Οι 10 πιο επηρεαστικές γυναίκες στην τεχνητή νοημοσύνη και τη ρομποτική που μετασχηματίζουν το μέλλον

Η τεχνητή νοημοσύνη και η ρομποτική δεν είναι πλέον πειραματικά πεδία που περιορίζονται σε ερευνητικά εργαστήρια. Σχηματίζουν οικονομίες, ανακαθορίζουν βιομηχανίες και επηρεάζουν τη ζωή σε παγκόσμιο επίπεδο. Πίσω από πολλές από τις πιο σημαντικές επαναστάσεις βρίσκονται γυναίκες, deren εργασία έχει μετασχηματίσει τον τρόπο με τον οποίο σχεδιάζονται, εκπαιδεύονται, κυβερνώνται και αναπτύσσονται τα έξυπνα συστήματα.

Αυτή η λίστα υπογραμμίζει δέκα από τις πιο σημαντικές γυναίκες στην τεχνητή νοημοσύνη και τη ρομποτική σήμερα. Αυτές είναι ερευνήτριες, μηχανικοί και τεχνικοί ηγέτες, deren συνεισφορές εκτείνονται πολύ πέρα από τους τίτλους – γυναίκες, deren εργασία έχει αναμορφώσει την πορεία της μηχανικής μάθησης, της ενσωματωμένης νοημοσύνης και της ανθρωποκεντρικής τεχνητής νοημοσύνης.

1. Δρ. Fei-Fei Li

Φωτογραφία: Steve Jurvetson, CC BY 2.0, μέσω Wikimedia Commons

Η Δρ. Fei-Fei Li είναι ένας από τους θεμελιώδεις αρχιτέκτονες της σύγχρονης οπτικής αναγνώρισης. Ως δημιουργός του ImageNet, ηγήθηκε της προσπάθειας για την κατασκευή του μεγάλου ετικετούμενου συνόλου δεδομένων που ανάβλυσε την επανάσταση του βαθύ μαθήματος. Το ImageNet παρείχε το σκελετό εκπαίδευσης που επέτρεψε στα νευρωνικά δίκτυα να ξεπεράσουν δραματικά τις προηγούμενες μεθόδους οπτικής αναγνώρισης, επιταχύνοντας τις επαναστάσεις σε αντικείμενο αναγνώρισης, ιατρική εικόνα, ρομποτική και αυτόνομες συστήματα.

Οι ακαδημαϊκές της συνεισφορές στο Πανεπιστήμιο του Στάνφορντ βοήθησαν να καθορίσει την οπτική αναγνώριση ως κεντρικό πilar της έρευνας της τεχνητής νοημοσύνης. Συνδυάζοντας νευροεπιστημονικές προσεγγίσεις με συστήματα βαθιάς μάθησης, βοήθησε να μετατοπίσουν την τεχνητή νοημοσύνη από τη λογική των κανόνων προς την αναγνώριση των προτύπων.

Πέρα από την τεχνική επίτευξη, η Δρ. Li έχει συνεχώς υπερασπιστεί την ανθρωποκεντρική τεχνητή νοημοσύνη. Υποστηρίζει ότι τα συστήματα νοημοσύνης πρέπει να κατασκευαστούν με ασφαλείς προστασίας, δίκαιες σκέψεις και κοινωνική ευημερία στο μυαλό.

Σήμερα, η Δρ. Li συνεχίζει να ηγείται της έρευνας στο Στάνφορντ Ανθρωποκεντρικό Ινστιτούτο Τεχνητής Νοημοσύνης, εστιάζοντας στην χωρική νοημοσύνη, την ενσωματωμένη τεχνητή νοημοσύνη και διασφαλίζοντας ότι τα προηγμένα συστήματα αυξάνουν την ανθρώπινη ικανότητα αντί να την αντικαθιστούν. Η εργασία της εξετάζει όλο και περισσότερο πώς η τεχνητή νοημοσύνη μπορεί να αλληλεπιδράσει με ασφάλεια σε πραγματικά περιβάλλοντα, γέμισαν το χάσμα μεταξύ αντίληψης και δράσης.

