10 mest indflydelsesrige kvinder i AI og robotteknologi, der former fremtiden

Kunstig intelligens og robotteknologi er ikke længere eksperimentelle felter, der er begrænset til forskningslaboratorier. De former økonomier, gendefinerer brancher og påvirker dagligliv på global skala. Bag mange af de vigtigste gennembrud står kvinder, hvis arbejde har fundamentalt ændret, hvordan intelligente systemer er designet, trænet, styret og udviklet.

Denne liste fremhæver ti af de mest indflydelsesrige kvinder i AI og robotteknologi i dag. Disse er forskere, ingeniører og tekniske ledere, hvis bidrag strækker sig langt ud over titler – kvinder, hvis arbejde har ændret retningen for maskinlæring, inkarneret intelligens og menneskecentreret AI.

1. Dr. Fei-Fei Li

Foto: Steve Jurvetson, CC BY 2.0, via Wikimedia Commons

Dr. Fei-Fei Li er en af de grundlæggende arkitekter af moderne computer vision. Som skaberen af ImageNet, ledede hun bestræbelserne på at opbygge den store skala-labeled dataset, der antændte den dybe læringsrevolution. ImageNet gav træningsryggen, der tillod neurale netværk at dramatisk overgå tidligere computer vision-metoder, hvilket accelererede gennembrud over objektgenkendelse, medicinsk billedbehandling, robotteknologi og autonome systemer.

Hendes akademiske bidrag ved Stanford University hjalp med at formalisere computer vision som en central pille i AI-forskning. Ved at kombinere neurovidenskab-inspirerede tilgange med dybe læringsystemer, hjalp hun med at skifte AI fra regelbaseret logik til skalerbar mønstergenkendelse.

Ud over tekniske præstationer har Dr. Li konsekvent forkæmpet menneskecentreret AI. Hun argumenterer for, at intelligente systemer skal bygges med etiske sikkerhedsforanstaltninger, retfærdighedsbetragtninger og sociale velbefindende i mente. Hendes arbejde har påvirket både akademisk forskningsagenda og offentlig politikdiskussion om ansvarlig AI.

Hun har også fungeret i rådgivende organer, der har formet national AI-strategi i USA, hvilket hjalp med at sikre, at innovationerne er i overensstemmelse med demokratiske værdier og borgerlige frihedsrettigheder.

I dag fortsætter Dr. Li med at lede forskning ved Stanford Human-Centered AI Institute, med fokus på rumlig intelligens, inkarneret AI og sikring af, at avancerede systemer udvider menneskelig kapacitet i stedet for at erstatte den. Hendes arbejde udforsker stadig, hvordan AI kan interagere sikkert i virkelige miljøer, og brobygger gapet mellem perception og handling.

Dr. Li kronikerer også sin bemærkelsesværdige rejse i sin selvbiografi Verden, jeg ser, hvor hun reflekterer over sin vej fra at immigrere til USA som teenager til at blive en pioner inden for moderne AI. Bogen giver en sjælden bagom-scene-konto af skabelsen af ImageNet og de tidlige gennembrud, der hjalp med at lancere den dybe læringsrevolution.

2. Cynthia Breazeal

Foto: Cynthia Breazeal / CC BY-SA 4.0 / Wikimedia Commons

Cynthia Breazeal er bredt krediteret for at have banet vejen for social robotteknologi. Ved MIT Media Lab udviklede hun Kismet, en af de første robotter, der kunne fortolke og udtrykke følelser. Dette arbejde hjalp med at lancere feltet social robotteknologi og lagde grundlaget for følelsesmæssigt responsive maskiner og affektiv datalogi.

Hendes forskning omdefinerede robotteknologi ved at skifte fokus fra industriautomatisering til social interaktion. I stedet for at bygge maskiner, der udfører opgaver, udforskede Breazeal, hvordan robotter kunne kommunikere med mennesker, bygge tillid og reagere på menneskelige sociale signaler.

