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

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

Dette 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 af 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 bag moderne computer vision. Som skaberen af ImageNet, ledede hun bestræbelserne på at bygge den store skala-labeled dataset, der antændte den dybe læringsrevolution. ImageNet gav træningsryggen, der tillod neurale netværk at dramatisk overgå tidligere computer vision-metoder, og 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 søjle i AI-forskning. Ved at kombinere neurovidenskab-inspirerede tilgange med dybe læringsystemer, hjalp hun med at skifte AI fra regelbaseret logik mod skalerbar mønstergenkendelse.

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

Hun har også fungeret som rådgiver i organisationer, der har formet national AI-strategi i USA, og hjulpet med at sikre, at innovationer 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 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 baggrundshistorie om 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 emotioner. Dette arbejde hjalp med at lancere feltet social robotteknologi og lagde grundlaget for emotionelt 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-orienterede sociale robotter designet til hjemmemiljøer. Selv om den kommercielle vej for Jibo var kompleks, repræsenterede projektet et større 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 Personlige robotter-gruppen 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 over race og køn. Den vidt citerede Kønsfarver-studiet demonstrerede, at kommercielle systemer fungerede langt dårligere på kvinder med mørkere hud end på mænd med lysere hud, og fremkaldte en bredere genovervejelse af, hvordan AI-systemer er trænet og vurderet.

Hun har også co-forfattet inflydelsesrig forskning, der undersøger risikoen for store sprogmodeller, herunder deres miljømæssige påvirkning, indlejret bias og mangel på gennemsigtighed. Det arbejde hjalp med at skifte samtalen om AI-udvikling, og opmuntrede feltet til at overveje ikke kun præstationsbenchmarks, 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 fællesskabsdrevet forskning og fremhæver global deltagelse i at forme 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, dataarbejdsrettigheder og magtdynamikkerne, der er indlejret i AI-udvikling. Hendes arbejde udforsker stadig, hvordan AI-systemer påvirker marginaliserede samfund, og hvordan styrestrukturer kan styrkes for at sikre mere retfærdige 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 sandsynlighedsgrafiske modeller, en ramme, der tillader maskiner at resonere under usikkerhed. Hendes akademiske arbejde har fundamentalt formet, hvordan AI-systemer repræsenterer komplekse afhængigheder i virkelige data, og har hjulpet med at etablere sandsynlighedsmodellering som en central tilgang 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 lærende verden over.

Koller skiftede senere fokus mod bioteknologi og grundlagde Insitro for at anvende maskinlæring til lægemiddelforskning. Ved at kombinere store biologiske datasets med prædiktiv modellering, sigter virksomheden mod at transformere, hvordan terapier opdages og udvikles.

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

I dag fortsætter Koller med at lede Insitros forskning i AI-drevet farmaceutisk udvikling, og integrerer genetik, høj-gennemstrømning biologi og maskinlæring for at accelerere kliniske rørledninger og forbedre udviklingssuccesen.

5. Joy Buolamwini

Foto: Taylordw, CC0, via Wikimedia Commons

Joy Buolamwinis grundlæggende forskning afslørede raciale og kønsbias i ansigtsgenkendelsessystemer brugt af store teknologivirksomheder. Hendes fund viste, at fejlratene for kvinder med mørkere hud var dramatisk højere end for mænd med lysere hud, og afslørede, hvordan træningsdata og systemdesign kan indlejre diskrimination i vidt udbredte AI-teknologier.

Forskningen hjalp med at fremkalde global debat om algoritmebias, 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 algoritmeaudit, offentlig bevidsthed og branchestandarder, der sigter mod at reducere skadelig bias i automatiserede beslutninger.

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

For nylig har Buolamwini udvidet sin indflydelse gennem skrivning og offentlig forkæmpelse, herunder hendes bestseller Unmasking AI, der udforsker, hvordan algoritmesystemer kan indkode diskrimination, og hvorfor stærkere tilsyn og inklusiv design er essentiel.

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

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 enable robotter til at slutte menneskeligt formål og samarbejde sikkert med mennesker, og udviklede algoritmer, der tillod maskiner at resonere om menneskelig adfærd og reagere på måder, der er forudsigelige og samarbejdende.