Η Δρ. Li επίσης χρονογραφεί το εξαιρετικό της ταξίδι στο μεμοιράκι της Οι Κόσμοι που Βλέπω, όπου αντανακλά την πορεία της από τη μετανάστευση στις Ηνωμένες Πολιτείες ως εφήβη μέχρι να γίνει πιονιέρα της σύγχρονης τεχνητής νοημοσύνης. Το βιβλίο παρέχει μια σπάνια ιστορία πίσω από τις σκηνές της δημιουργίας του ImageNet και των πρώτων επαναστάσεων που βοήθησαν να ξεκινήσει η επανάσταση του βαθιά μαθήματος.

2. Cynthia Breazeal

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

Η Cynthia Breazeal είναι ευρέως αναγνωρισμένη ως πιονιέρα της κοινωνικής ρομποτικής. Στο MIT Media Lab, ανέπτυξε το Kismet, ένα από τα πρώτα ρομπότ που μπορούσε να ερμηνεύσει και να εκφράσει συναισθήματα. Αυτή η εργασία βοήθησε να ξεκινήσει το πεδίο της κοινωνικής ρομποτικής και έθεσε τις βάσεις για τα συναισθηματικά ανταποκριτικά μηχανήματα και την υπολογιστική επίδραση.

Η έρευνά της μετέβαλε την ρομποτική, μετατοπίζοντας το焦点 από την βιομηχανική αυτοματοποίηση στην κοινωνική αλληλεπίδραση. Αντί να κατασκευάζει μηχανές που εκτελούν απλώς καθήκοντα, η Breazeal εξέτασε πώς τα ρομπότ μπορούσαν να επικοινωνούν με τους ανθρώπους, να χτίζουν εμπιστοσύνη και να ανταποκρίνονται σε ανθρώπινες κοινωνικές σηματοδοτήσεις.

Αργότερα, ίδρυσε την Jibo, μια εταιρεία που ανέπτυξε ένα από τα πρώτα καταναλωτικά κοινωνικά ρομπότ που σχεδιάστηκαν για οικιακές περιβάλλσεις. Ενώ η εμπορική πορεία της Jibo ήταν σύνθετη, το έργο αντιπροσώπευε einen σημαντικό ορόσημο στην εισαγωγή της κοινωνικά έξυπνης ρομποτικής στη καθημερινή ζωή.

Η επιρροή της Breazeal εκτείνεται βαθιά στην εκπαίδευση και την υγεία της ρομποτικής, όπου τα μηχανήματα πρέπει να κατανοούν τις λεπτές ανθρώπινες σηματοδοτήσεις για να υπηρετήσουν ως αποτελεσματικοί σύντροφοι, δάσκαλοι και βοηθοί.

Σήμερα, η Breazeal συνεχίζει να ηγείται της Ομάδας Προσωπικών Ρομπότ στο MIT Media Lab και διεξάγει πρωτοβουλίες που επικεντρώνονται στην εκπαίδευση και τη γραμματισμό της τεχνητής νοημοσύνης. Η τρέχουσα εργασία της εξετάζει πώς τα κοινωνικά έξυπνα συστήματα τεχνητής νοημοσύνης και ρομπότ μπορούν να υποστηρίξουν την μάθηση, την ευημερία και τις μακροχρόνιες ανθρώπινες-τεχνητής νοημοσύνης σχέσεις.

3. Timnit Gebru

Φωτογραφία: TechCrunch / CC BY 2.0 / Wikimedia Commons

Η Timnit Gebru έχει sido μια από τις πιο σημαντικές φωνές στην ηθική της τεχνητής νοημοσύνης. Η πρώιμη έρευνά της αποκάλυψε προκαταλήψεις στα συστήματα αναγνώρισης προσώπου, αποκαλύπτοντας σημαντικές ανισότητες στην ακρίβεια μεταξύ φύλου και φυλής. Η ευρέως αναφερόμενη Μελέτη Γένους και Σκιάς έδειξε ότι τα εμπορικά συστήματα εκτελούσαν πολύ χειρότερα σε γυναίκες με σκούρο δέρμα παρά σε άνδρες με ανοιχτό δέρμα, αποκαλύπτοντας πώς τα δεδομένα εκπαίδευσης και ο σχεδιασμός του συστήματος μπορούν να ενσωματώσουν διακρίσεις σε ευρέως διατεθειμένα τεχνητά συστήματα νοημοσύνης.