Hun grundlagde senere Jibo, en startup, der udviklede en af de første forbruger sociale robotter designet til hjemmemiljøer. Selvom den kommercielle vej for Jibo var kompleks, repræsenterede projektet en stor milepæl i at bringe socialt intelligente robotteknologi ind i dagliglivet.

Breazeals indflydelse strækker sig dybt ind i uddannelses- og sundhedsrobotteknologi, hvor maskiner må forstå subtile menneskelige signaler for at fungere som effektive kammerater, undervisere og assistenter.

I dag fortsætter hun med at lede Personal Robots Group ved MIT Media Lab og leder initiativer fokuseret på AI-uddannelse og litteratur. Hendes nuværende arbejde udforsker, hvordan socialt intelligente AI-systemer og robotter kan støtte læring, trivsel og langsigtede menneske-AI-forhold.

3. Timnit Gebru

Foto: TechCrunch / CC BY 2.0 / Wikimedia Commons

Timnit Gebru har været en af de mest konsekvensfulde stemmer i AI-etik. Hendes tidlige forskning afslørede bias i ansigtsgenkendelsessystemer, og afslørede betydelige uligheder i nøjagtighed på tværs af race og køn. Den bredt citerede Køns Skygge studie demonstrerede, at kommercielle systemer fungerede langt dårligere på mørkhudede kvinder end på lyshudede mænd, og afslørede, hvordan træningsdata og systemdesign kan indbygge diskrimination i vidt udbredte AI-teknologier.

Hun co-forfattede også inflydelsesrig forskning, der undersøgte risikoen for store sprogmodeller, herunder deres miljømæssige impact, indbygget bias og mangel på gennemsigtighed. Det arbejde hjalp med at skifte samtalen om AI-udvikling, og opmuntrede feltet til at overveje ikke kun performancesbenchmarks, men også de sociale og miljømæssige konsekvenser af at skala AI-systemer.

I 2021 grundlagde Gebru Distributed AI Research Institute (DAIR), en uafhængig forskningsorganisation dedikeret til at studere AI uden for indflydelsen af store teknologivirksomheder. Institutet fokuserer på community-dreven forskning og betoner global deltagelse i formning af fremtiden for AI.

Hendes forkæmpelse har påvirket reguleringssamtaler, branchestandarder og bredere diskussioner om ansvarlig AI-udvikling.

I dag fortsætter Gebru med at fokusere på algoritmeansvarlighed, dataarbejdets rettigheder og magtdynamikken indbygget i AI-udvikling. Hendes arbejde udforsker stadig, hvordan AI-systemer påvirker marginaliserede samfund, og hvordan styrestrukturer kan styrkes for at sikre mere lige og gennemsigtige AI-systemer verden over.

4. Daphne Koller

Foto: World Economic Forum / CC BY-SA 2.0 / Wikimedia Commons

Daphne Koller er en pioner inden for sandsynlighedsbaserede grafiske modeller, en ramme, der tillader maskiner at resonere under usikkerhed. Hendes akademiske arbejde formede fundamentalt, hvordan AI-systemer repræsenterer komplekse afhængigheder i virkelige data, og hjalp med at etablere sandsynlighedsbaseret modelering som en kerntilgang i moderne maskinlæring.

Hun co-grundlagde Coursera, en af verdens største online-læringsplatforme, og hjalp med at demokratisere adgangen til AI- og datalogiuddannelse for millioner af lærere verden over.

Koller vendte senere sin opmærksomhed mod bioteknologi og grundlagde Insitro for at anvende maskinlæring til lægemiddelforskning. Ved at kombinere store biologiske datasæt med prædiktiv modelering, har virksomheden til formål at transformere, hvordan terapier opdages og udvikles.

Hendes arbejde repræsenterer et af de klareste eksempler på, hvordan AI overgår fra digitale systemer til livsvidenskab, hvor maskinlæring kan accelerere videnskabelig opdagelse.