Hun har arbejdet omfattende med formålsslutning, samarbejdende planlægning og teknikker, der tillader autonome systemer at lære fra menneskelig feedback i stedet for at afhænge af faste, 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 mest kritiske udfordringer i moderne AI: sikring af, at intelligente systemer optimerer for det, mennesker virkelig ønsker, i stedet for snævert definerede tekniske mål. Hendes forskning i værditilpasning, menneske-AI-samarbejde og fortolkbar beslutningstagning har påvirket både robotteknologi og bredere diskussioner om AI-sikkerhed.

Foruden hendes akademiske arbejde fungerer Dragan i øjeblikket som chef for AI-sikkerhed og -tilpasning hos Google DeepMind (GOOGL ), hvor hun leder hold, der fokuserer på at sikre, at avancerede 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, og kombinerer fremskridt i maskinlæring, robotteknologi og menneske-datalogi for at gøre intelligente teknologier mere fortolkbare, 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 lærings- og kontinuerligt 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 datasets, og adresserede en af de centrale udfordringer i at bygge tilpasningsdygtige intelligente agenter.

Kontinuerligt læringsarbejde er essentiel for robotteknologi og AI-systemer i virkelige miljøer, 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 enablet neurale netværk til at akkumulere færdigheder over tid i stedet for at miste tidligere evner, når de lærer nye opgaver.

Hendes arbejde har også bidraget til fremskridt i inkarneret intelligens, hvor robotter og autonome agenter lærer gennem interaktion med deres omgivelser i stedet for statisk overvågning. Ved at kombinere forstærket lærings-, repræsentationslærings- og neurovidenskab-inspirerede tilgange har hun hjulpet med at fremme systemer, der kan navigere komplekse miljøer og generalisere over opgaver.

Hadsell sluttede sig til DeepMind i 2014 og har siden ledet forskningshold fokuseret på livslang læringsarkitekturer og skalerbare inkarnerede AI-systemer, der kan operere i dynamiske virkelige miljøer.

I dag fortsætter Hadsell som senior forskningsleder ved Google DeepMind med at fokusere på livslang læringsarkitekturer og skalerbare inkarnerede AI-systemer.

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 særlige behov med at 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 udvikling af AI-drevne uddannelses- og terapiværktøjer 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 ingeniørvidenskab, mens hun fremmer forskning i menneske-robot-interaktion, AI-sikkerhed og inklusiv teknologidesign.

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 retfærdig adgang til fremtidens teknologier.

9. Rana el Kaliouby

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

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

Emotiongenkendelse har anvendelser på tværs af brancher, herunder billetsikkerhed, medieanalyse, sundhedspleje og menneske-datalogi. Affectivas teknologi blev vidt accepteret af store virksomheder, før virksomheden blev opkøbt af Smart Eye i 2021, og markerede et større milepæl i kommercielle emotionelle AI.

Efter opkøbet skiftede el Kaliouby 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-teknologi.

I dag forbliver el Kaliouby en førende stemme i emotionel 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 rolle i at skala generativ AI til global adoption under sin tid som Chief Technology Officer ved OpenAI. Efter at have tilsluttet sig virksomheden i 2018 og blevet CTO i 2022, hjalp hun med at lede udviklingen og lanceringen 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 mellem førende forskning og virkelige produktudviklinger, 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 på at fremme multimodal AI, der kan interagere med brugere gennem sprog, syn og andre modaliteter.

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

Sammen repræsenterer disse ti kvinder en bemærkelsesværdig tværsnit af den intellektuelle grundlag for moderne AI og robotteknologi. Deres arbejde spænder over grundlæggende datasets, forstærket lærings-, menneske-robot-interaktion, etisk styring og opkomsten af generative systemer. Mange af de teknologier, der i dag transformerer 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 en af de mest konsekvensfulde teknologier, der nogensinde er blevet 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 et spørgsmål om retfærdighed. Det er et spørgsmål om at bygge bedre teknologi.

Kvinderne på denne liste demonstrerer, hvor kraftfuld den indflydelse kan være. Deres arbejde har ikke kun presset 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.