الفرصة للعمل على
جميع أنواع المشروعات الغريبة،
جميع أنواع المشروعات الغريبة،
01:31
including the Aspire Mirror,
24
79246
2027
بما في ذلك ( أسباير ميرور)،
01:33
a project I did so I could project
digital masks onto my reflection.
digital masks onto my reflection.
25
81297
5134
مشروع قمت به لأرسم
أقنعة رقْمية على انعكاسي.
أقنعة رقْمية على انعكاسي.
01:38
So in the morning, if I wanted
to feel powerful,
to feel powerful,
26
86455
2350
لذا في الصباح إذا أردت
الشعور بالقوة،
الشعور بالقوة،
01:40
I could put on a lion.
27
88829
1434
أستطيع أن أضع قناع أسد.
01:42
If I wanted to be uplifted,
I might have a quote.
I might have a quote.
28
90287
3496
إذا أردت أن أرفع معنوياتي،
قد أحصل على اقتباس.
قد أحصل على اقتباس.
01:45
So I used generic
facial recognition software
facial recognition software
29
93807
2989
لذا استخدمت برمجة موسعة
للتعرف على الوجه
للتعرف على الوجه
01:48
to build the system,
30
96820
1351
لبناء النظام،
01:50
but found it was really hard to test it
unless I wore a white mask.
unless I wore a white mask.
31
98195
5103
لكني وجدت أنه من الصعب
اختباره مالم أضع قناعًا.
اختباره مالم أضع قناعًا.
01:56
Unfortunately, I've run
into this issue before.
into this issue before.
32
104282
4346
لسوء الحظ واجهتني هذه المسألة من قبل.
02:00
When I was an undergraduate
at Georgia Tech studying computer science,
at Georgia Tech studying computer science,
33
108652
4303
عندما كنت طالبة في جامعة جورجيا
التقنية أدرس علوم الحاسب،
التقنية أدرس علوم الحاسب،
02:04
I used to work on social robots,
34
112979
2055
اعتدت العمل على الروبوتات الاجتماعية،
02:07
and one of my tasks was to get a robot
to play peek-a-boo,
to play peek-a-boo,
35
115058
3777
و إحدى مهامي كانت أن أجعل روبوت
يلعب بيكابو (لعبة الاختفاء)،
يلعب بيكابو (لعبة الاختفاء)،
02:10
a simple turn-taking game
36
118859
1683
لعبة بسيطة لتناوب الأدوار
02:12
where partners cover their face
and then uncover it saying, "Peek-a-boo!"
and then uncover it saying, "Peek-a-boo!"
37
120566
4321
حيث يغطي الشخص وجهه
عن شريكه ثم يكشفه قائلا، "بيكابو!"
عن شريكه ثم يكشفه قائلا، "بيكابو!"
02:16
The problem is, peek-a-boo
doesn't really work if I can't see you,
doesn't really work if I can't see you,
38
124911
4429
المشكلة أن هذه اللعبة لا تعمل
حقيقةً إذا لم أستطع رؤيتك،
حقيقةً إذا لم أستطع رؤيتك،
02:21
and my robot couldn't see me.
39
129364
2499
و روبوتي لا يستطيع رؤيتي.
02:23
But I borrowed my roommate's face
to get the project done,
to get the project done,
40
131887
3950
لكني استعنت بوجه زميلتي
بالسكن لكي أنهي المشروع،
بالسكن لكي أنهي المشروع،
02:27
submitted the assignment,
41
135861
1380
وقدمت المَهًمّة،
02:29
and figured, you know what,
somebody else will solve this problem.
somebody else will solve this problem.
42
137265
3753
ووجدت أن شخصا آخر قد حل هذه المشكلة.
02:33
Not too long after,
43
141669
2003
ليس بعد وقت طويل حينها،
02:35
I was in Hong Kong
for an entrepreneurship competition.
for an entrepreneurship competition.
44
143696
4159
كنت في هونغ كونغ لأجل
مسابقة في ريادة الأعمال.