I dag fortsætter Koller med at lede Insitros forskning i AI-dreven lægemiddeludvikling, og integrerer genetik, høj-gennemstrømning biologi og maskinlæring for at accelerere kliniske rørledninger og forbedre succesraten for lægemiddeludvikling.

5. Joy Buolamwini

Foto: Taylordw, CC0, via Wikimedia Commons

Joy Buolamwinis banebrydende forskning afslørede raciale og kønsbias i ansigtsgenkendelsessystemer brugt af store teknologivirksomheder. Hendes fund viste, at fejlratener for mørkhudede kvinder var dramatisk højere end for lyshudede mænd, og afslørede, hvordan træningsdata og systemdesign kan indbygge diskrimination i vidt udbredte AI-teknologier.

Forskningen hjalp med at antænde global debat om algoritmebias, og førte til øget skærping af ansigtsgenkendelsessystemer, og bidrog til politiske diskussioner om ansvarlig AI-udvikling.

Buolamwini grundlagde Algorithmic Justice League for at fremme ansvarlighed og retfærdighed i AI-systemer. Gennem organisationen har hun arbejdet på at fremme algoritmeauditing, offentlig bevidsthed og branchestandarder rettet mod at reducere skadelig bias i automatiserede beslutninger.

Hendes arbejde brobygger forskning, forkæmpelse og offentlig engagement. Ud over akademisk forskning har hun ført opmærksomhed til de samfundsmæssige konsekvenser af AI gennem offentligt tale, politisk engagement og kreativt arbejde, der udforsker forholdet mellem teknologi og borgerrettigheder.

I de seneste år har Buolamwini udvidet sin indflydelse gennem skrivning og offentlig forkæmpelse, herunder hendes bestseller Unmasking AI, der udforsker, hvordan algoritme-systemer kan kodificere diskrimination, og hvorfor stærkere tilsyn og inklusivt design er afgørende.

I dag fortsætter Buolamwini med at forme globale samtaler om AI-styring, med fokus på algoritmeauditing, reguleringssystemer og sikring af, at AI-systemer testes på tværs af diverse befolkninger, før de implementeres.

6. Anca Dragan

Foto: Constructor University

Anca Dragan er en førende forsker inden for AI-tilpasning og menneske-robot-interaktion. Hendes tidlige akademiske arbejde ved UC Berkeley fokuserede på at aktivere robotter til at slutte menneskelig hensigt og samarbejde sikkert med mennesker, og udviklede algoritmer, der tillod maskiner at resonere om menneskeligt adfærd og reagere på måder, der er forudsigelige og samarbejdende.

Hun har arbejdet omfattende med hensigtslutning, samarbejdende planlægning og teknikker, der tillader autonome systemer at lære fra menneskelig feedback i stedet for at afhænge af stive foruddefinerede mål. Hendes forskning har hjulpet med at fremme robotter og AI-agenter, der kan operere sammen med mennesker i miljøer, der spænder fra autonome køretøjer til assistive robotter.

Dragans arbejde adresserer en af de kritiske udfordringer i moderne AI: sikring af, at intelligente systemer optimerer for, hvad mennesker virkelig ønsker, i stedet for snævert definerede tekniske mål. Hendes forskning i værdi-tilpasning, menneske-AI-samarbejde og fortolkelig beslutningstagning har påvirket både robotteknologi og bredere diskussioner om AI-sikkerhed.

Foruden hendes akademiske arbejde fungerer Dragan i øjeblikket som leder af AI-sikkerhed og -tilpasning hos Google DeepMind, hvor hun leder hold, der fokuserer på at sikre, at front AI-systemer forbliver tilpasset menneskelige mål og værdier, mens deres evner fortsætter med at udvikle sig.

I dag fortsætter hendes arbejde med at forme udviklingen af sikrere og mere menneske-venlige AI-systemer, kombinerer fremfremskridt i maskinlæring, robotteknologi og menneske-computer-interaktion for at gøre intelligente teknologier mere fortolkelige, kontrollerbare og gavnlige for samfundet.