Η έρευνά της επίσης εξέτασε τους κινδύνους των μεγάλων μοντέλων γλωσσικής, συμπεριλαμβανομένης της περιβαλλοντικής τους επίδρασης, της ενσωματωμένης προκατάληψης και της έλλειψης διαφάνειας. Αυτή η εργασία βοήθησε να μετατοπίσει τη συζήτηση γύρω από την ανάπτυξη της τεχνητής νοημοσύνης, ενθαρρύνοντας το πεδίο να εξετάσει όχι μόνο τα τεχνικά βήματα αλλά και τις κοινωνικές και περιβαλλοντικές επιπτώσεις της κλιμάκωσης της τεχνητής νοημοσύνης.

Το 2021, η Gebru ίδρυσε το Ινστιτούτο Διανεμημένης Έρευνας Τεχνητής Νοημοσύνης (DAIR), một ανεξάρτητο ερευνητικό ινστιτούτο αφιερωμένο στη μελέτη της τεχνητής νοημοσύνης εκτός της επιρροής των μεγάλων τεχνολογικών εταιρειών. Το ινστιτούτο επικεντρώνεται στην κοινότητα-οδηγούμενη έρευνα και τονίζει τη διεθνή συμμετοχή στη διαμόρφωση του μέλλοντος της τεχνητής νοημοσύνης.

Η προώθηση της Gebru έχει επηρεάσει τις νομοθετικές συζητήσεις, τις βιομηχανικές προδιαγραφές και τις ευρύτερες συζητήσεις σχετικά με την υπεύθυνη ανάπτυξη της τεχνητής νοημοσύνης.

Σήμερα, η Gebru συνεχίζει να επικεντρώνεται στην λογιστική των αλγορίθμων, τα δικαιώματα εργασίας δεδομένων και τις δυναμικές εξουσίας που ενσωματώνονται στην ανάπτυξη της τεχνητής νοημοσύνης. Η εργασία της εξετάζει όλο και περισσότερο πώς τα συστήματα τεχνητής νοημοσύνης επηρεάζουν τις περιθωριακές κοινότητες και πώς τα πλαίσια διακυβέρνησης μπορούν να ενισχυθούν για να διασφαλίσουν πιο ισότιμα και διαφανή συστήματα τεχνητής νοημοσύνης σε όλο τον κόσμο.

4. Daphne Koller

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

Η Daphne Koller είναι πιονιέρα των πιθανοτικών γραφικών μοντέλων, ενός πλαισίου που επιτρέπει στα μηχανήματα να κάνουν λόγο κάτω από αβεβαιότητα. Η ακαδημαϊκή της εργασία μετέβαλε τον τρόπο με τον οποίο τα συστήματα τεχνητής νοημοσύνης αντιπροσωπεύουν σύνθετες εξαρτήσεις σε πραγματικά δεδομένα και βοήθησε να καθορίσει την πιθανοτική μοντελοποίηση ως μια κεντρική προσέγγιση στη σύγχρονη μηχανική μάθηση.

Η Koller ίδρυσε το Coursera, μια από τις μεγαλύτερες πλατφόρμες ηλεκτρονικής μάθησης στον κόσμο, βοηθώντας να δημοκρατικοποιήσει την πρόσβαση στην εκπαίδευση της τεχνητής νοημοσύνης και της επιστήμης των υπολογιστών για εκατομμύρια μαθητών σε όλο τον κόσμο.

Η Koller αργότερα στράφηκε προς τη βιοτεχνολογία, ιδρύοντας την Insitro για να εφαρμόσει την μηχανική μάθηση στην ανακάλυψη φαρμάκων. Συνδυάζοντας μεγάλης κλίμακας βιολογικά δεδομένα με προβλεπτική μοντελοποίηση, η εταιρεία στοχεύει να μετασχηματίσει τον τρόπο με τον οποίο ανακαλύπτονται και αναπτύσσονται θεραπείες.

Η εργασία της αντιπροσωπεύει ένα από τα πιο σαφή παραδείγματα της τεχνητής νοημοσύνης που μεταβαίνει από ψηφιακά συστήματα στις βιοεπιστήμες, όπου η μηχανική μάθηση μπορεί να επιταχύνει την επιστημονική ανακάλυψη.