مسابقة في ريادة الأعمال.
02:40
The organizers decided
to take participants
to take participants
45
148339
2694
قرر المنظمون أن يأخذوا المشاركين
02:43
on a tour of local start-ups.
46
151057
2372
في جولة للشركات الناشئة المحلية.
02:45
One of the start-ups had a social robot,
47
153453
2715
إحدى هذه الشركات
كان لديها روبوت اجتماعي،
كان لديها روبوت اجتماعي،
02:48
and they decided to do a demo.
48
156192
1912
و قرروا استخدام عرض توضيحي.
02:50
The demo worked on everybody
until it got to me,
until it got to me,
49
158128
2980
عمل العرض التوضيحي مع الجميع
حتى جاء دوري،
حتى جاء دوري،
02:53
and you can probably guess it.
50
161132
1923
ربما تستطيع تخيل الأمر.
02:55
It couldn't detect my face.
51
163079
2965
لم يتعرف على وجهي.
02:58
I asked the developers what was going on,
52
166068
2511
سألت المطورين عما يحدث،
03:00
and it turned out we had used the same
generic facial recognition software.
generic facial recognition software.
53
168603
5533
واتضح أننا استخدمنا نفس البرمجة
العامة للتعرف على الوجه.
العامة للتعرف على الوجه.
03:06
Halfway around the world,
54
174160
1650
جبت نصف العالم،
03:07
I learned that algorithmic bias
can travel as quickly
can travel as quickly
55
175834
3852
لأعلم أن تحيز الخوارزمية
يستطيع الانتقال بسرعة
يستطيع الانتقال بسرعة
03:11
as it takes to download
some files off of the internet.
some files off of the internet.
56
179710
3170
قدر ما يأخذه الوقت لتحميل
بعض الملفات من شبكة الانترنت.
بعض الملفات من شبكة الانترنت.
03:15
So what's going on?
Why isn't my face being detected?
Why isn't my face being detected?
57
183745
3076
إذن ما الذي يحدث؟
لم لا يتعرف على وجهي؟
لم لا يتعرف على وجهي؟
03:18
Well, we have to look
at how we give machines sight.
at how we give machines sight.
58
186845
3356
حسنا، علينا أن ننظر إلى كيفية
تفعيل حاسة البصر عند الآلات.
تفعيل حاسة البصر عند الآلات.
03:22
Computer vision uses
machine learning techniques
machine learning techniques
59
190225
3409
يستخدم البصر الحاسوبي
تقنيات خاصة بتعلم الآلة
تقنيات خاصة بتعلم الآلة
03:25
to do facial recognition.
60
193658
1880
للقيام بالتعرف على الوجه.
03:27
So how this works is, you create
a training set with examples of faces.
a training set with examples of faces.
61
195562
3897
إذن يتفعل هذا بإنشاء جهاز
تدريب مزود بأمثلة للأوجه.
تدريب مزود بأمثلة للأوجه.
03:31
This is a face. This is a face.
This is not a face.
This is not a face.
62
199483
2818
هذا وجه. هذا وجه.
هذا ليس بوجه.
هذا ليس بوجه.
03:34
And over time, you can teach a computer
how to recognize other faces.
how to recognize other faces.
63
202325
4519
وبمرور الوقت، يتعلم الحاسوب
كيف يتعرف على وجوه أخرى.
كيف يتعرف على وجوه أخرى.
03:38
However, if the training sets
aren't really that diverse,
aren't really that diverse,
64
206868
3989
برغم ذلك، إذا لم تكن أجهزة التدريب متنوعة،
03:42
any face that deviates too much
from the established norm
from the established norm
65
210881
3349
ووجد وجه يختلف كثيرا عن النمط القائم
03:46
will be harder to detect,
66
214254
1649
سيكون أصعب في التعرف عليه،
03:47
which is what was happening to me.
67
215927
1963
الأمر الذي حدث معي.
03:49
But don't worry -- there's some good news.