7. Raia Hadsell

Raia Hadsell taler ved TEDxExeterSalon 2017_05” af TEDxExeter, CC BY-NC-ND 2.0

Raia Hadsell har spillet en stor rolle i at fremme forstærket læring og kontinuerlige læringsystemer. Ved DeepMind hjalp hun med at udvikle algoritmer, der tillod AI-systemer at lære kontinuerligt fra erfaring i stedet for at gen-træne fra scratch på faste datasæt, og adresserede en af de centrale udfordringer i at bygge tilpasningsdygtige intelligente agenter.

Kontinuerlig læring er afgørende for virkelige robotter og AI-systemer, hvor miljøer udvikler sig, og maskiner må tilpasse sig, mens de fastholder tidligere erhvervet viden. Hadsells forskning har fokuseret på at overvinde problemer som katastrofalt glemsomhed, og har muliggjort, at neurale netværk kan akkumulere færdigheder over tid i stedet for at miste tidligere evner, når de lærer nye opgaver.

Hendes arbejde har også bidraget til fremgang i inkarneret intelligens, hvor robotter og autonome agenter lærer gennem interaktion med deres omgivelser i stedet for statisk supervision. Ved at kombinere forstærket læring, repræsentationslæring og neurovidenskab-inspirerede tilgange har hun hjulpet med at fremme systemer, der kan navigere komplekse miljøer og generalisere på tværs af opgaver.

Hadsell sluttede sig til DeepMind i 2014 og har siden da ledet forskningshold fokuseret på livslang læring og robotnavigation, og bidraget til grundlæggende teknikker som politikdestillation og progressive neurale netværk, der muliggør vidensoverførsel på tværs af opgaver.

I dag, som senior forskningsleder ved Google DeepMind, fortsætter Hadsell med at fokusere på livslang læringarkitekturer og skalerbare inkarnerede AI-systemer, der kan operere i dynamiske virkelige miljøer.

8. Ayanna Howard

Foto: Rob Felt / Georgia Institute of Technology

Ayanna Howards arbejde har centreret sig om assistive robotteknologi og menneskecentreret AI-design. Hendes forskning har fokuseret på at bygge robotiske systemer, der understøtter børn med udviklingsudfordringer, herunder terapi- og uddannelses-teknologier designet til at hjælpe børn med specifikke behov udvikle motoriske og kognitive færdigheder.

Tidligere i sin karriere arbejdede Howard som robotforsker ved NASA’s Jet Propulsion Laboratory, hvor hun bidrog til autonome robotiske systemer brugt til planetarisk udforskning, herunder teknologier designet til Mars-rover-missioner.

Hun skiftede senere til akademiet og ledelse, og grundlagde Human-Automation Systems Lab ved Georgia Tech, og lancerede Zyrobotics, en startup fokuseret på at udvikle AI-drevne uddannelses- og terapi-værktøjer til børn med diverse læringsbehov.

I 2021 blev Howard dekan for College of Engineering ved The Ohio State University, og skabte historie som den første kvinde til at lede institutionen. Her fortsætter hun med at forme fremtiden for ingeniør-uddannelse, mens hun fremmer forskning i menneske-robot-interaktion, AI-sikkerhed og inklusivt teknologi-design.

I dag spænder Howards arbejde over forskning, entrepreneurship og politik, med fokus på at sikre, at robotteknologi og kunstig intelligens er designet til at forbedre livskvalitet og udvide lige adgang til fremtidige teknologier.

9. Rana el Kaliouby

Foto: Joi Ito, CC BY 2.0, via Wikimedia Commons

Rana el Kaliouby banede vejen for følelses-AI gennem sit arbejde ved Affectiva, den MIT Media Lab-spin-off, hun co-grundlagde for at bringe følelsesmæssig intelligens ind i digitale systemer. Virksomheden udviklede teknologi, der kan analysere ansigtsudtryk og vokale signaler for at registrere menneskelige følelser i stor skala, og hjalp med at udvide maskin-perception ud over objekter og tale til menneskelig påvirkning.