Σήμερα, η Koller συνεχίζει να ηγείται της έρευνας της Insitro για την ανάπτυξη φαρμάκων με τη βοήθεια της τεχνητής νοημοσύνης, ενσωματώνοντας τη γενωμική, τη βιολογία υψηλής απόδοσης και την μηχανική μάθηση για να επιταχύνει τις κλινικές πipelines και να βελτιώσει το ποσοστό επιτυχίας της ανάπτυξης φαρμάκων.

5. Joy Buolamwini

Φωτογραφία: Taylordw, CC0, μέσω Wikimedia Commons

Η Joy Buolamwini έχει κάνει μια πρωτοποριακή έρευνα που αποκάλυψε φυλετικές και φυλετικές προκαταλήψεις στα συστήματα αναγνώρισης προσώπου που χρησιμοποιούνται από μεγάλες τεχνολογικές εταιρείες. Τα ευρήματά της έδειξαν ότι τα ποσοστά λάθους για γυναίκες με σκούρο δέρμα ήταν δραματικά υψηλότερα από αυτά για άνδρες με ανοιχτό δέρμα, αποκαλύπτοντας πώς τα δεδομένα εκπαίδευσης και ο σχεδιασμός του συστήματος μπορούν να ενσωματώσουν διακρίσεις σε ευρέως διατεθειμένα συστήματα τεχνητής νοημοσύνης.

Η έρευνά της βοήθησε να ξεκινήσει μια παγκόσμια συζήτηση σχετικά με την προκατάληψη των αλγορίθμων, οδηγώντας σε αυξημένη επιτήρηση των συστημάτων αναγνώρισης προσώπου και συμβάλλουσα στις πολιτικές συζητήσεις σχετικά με την υπεύθυνη ανάπτυξη της τεχνητής νοημοσύνης.

Η Buolamwini ίδρυσε την Λίγα Αλγορίθμων Δικαιοσύνης για να προωθήσει την λογιστική και την ισότητα στα συστήματα τεχνητής νοημοσύνης. Μέσω του οργανισμού, έχει εργαστεί για να προωθήσει την λογιστική των αλγορίθμων, την ευαισθητοποίηση του κοινού και τις βιομηχανικές προδιαγραφές που στοχεύουν στη μείωση των επιζήμιων προκαταλήψεων στη λήψη αυτόματων αποφάσεων.

Η εργασία της γεφυρώνει την έρευνα, την προώθηση και την κοινωνική συμμετοχή. Πέρα από την ακαδημαϊκή έρευνα, έχει προσελκύσει την προσοχή στο κοινωνικό αντίκτυπο της τεχνητής νοημοσύνης μέσω δημόσιων ομιλιών, πολιτικής εμπλοκής και δημιουργικής εργασίας που εξετάζει τη σχέση μεταξύ τεχνολογίας και πολιτικών δικαιωμάτων.

Τα τελευταία χρόνια, η Buolamwini έχει επεκτείνει την επιρροή της μέσω γραπτών και δημόσιων προώθησεων, συμπεριλαμβανομένου του畢ขาย βιβλίου Απομάκρυνση της Τεχνητής Νοημοσύνης, το οποίο εξετάζει πώς τα αλγοριθμικά συστήματα μπορούν να κωδικοποιήσουν διακρίσεις και γιατί η ενισχυμένη επιτήρηση και ο ισότιμος σχεδιασμός είναι απαραίτητοι.

Σήμερα, η Buolamwini συνεχίζει να διαμορφώνει τις παγκόσμιες συζητήσεις σχετικά με τη διακυβέρνηση της τεχνητής νοημοσύνης, εστιάζοντας στην λογιστική των αλγορίθμων, τα ρυθμιστικά πλαίσια και διασφαλίζοντας ότι τα συστήματα τεχνητής νοημοσύνης δοκιμάζονται σε διάφορες πληθυσμούς πριν από την ανάπτυξή τους.