68
217914
2382
لكن لا تقلقوا -- هناك أخبار جيدة.
03:52
Training sets don't just
materialize out of nowhere.
materialize out of nowhere.
69
220320
2771
أجهزة التدريب لا تحقق إنجازًا من لاشيء.
03:55
We actually can create them.
70
223115
1788
نستطيع بالفعل أن ننشئهم.
03:56
So there's an opportunity to create
full-spectrum training sets
full-spectrum training sets
71
224927
4176
إذن هناك فرصة لإنتاج أجهزة
تدريب تمسح الطيف الكامل
تدريب تمسح الطيف الكامل
04:01
that reflect a richer
portrait of humanity.
portrait of humanity.
72
229127
3824
التي تعكس صورا تُثري الإنسانية أكثر.
04:04
Now you've seen in my examples
73
232975
2221
الآن قد رأيتم في أمثلتي
04:07
how social robots
74
235220
1768
كيف أن الروبوتات الاجتماعية
04:09
was how I found out about exclusion
with algorithmic bias.
with algorithmic bias.
75
237012
4611
كشفت لي الإقصاء المنتهج
في تحيز الخوارزمية.
في تحيز الخوارزمية.
04:13
But algorithmic bias can also lead
to discriminatory practices.
to discriminatory practices.
76
241647
4815
لكن قد يؤدي تحيز الخوارزمية
إلى الممارسات التمييزية أيضا.
إلى الممارسات التمييزية أيضا.
04:19
Across the US,
77
247437
1453
عبر الولايات المتحدة،
04:20
police departments are starting to use
facial recognition software
facial recognition software
78
248914
4198
بدأت أقسام الشرطة في استخدام
برمجة التعرف على الوجه
برمجة التعرف على الوجه
04:25
in their crime-fighting arsenal.
79
253136
2459
كسلاح لمكافحة الجريمة.
04:27
Georgetown Law published a report
80
255619
2013
نشرت كلية حقوق جورج تاون تقريراً
04:29
showing that one in two adults
in the US -- that's 117 million people --
in the US -- that's 117 million people --
81
257656
6763
يظهر أن بالغاً من كل اثنين في الولايات
المتحدة -- حوالى 117 مليون نسمة --
المتحدة -- حوالى 117 مليون نسمة --
04:36
have their faces
in facial recognition networks.
in facial recognition networks.
82
264443
3534
توجد بصمة وجهه
في شبكات التعرف على الوجه.
في شبكات التعرف على الوجه.
04:40
Police departments can currently look
at these networks unregulated,
at these networks unregulated,
83
268001
4552
تتمكن أقسام الشرطة حالياً من تفحص
هذه الشبكات بطريقة غير منظمة،
هذه الشبكات بطريقة غير منظمة،
04:44
using algorithms that have not
been audited for accuracy.
been audited for accuracy.
84
272577
4286
باستخدام خوارزميات لم يراع فيها الدقة.
04:48
Yet we know facial recognition
is not fail proof,
is not fail proof,
85
276887
3864
حتى الآن لم يثبَت فشل التعرف على الوجه،
04:52
and labeling faces consistently
remains a challenge.
remains a challenge.
86
280775
4179
ويظل تصنيف الوجوه تحدياً مستمراً.
04:56
You might have seen this on Facebook.
87
284978
1762
قد تكون رأيت هذا في فيسبوك.
04:58
My friends and I laugh all the time
when we see other people
when we see other people
88
286764
2988
أضحك كثيرا أنا وأصدقائي
عندما نرى الآخرين
عندما نرى الآخرين
05:01
mislabeled in our photos.
89
289776
2458
غير مصنَّفين في صورنا.
05:04
But misidentifying a suspected criminal
is no laughing matter,
is no laughing matter,
90
292258
5591
لكن عدم تحديد مجرماً
مشتبهاً به ليس أمراً مضحكاً،
مشتبهاً به ليس أمراً مضحكاً،
05:09
nor is breaching civil liberties.