Følelsesgenkendelse har anvendelser på tværs af brancher, herunder bil-sikkerhed, medieanalyse, sundhedspleje og menneske-computer-interaktion. Affectivas teknologi blev bredt antaget af store virksomheder, før virksomheden blev opkøbt af Smart Eye i 2021, og markerede en stor milepæl i kommerciel udvikling af følelses-AI.

Efter opkøbet skiftede el Kaliouby sin fokus mod investering og mentorering inden for AI-økosystemet. Hun er nu co-grundlægger og generel partner i Blue Tulip Ventures, en tidlig fase-venture-firma fokuseret på at støtte startups, der bygger menneskecentreret AI-teknologier.

I dag forbliver el Kaliouby en førende stemme i følelsesmæssigt intelligent AI, og forkæmper for etisk udvikling, diversitet i AI-udvikling, og teknologier, der styrker forholdet mellem mennesker og maskiner.

10. Mira Murati

Foto: OpenAI via AP

Mira Murati spillede en central rol i at skala generativ AI til global adoption under hendes tid som Chief Technology Officer ved OpenAI. Efter at have tiltrådt virksomheden i 2018 og blevet CTO i 2022, hjalp hun med at lede udviklingen og udgivelsen af banebrydende systemer som ChatGPT, DALL-E og GPT-4-familien af modeller – teknologier, der dramatisk accelererede offentlig og virksomhedsadoption af generativ AI.

Muratis ledelse brobyggede fremadstræbende forskning og virkelige produkt-udvikling, og sikrede, at avancerede modeller var tilgængelige for udviklere, virksomheder og forbrugere verden over.

I september 2024 forlod Murati OpenAI efter mere end seks år i virksomheden for at forfølge nye projekter og udforske den næste fase af AI-udvikling.

I 2025 grundlagde hun Thinking Machines Lab, en kunstig intelligens-startup fokuseret på at bygge mere kapable og tilpasselige AI-systemer, og fremme multimodal AI, der kan interagere med brugere gennem sprog, vision og andre modaliteter.

I dag fortsætter Murati med at påvirke retningen af front AI gennem sit arbejde ved Thinking Machines Lab, hvor hun bygger værktøjer rettet mod at gøre avancerede AI-systemer mere bredt forståelige, tilpasselige og kraftfulde for udviklere og organisationer verden over.

Sammen repræsenterer disse ti kvinder en bemærkelsesværdig tværsnitsdeling af den intellektuelle grundlag for moderne AI og robotteknologi. Deres arbejde spænder over grundlæggende datasæt, forstærket læring, menneske-robot-interaktion, etisk styring, og opkomsten af generative systemer. Mange af de teknologier, der i dag omformer brancher, kan spores direkte tilbage til gennembrud ledet af disse forskere og ingeniører.

På samme tid er fremhævelsen af deres bidrag en påmindelse om noget lige så vigtigt: feltet har brug for langt flere kvinder, der former dets retning. Kunstig intelligens udvikler sig hurtigt til at blive en af de mest konsekvensfulde teknologier, der nogensinde er udviklet. De systemer, der designes i dag, vil påvirke, hvordan samfund fungerer, hvordan økonomier udvikler sig, og hvordan mennesker interagerer med intelligente maskiner.

At sikre, at disse systemer reflekterer diverse perspektiver, er ikke kun en sag om retfærdighed. Det er en sag om at bygge bedre teknologi.

Kvinderne på denne liste demonstrerer, hvor kraftfuld den indflydelse kan være. Deres arbejde har ikke kun skubbet grænserne for AI-forskning, men har også udvidet samtalen om, hvordan disse teknologier skal bygges, og hvem de skal tjene. Mens feltet fortsætter med at udvikle sig, vil den næste generation af kvinder, der indtræder i AI, spille en lige så kritisk rolle i at forme en fremtid, hvor intelligente systemer reflekterer den fulde diversitet af menneskelig erfaring.