6. Anca Dragan

Φωτογραφία: Constructor University

Η Anca Dragan είναι μια ηγέτιδα ερευνήτρια στην ευθυγράμμιση της τεχνητής νοημοσύνης και την αλληλεπίδραση ανθρώπου-ρομπότ. Η πρώιμη ακαδημαϊκή της εργασία στο UC Berkeley εστιάστηκε στην ενεργοποίηση των ρομπότ να υποθέτουν την ανθρώπινη πρόθεση και να συνεργάζονται ασφαλώς με τους ανθρώπους, αναπτύσσοντας αλγορίθμους που επιτρέπουν στα μηχανήματα να κάνουν λόγο για την ανθρώπινη συμπεριφορά και να ανταποκρίνονται με τρόπους που είναι προβλέψιμοι και συνεργατικοί.

Η Dragan έχει εργαστεί εκτενώς στην εύρεση προθέσεων, την συνεργατική σχεδίαση και τις τεχνικές που επιτρέπουν στα αυτόνομα συστήματα να μαθαίνουν από την ανθρώπινη ανατροφοδότηση αντί να βασίζονται σε αυστηρά προκαθορισμένα αντικείμενα. Η έρευνά της έχει βοηθήσει να προωθήσει τα ρομπότ και τα συστήματα τεχνητής νοημοσύνης που μπορούν να λειτουργούν δίπλα στους ανθρώπους σε περιβάλλοντα που κυμαίνονται από τα αυτόνομα οχήματα μέχρι την輔助 ρομποτική.

Η εργασία της Dragan αντιμετωπίζει μια από τις πιο κρίσιμες προκλήσεις στη σύγχρονη τεχνητή νοημοσύνη: διασφαλίζοντας ότι τα έξυπνα συστήματα βελτιστοποιούν για αυτό που οι άνθρωποι πραγματικά θέλουν και όχι για στενά ορισμένα τεχνικά στόχους. Η έρευνά της για την ευθυγράμμιση των αξιών, την ανθρώπινη-τεχνητή νοημοσύνη συνεργασία και την ερμηνεύσιμη λήψη αποφάσεων έχει επηρεάσει τόσο τη ρομποτική όσο και τις ευρύτερες συζητήσεις σχετικά με την ασφάλεια της τεχνητής νοημοσύνης.

Εκτός από την ακαδημαϊκή της εργασία, η Dragan υπηρετεί目前 ως Διευθύτρια Ασφαλείας και Ευθυγράμμισης της Τεχνητής Νοημοσύνης στο Google DeepMind, όπου ηγείται των ομάδων που επικεντρώνονται στη διασφάλιση ότι τα σύγχρονα συστήματα τεχνητής νοημοσύνης παραμένουν ευθυγραμμισμένα με τους ανθρώπινους στόχους και τις αξίες καθώς οι ικανότητές τους συνεχίζουν να προχωρούν.

Σήμερα, η εργασία της Dragan συνεχίζει να διαμορφώνει την ανάπτυξη ασφαλέστερων και πιο ανθρώπινων συστημάτων τεχνητής νοημοσύνης, συνδυάζοντας προόδους στη μηχανική μάθηση, τη ρομποτική και την αλληλεπίδραση ανθρώπου-υπολογιστή για να κάνει τις έξυπνες τεχνολογίες πιο ερμηνεύσιμες, ελεγχόμενες και ωφέλιμες για την κοινωνία.

7. Raia Hadsell

Raia Hadsell μιλά στο TEDxExeterSalon 2017_05” από TEDxExeter, CC BY-NC-ND 2.0

Η Raia Hadsell έχει παίξει einen σημαντικό ρόλο στην προώθηση της ενισχυτικής μάθησης και των συνεχών μαθηματικών συστημάτων. Στο DeepMind, βοήθησε στην ανάπτυξη αλγορίθμων που επιτρέπουν στα συστήματα τεχνητής νοημοσύνης να μαθαίνουν συνεχώς από την εμπειρία αντί να επαναεκπαιδεύονται από το μηδέν σε σταθερά σύνολα δεδομένων, αντιμετωπίζοντας одну από τις κεντρικές προκλήσεις στην κατασκευή προσαρμόσιμων έξυπνων πρακτόρων.