91
297873
2827
ولا انتهاكاً للحريات المدنية.
05:12
Machine learning is being used
for facial recognition,
for facial recognition,
92
300724
3205
التعلم الآلي يستخدم في التعرف على الوجه،
05:15
but it's also extending beyond the realm
of computer vision.
of computer vision.
93
303953
4505
لكنه أيضا يتجاوز حدود رؤية الحاسوب.
05:21
In her book, "Weapons
of Math Destruction,"
of Math Destruction,"
94
309266
4016
في كتابها، "أسلحة الدمار الحسابيّ،"
05:25
data scientist Cathy O'Neil
talks about the rising new WMDs --
talks about the rising new WMDs --
95
313306
6681
تحدثت عالمة البيانات (كاثي أونيل)
عن هذه الأسلحة الصاعدة --
عن هذه الأسلحة الصاعدة --
05:32
widespread, mysterious
and destructive algorithms
and destructive algorithms
96
320011
4353
الخوارزميات الرائجة والغامضة والمدمرة
05:36
that are increasingly being used
to make decisions
to make decisions
97
324388
2964
التي تُستخدم بتزايد في اتخاذ القرارات
05:39
that impact more aspects of our lives.
98
327376
3177
التي تؤثر على نواحي أكثر في حياتنا.
05:42
So who gets hired or fired?
99
330577
1870
إذن من يُوظَّف أو يُطرَد؟
05:44
Do you get that loan?
Do you get insurance?
Do you get insurance?
100
332471
2112
هل تحصل على ذاك القرض؟
هل تحصل على التأمين؟
هل تحصل على التأمين؟
05:46
Are you admitted into the college
you wanted to get into?
you wanted to get into?
101
334607
3503
هل قُبلت بالكلية التي أردتها؟
05:50
Do you and I pay the same price
for the same product
for the same product
102
338134
3509
هل يدفع الجميع نفس السعرعن نفس المنتج
05:53
purchased on the same platform?
103
341667
2442
الذي اشتُرِي من نفس المنصة؟
05:56
Law enforcement is also starting
to use machine learning
to use machine learning
104
344133
3759
بدأ مسؤولو تطبيق القانون
في استخدام التعلم الآلي
في استخدام التعلم الآلي
05:59
for predictive policing.
105
347916
2289
لغرض الفاعلية في حفظ الأمن.
06:02
Some judges use machine-generated
risk scores to determine
risk scores to determine
106
350229
3494
بعض القضاة يحددون درجات
الخطر باستخدام الآلة لمعرفة
الخطر باستخدام الآلة لمعرفة
06:05
how long an individual
is going to spend in prison.
is going to spend in prison.
107
353747
4402
طول المدة التي سيقضيها الفرد في السجن.
06:10
So we really have to think
about these decisions.
about these decisions.
108
358173
2454
بالتالي علينا أن نفكر مليًّا
في هذه القرارات.
في هذه القرارات.
06:12
Are they fair?
109
360651
1182
هل هي عادلة؟
06:13
And we've seen that algorithmic bias
110
361857
2890
و لقد رأينا أن تحيز الخوارزمية
06:16
doesn't necessarily always
lead to fair outcomes.
lead to fair outcomes.
111
364771
3374
لا يؤدي بالضرورة إلى نتائج عادلة دائما.
06:20
So what can we do about it?
112
368169
1964
ما الذي يمكن فعله حيال هذا؟
06:22
Well, we can start thinking about
how we create more inclusive code
how we create more inclusive code
113
370157
3680
حسنا، نستطيع البدء في
إنتاج تشفير أكثر تضميناً
إنتاج تشفير أكثر تضميناً
06:25
and employ inclusive coding practices.
114
373861
2990
و نوظف ممارسات تشفير شاملة.
06:28
It really starts with people.
115
376875
2309
إن الناس هم من يبادروا.
06:31
So who codes matters.
116
379708
1961
لذا من يقوم بالتشفير له أهمية.