Η συνεχής μάθηση είναι απαραίτητη για τα πραγματικά ρομποτικά και συστήματα τεχνητής νοημοσύνης, όπου τα περιβάλλοντα εξελίσσονται και τα μηχανήματα πρέπει να προσαρμοστούν διατηρώντας την προηγούμενη γνώση. Η έρευνα της Hadsell εστιάστηκε στο να υπερβεί προβλήματα όπως η καταστροφική λήθη, επιτρέποντας στα νευρωνικά δίκτυα να συσσωρεύουν δεξιότητες με την πάροδο του χρόνου αντί να χάνουν τις προηγούμενες ικανότητες όταν μαθαίνουν νέες εργασίες.

Η εργασία της έχει επίσης συμβάλλει στην πρόοδο της ενσωματωμένης νοημοσύνης, όπου τα ρομπότ και τα αυτόνομα πράκτορες μαθαίνουν μέσω αλληλεπίδρασης με το περιβάλλον τους αντί για στατική εποπτεία. Συνδυάζοντας την ενισχυτική μάθηση, την εκμάθηση αναπαράστασης και τις νευροεπιστημονικές προσεγγίσεις, έχει βοηθήσει να προωθήσει συστήματα που μπορούν να πλοηγηθούν σε σύνθετα περιβάλλοντα και να γενικεύσουν εργασίες.

Η Hadsell εντάχθηκε στο DeepMind το 2014 και από τότε έχει ηγηθεί ερευνητικών ομάδων που επικεντρώνονται στην μακροχρόνια μάθηση και την πλοήγηση ρομπότ, συμβάλλουσα σε θεμελιώδεις τεχνικές όπως η απόσταξη πολιτικής και τα προοδευτικά νευρωνικά δίκτυα που επιτρέπουν τη μεταφορά γνώσεων μεταξύ εργασιών.

Σήμερα, ως ηγέτιδα ερευνήτρια στο Google DeepMind, η Hadsell συνεχίζει να επικεντρώνεται στις αρχιτεκτονικές μακροχρόνιας μάθησης και τις κλιμάκωτες ενσωματωμένες συστήματα τεχνητής νοημοσύνης που μπορούν να λειτουργούν σε δυναμικά πραγματικά περιβάλλοντα.

8. Ayanna Howard

Φωτογραφία: Rob Felt / Georgia Institute of Technology

Η Ayanna Howard έχει επικεντρωθεί στην輔助 ρομποτική και τον ανθρωποκεντρικό σχεδιασμό της τεχνητής νοημοσύνης. Η έρευνά της έχει επικεντρωθεί στην κατασκευή ρομποτικών συστημάτων που υποστηρίζουν παιδιά με αναπτυξιακές προκλήσεις, συμπεριλαμβανομένων θεραπευτικών και εκπαιδευτικών τεχνολογιών που σχεδιάστηκαν για να βοηθήσουν τα παιδιά με ειδικές ανάγκες να αναπτύξουν κινητικές και γνωστικές δεξιότητες.

Νωρίτερα στην καριέρα της, η Howard εργάστηκε ως ερευνήτρια ρομποτικής στο Jet Propulsion Laboratory της NASA, όπου συνεισέφερε σε αυτόνομα ρομποτικά συστήματα που χρησιμοποιήθηκαν για εξερεύνηση πλανητών, συμπεριλαμβανομένων τεχνολογιών που σχεδιάστηκαν για αποστολές ροβερ στον Άρη.

Αργότερα, μεταπήδησε στην ακαδημαϊκή και ηγετική καριέρα, ιδρύοντας το Εργαστήριο Ανθρώπινης-Αυτόματης Συστημάτων στο Georgia Tech και εκκινώντας την Zyrobotics, μια εταιρεία που επικεντρώθηκε στην ανάπτυξη τεχνολογιών τεχνητής νοημοσύνης και θεραπευτικών εργαλείων για παιδιά με διαφορετικές εκπαιδευτικές ανάγκες.

Το 2021, η Howard έγινε πρύτανης του Κολλεγίου Μηχανικής στο Ohio State University, κάνοντας ιστορία ως η πρώτη γυναίκα που ηγήθηκε του ιδρύματος. Σε αυτό, συνεχίζει να διαμορφώνει το μέλλον της εκπαίδευσης μηχανικής ενώ προωθεί την έρευνα στην αλληλεπίδραση ανθρώπου-ρομπότ, την ασφάλεια της τεχνητής νοημοσύνης και τον ισότιμο σχεδιασμό τεχνολογίας.

Σήμερα, η εργασία της Howard εκτείνεται στην έρευνα, την επιχειρηματικότητα και την πολιτική, με εστίαση στην διασφάλιση ότι η ρομποτική και η τεχνητή νοημοσύνη σχεδιάζονται για να βελτιώσουν την ποιότητα ζωής και να επεκτείνουν την ισότιμη πρόσβαση στις αναδυόμενες τεχνολογίες.

9. Rana el Kaliouby

Φωτογραφία: Joi Ito, CC BY 2.0, μέσω Wikimedia Commons

Η Rana el Kaliouby πιονιέρα της συναισθηματικής τεχνητής νοημοσύνης μέσω της εργασίας της στην Affectiva, μια spin-off του MIT Media Lab που συνίδρυσε για να φέρει την συναισθηματική νοημοσύνη στα ψηφιακά συστήματα. Η εταιρεία ανέπτυξε τεχνολογία που μπορεί να αναλύει εκφράσεις προσώπου και φωνητικές ενδείξεις για να ανιχνεύσει ανθρώπινες συναισθήματα σε κλίμακα, βοηθώντας να επεκτείνει την αντίληψη της μηχανής πέρα από αντικείμενα και ομιλία σε ανθρώπινη επίδραση.

Η αναγνώριση συναισθήματος έχει εφαρμογές σε διάφορες βιομηχανίες, συμπεριλαμβανομένης της ασφάλειας αυτοκινήτου, της ανάλυσης μέσων, της υγείας και της αλληλεπίδρασης ανθρώπου-υπολογιστή. Η τεχνολογία της Affectiva υιοθετήθηκε ευρέως από μεγάλες εταιρείες πριν από την απόκτηση της εταιρείας από την Smart Eye το 2021, σηματοδοτώντας einen σημαντικό ορόσημο στην εμπορική εκμετάλλευση της συναισθηματικής τεχνητής νοημοσύνης.

Μετά την απόκτηση, η el Kaliouby στράφηκε προς τις επενδύσεις και την προώθηση μέσα στην οικοσύστημα της τεχνητής νοημοσύνης. Τώρα είναι συνιδρύτρια και γενική εταίρος της Blue Tulip Ventures, μιας εταιρείας πρώιμης φάσης που επικεντρώνεται στην υποστήριξη startups που κατασκευάζουν ανθρωποκεντρικές τεχνολογίες τεχνητής νοημοσύνης.

Σήμερα, η el Kaliouby παραμένει μια ηγέτιδα φωνή στην συναισθηματικά έξυπνη τεχνητή νοημοσύνη, προωθώντας την ηθική ανάπτυξη, την ποικιλία στην ανάπτυξη της τεχνητής νοημοσύνης και τις τεχνολογίες που ενισχύουν τη σχέση μεταξύ ανθρώπων και μηχανών.

10. Mira Murati

Φωτογραφία: OpenAI μέσω AP

Η Mira Murati έπαιξε einen κεντρικό ρόλο στην κλιμάκωση της γενετικής τεχνητής νοημοσύνης σε παγκόσμια υιοθέτηση κατά τη διάρκεια της θητείας της ως Διευθύτρια Τεχνολογίας στο OpenAI. Μετά την ένταξή της στην εταιρεία το 2018 και την ανάδειξή της σε Διευθύτρια Τεχνολογίας το 2022, βοήθησε να ηγηθεί της ανάπτυξης και της κυκλοφορίας ορόσημων συστημάτων όπως το ChatGPT, το DALL-E και η οικογένεια μοντέλων GPT-4 – τεχνολογίες που επιτάχυναν δραματικά την δημόσια και επιχειρηματική υιοθέτηση της γενετικής τεχνητής νοημοσύνης.

Η ηγεσία της Murati γέμισε την τεχνολογία με την ανάπτυξη προϊόντων, διασφαλίζοντας ότι τα προηγμένα μοντέλα ήταν προσβάσιμα σε développers, επιχειρήσεις και καταναλωτές σε όλο τον κόσμο. Η εργασία της βοήθησε να διαμορφώσει τον τρόπο με τον οποίο τα μεγάλα μοντέλα γλωσσικής και τα γενετικά συστήματα ενσωματώνονται σε καθημερινές εργασίες σε διάφορες βιομηχανίες.