06:33
Are we creating full-spectrum teams
with diverse individuals
with diverse individuals
117
381693
4119
هل ننتج مجموعات للطيف
الكامل بها أفراد متنوعين
الكامل بها أفراد متنوعين
06:37
who can check each other's blind spots?
118
385836
2411
من يستطيع فحص النقاط
غير المرئية لبعضهم البعض؟
غير المرئية لبعضهم البعض؟
06:40
On the technical side,
how we code matters.
how we code matters.
119
388271
3545
على الصعيد الفني،
يوجد أهمية لكيفية التشفير.
يوجد أهمية لكيفية التشفير.
06:43
Are we factoring in fairness
as we're developing systems?
as we're developing systems?
120
391840
3651
هل نصنّع بعَدْل بينما نطور النظام؟
06:47
And finally, why we code matters.
121
395515
2913
و في النهاية لمً نقوم بالتشفير.
06:50
We've used tools of computational creation
to unlock immense wealth.
to unlock immense wealth.
122
398785
5083
لقد استخدمنا أدوات للإعداد الحاسوبي
لكشف الثروة الهائلة.
لكشف الثروة الهائلة.
06:55
We now have the opportunity
to unlock even greater equality
to unlock even greater equality
123
403892
4447
لدينا الآن الفرصة لكشف جودة أكبر
07:00
if we make social change a priority
124
408363
2930
إذا جعلنا من التغير الاجتماعي أولوية
07:03
and not an afterthought.
125
411317
2170
و ليس كتفكير مؤجَّل.
07:06
And so these are the three tenets
that will make up the "incoding" movement.
that will make up the "incoding" movement.
126
414008
4522
و هذه الركائز الثلاثة التي
ستشعل حركة التشفير.
ستشعل حركة التشفير.
07:10
Who codes matters,
127
418554
1652
من يشفر له أهمية،
07:12
how we code matters
128
420230
1543
كيف نشفر مهم
07:13
and why we code matters.
129
421797
2023
ولمِاذا نشفر مهم أيضا.
07:15
So to go towards incoding,
we can start thinking about
we can start thinking about
130
423844
3099
إذن لنتحول للتشفير
نستطيع البدء بالتفكير في
نستطيع البدء بالتفكير في
07:18
building platforms that can identify bias
131
426967
3164
بناء منصات تستطيع تحديد التحيز
07:22
by collecting people's experiences
like the ones I shared,
like the ones I shared,
132
430155
3078
بواسطة جمع خبرات الناس
مثل تلك التي شاركتها،
مثل تلك التي شاركتها،
07:25
but also auditing existing software.
133
433257
3070
أيضا التدقيق في البرمجة الحالية.
07:28
We can also start to create
more inclusive training sets.
more inclusive training sets.
134
436351
3765
نستطيع أيضا إنشاء أدوات تدريب شاملة أكثر.
07:32
Imagine a "Selfies for Inclusion" campaign
135
440140
2803
تخيل حملة بعنوان" سيلفي للتضمين"
07:34
where you and I can help
developers test and create
developers test and create
136
442967
3655
حيث نستطيع جميعا مساعدة
المطورين لاختبار و إنتاج
المطورين لاختبار و إنتاج
07:38
more inclusive training sets.
137
446646
2093
أجهزة تدريب أكثر شمولية.
07:41
And we can also start thinking
more conscientiously
more conscientiously
138
449302
2828
و نستطيع التفكير بطريقة أكثر وعياً
07:44
about the social impact
of the technology that we're developing.
of the technology that we're developing.
139
452154
5391
تجاه التأثير الاجتماعي
للتكنولوجيا التي نطورها.
للتكنولوجيا التي نطورها.
07:49
To get the incoding movement started,
140
457569
2393
لكي نفعل حركة التشفير،
07:51
I've launched the Algorithmic
Justice League,
Justice League,
141
459986
2847
أطللقت رابطة باسم العدالة الخوارزمية،
07:54
where anyone who cares about fairness
can help fight the coded gaze.
can help fight the coded gaze.