Το Σεπτέμβριο του 2024, η Murati αποχώρησε από το OpenAI μετά από περισσότερα από έξι χρόνια στην εταιρεία για να追求σει νέες προκλήσεις και να εξερευνήσει την επόμενη φάση της ανάπτυξης της τεχνητής νοημοσύνης.

Το 2025, ίδρυσε το Thinking Machines Lab, μια εταιρεία τεχνητής νοημοσύνης που επικεντρώνεται στην ανάπτυξη πιο ικανοποιητικών και προσαρμόσιμων συστημάτων τεχνητής νοημοσύνης και στην προώθηση της πολυτροπικής τεχνητής νοημοσύνης που μπορεί να αλληλεπιδράσει με τους χρήστες μέσω γλώσσας, όρασης και άλλων τρόπων.

Σήμερα, η Murati συνεχίζει να επηρεάζει την πορεία της πρωτοποριακής τεχνητής νοημοσύνης μέσω της εργασίας της στο Thinking Machines Lab, όπου κατασκευάζει εργαλεία που στοχεύουν να κάνουν τις προηγμένες συστήματα τεχνητής νοημοσύνης πιο ευρύτερα κατανοητές, προσαρμόσιμες και ισχυρές για développers και οργανισμούς σε όλο τον κόσμο.

Μαζί, αυτές οι δέκα γυναίκες αντιπροσωπεύουν ένα αξιοσημείωτο διατομή της πνευματικής βάσης πίσω από τη σύγχρονη τεχνητή νοημοσύνη και τη ρομποτική. Η εργασία τους εκτείνεται από θεμελιώδη σύνολα δεδομένων, την ενισχυτική μάθηση, την αλληλεπίδραση ανθρώπου-ρομπότ, την ηθική διακυβέρνηση και την άνοδο των γενετικών συστημάτων. Πολλές από τις τεχνολογίες που μετασχηματίζουν τις βιομηχανίες μπορούν να αναχθούν trực tiếp στις επαναστάσεις που ηγήθηκαν αυτές οι ερευνήτριες και μηχανικοί.

Την ίδια στιγμή, η υπογράμμισή τους στις συνεισφορές τους είναι μια υπενθύμιση κάτι εξίσου σημαντικού: το πεδίο vẫn χρειάζεται πολύ περισσότερες γυναίκες να διαμορφώνουν την κατεύθυνσή του. Η τεχνητή νοημοσύνη εξελίσσεται γρήγορα σε μια από τις πιο σημαντικές τεχνολογίες που έχουν αναπτυχθεί ποτέ. Τα συστήματα που σχεδιάζονται σήμερα θα επηρεάσουν τον τρόπο με τον οποίο λειτουργούν οι κοινωνίες, οι οικονομίες και οι άνθρωποι αλληλεπιδρούν με έξυπνα μηχανήματα.

Η διασφάλιση ότι αυτά τα συστήματα αντανακλούν ποικίλες προοπτικές δεν είναι απλώς ένα ζήτημα δικαιοσύνης. Είναι ένα ζήτημα κατασκευής καλύτερης τεχνολογίας.

Οι γυναίκες σε αυτή τη λίστα δείχνουν πόσο ισχυρή μπορεί να είναι αυτή η επιρροή. Η εργασία τους δεν έχει μόνο推σει τα όρια της έρευνας της τεχνητής νοημοσύνης αλλά έχει επίσης επεκτείνει τη συζήτηση σχετικά με τον τρόπο με τον οποίο αυτές οι τεχνολογίες πρέπει να κατασκευαστούν και ποιους πρέπει να υπηρετήσουν. Όσο το πεδίο συνεχίζει να εξελίσσεται, η επόμενη γενιά γυναικών που εισέρχονται στην τεχνητή νοημοσύνη θα παίξει εξίσου κρίσιμο ρόλο στη διαμόρφωση ενός μέλλοντος όπου τα έξυπνα συστήματα αντανακλούν την πλήρη ποικιλία της ανθρώπινης εμπειρίας.