142
462857
5872
حيث يستطيع كل من يهتم بالعدل
أن يكافح ضد النظرة المشفرة.
أن يكافح ضد النظرة المشفرة.
08:00
On codedgaze.com, you can report bias,
143
468753
3296
يمكنكم التبليغ عن التحيز على موقع
codedgaze.com
codedgaze.com
08:04
request audits, become a tester
144
472073
2445
وتطالب بالتدقيق وتصبح مُختبِراً
08:06
and join the ongoing conversation,
145
474542
2771
و تنضم للمحادثة الدائرة،
08:09
#codedgaze.
146
477337
2287
على وسْم #codegaze.
08:12
So I invite you to join me
147
480742
2487
لذا أدعوكم للانضمام إليّ
08:15
in creating a world where technology
works for all of us,
works for all of us,
148
483253
3719
في إيجاد عالم حيث تعمل فيه
التكنولوجيا من أجل الجميع،
التكنولوجيا من أجل الجميع،
08:18
not just some of us,
149
486996
1897
ليس البعض منا فحسب،
08:20
a world where we value inclusion
and center social change.
and center social change.
150
488917
4588
عالم حيث نقدّر التضمين
و نركز على التغير الاجتماعي.
و نركز على التغير الاجتماعي.
08:25
Thank you.
151
493529
1175
شكرا لكم.
08:26
(Applause)
152
494728
4271
(تصفيق)
08:32
But I have one question:
153
500873
2854
لكن لدي سؤال واحد:
08:35
Will you join me in the fight?
154
503751
2059
هل ستنضمون إلي في الكفاح؟
08:37
(Laughter)
155
505834
1285
(ضحك)
08:39
(Applause)
156
507143
3687
(تصفيق)
ABOUT THE SPEAKER
Joy Buolamwini - Poet of codeJoy Buolamwini's research explores the intersection of social impact technology and inclusion.
Why you should listen
Joy Buolamwini is a poet of code on a mission to show compassion through computation. As a graduate researcher at the MIT Media Lab, she leads the Algorithmic Justice League to fight coded bias. Her research explores the intersection of social impact technology and inclusion. In support of this work, Buolamwini was awarded a $50,000 grant as the Grand Prize winner of a national contest inspired by the critically acclaimed film Hidden Figures, based on the book by Margot Lee Shetterly.
Driven by an entrepreneurial spirit, Buolamwini's global interest in creating technology for social impact spans multiple industries and countries. As the inaugural Chief Technology Officer for Techturized Inc., a hair care technology company, and Swift Tech Solutions, a global health tech consultancy, she led software development for underserved communities in the United States, Ethiopia, Mali, Nigeria and Niger. In Zambia, she explored empowering citizens with skills to create their own technology through the Zamrize Project. In the United Kingdom, Buolamwini piloted a Service Year Initiative to launch Code4Rights which supports youth in creating meaningful technology for their communities in partnership with local organizations.
Through Filmmakers Collaborative, Buolamwini produces media that highlight diverse creators of technology. Her short documentary, The Coded Gaze: Unmasking Algorithmic Bias, debuted at the Museum of Fine Arts Boston and her pilot of the Code4Rights: Journey To Code training series debuted at the Vatican. She has presented keynote speeches and public talks at various forums including #CSforAll at the White House, Harvard University, Saïd Business School, Rutgers University, NCWIT, Grace Hopper Celebration and SXSWedu.
Buolamwini is a Rhodes Scholar, Fulbright Fellow, Google Anita Borg Scholar, Astronaut Scholar, A Stamps President's Scholar and Carter Center technical consultant recognized as a distinguished volunteer. She holds a master's degree in Learning and Technology from Oxford University and a bachelor's degree in Computer Science from the Georgia Institute of Technology. Buolamwini serves as a Harvard resident tutor at Adams House where she mentors students seeking scholarships or pursuing entrepreneurship.
Joy Buolamwini | Speaker | TED.com