未来を変革するAIとロボティクス分野の最も影響力のある女性10人

人工知能とロボティクスは、もはや研究実験室に閉じ込められた実験的な分野ではありません。これらは経済を形作り、産業を再定義し、地球規模で日常生活に影響を与えています。最も重要なブレークスルーの多くには、知的システムの設計、訓練、ガバナンス、展開の方法を根本的に変えた女性たちの仕事があります。

このリストは、今日のAIとロボティクス分野で最も影響力のある女性10人を紹介します。彼女たちは研究者、エンジニア、技術リーダーであり、その貢献は肩書をはるかに超えています。機械学習、身体性知能、人間中心のAIの軌道を再形成した女性たちです。

1. Dr. Fei-Fei Li

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

Dr. Fei-Fei Liは、現代のコンピュータビジョンの基礎を築いた人物の一人です。ImageNetの創設者として、深層学習革命に火をつけた大規模なラベル付きデータセットの構築を主導しました。ImageNetは、ニューラルネットワークが従来のコンピュータビジョン手法を劇的に上回ることを可能にしたトレーニングの基盤を提供し、物体認識、医療画像、ロボティクス、自律システムにおけるブレークスルーを加速させました。

彼女のスタンフォード大学での学術的貢献は、コンピュータビジョンをAI研究の中核的柱として確立するのに役立ちました。神経科学に着想を得たアプローチと深層学習システムを組み合わせることで、AIをルールベースの論理からスケーラブルなパターン認識へと移行させることに貢献しました。

技術的成果を超えて、Dr. Liは一貫して人間中心のAIを提唱してきました。知能システムは、倫理的保護措置、公平性の考慮、社会的幸福を念頭に置いて構築されなければならないと主張しています。彼女の仕事は、責任あるAIに関する学術研究の議題と公共政策の議論の両方に影響を与えてきました。

彼女はまた、米国における国家AI戦略を形成する諮問委員会にも参加し、革新が民主的価値と市民的自由と調和することを確保するのに貢献しました。

現在、Dr. Liはスタンフォード人間中心AI研究所で研究を率い続けており、空間知能、身体性AI、高度なシステムが人間の能力を置き換えるのではなく補完することを確保することに焦点を当てています。彼女の仕事は、知覚と行動の間のギャップを埋め、AIが現実世界の環境で安全に相互作用する方法をますます探求しています。

Dr. Liはまた、彼女の著書The Worlds I Seeで彼女の驚くべき旅路を記録しており、10代で米国に移民してから現代AIの先駆者になるまでの道のりを振り返っています。この本は、ImageNetの創設と深層学習革命の立ち上げに貢献した初期のブレークスルーについて、貴重な舞台裏の記録を提供しています。

2. Cynthia Breazeal

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

Cynthia Breazealは、ソーシャルロボティクスの先駆者として広く認められています。MITメディアラボで、感情を解釈し表現できる初期のロボットの一つであるKismetを開発しました。この仕事はソーシャルロボティクスの分野を立ち上げ、感情に反応する機械と感情コンピューティングの基礎を築きました。

彼女の研究は、産業オートメーションから社会的相互作用へと焦点を移すことで、ロボティクスを再定義しました。単にタスクを実行する機械を構築するのではなく、Breazealはロボットが人々とどのようにコミュニケーションし、信頼を構築し、人間の社会的合図に応答できるかを探求しました。

彼女は後にJiboを共同設立し、家庭環境向けに設計された最初の消費者向けソーシャルロボットの一つを開発しました。Jiboの商業的な道のりは複雑でしたが、このプロジェクトは社会的に知的なロボティクスを日常生活に持ち込む上での主要なマイルストーンを表していました。

Breazealの影響は、教育や医療ロボティクスに深く及び、そこでは機械が効果的な仲間、家庭教師、アシスタントとして機能するために微妙な人間の信号を理解しなければなりません。

現在、彼女はMITメディアラボのPersonal Robots Groupを率い続け、AI教育とリテラシーに焦点を当てたイニシアチブを指揮しています。彼女の現在の仕事は、社会的に知的なAIシステムとロボットが学習、幸福、長期的な人間-AI関係をどのようにサポートできるかを探求しています。

3. Timnit Gebru

Photo: TechCrunch / CC BY 2.0 / Wikimedia Commons

Timnit Gebruは、AI倫理において最も重要な声の一人です。彼女の初期の研究は、顔認識システムのバイアスを暴露し、人種と性別にわたる精度の著しい格差を明らかにしました。広く引用されているGender Shades研究は、商用システムが肌の色の薄い男性よりも肌の色の濃い女性に対してはるかに性能が低いことを示し、AIシステムがどのように訓練され評価されるかについてのより広範な再評価を促しました。

彼女はまた、大規模言語モデルのリスク、その環境への影響、埋め込まれたバイアス、透明性の欠如などを検証する影響力のある研究を共同執筆しました。その仕事は、AI開発に関する議論を転換し、この分野がパフォーマンスベンチマークだけでなく、AIシステムをスケーリングすることの社会的・環境的影響も考慮するよう促しました。

2021年、GebruはDistributed AI Research Institute (DAIR)を設立しました。これは大規模テクノロジー企業の影響を受けずにAIを研究する独立した研究組織です。この研究所はコミュニティ主導の研究に焦点を当て、AIの未来を形作るためのグローバルな参加を重視しています。

彼女の提唱は、規制に関する議論、業界標準、責任あるAI開発に関するより広範な議論に影響を与えてきました。

現在、Gebruはアルゴリズムの説明責任、データ労働者の権利、AI開発に埋め込まれた権力構造に焦点を当て続けています。彼女の仕事は、AIシステムが疎外されたコミュニティにどのように影響を与えるか、そしてより公平で透明性のある世界的なAIシステムを確保するためにガバナンスの枠組みをどのように強化できるかをますます検証しています。

4. Daphne Koller

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

Daphne Kollerは、確率的グラフィカルモデルの先駆者です。このフレームワークは、機械が不確実性の下で推論することを可能にします。彼女の学術的研究は、AIシステムが実世界のデータにおける複雑な依存関係をどのように表現するかを根本的に形作り、確率的モデリングを現代の機械学習における核心的なアプローチとして確立するのに役立ちました。

彼女は世界最大のオンライン学習プラットフォームの一つであるCourseraを共同設立し、世界中の何百万人もの学習者にAIとコンピュータサイエンス教育へのアクセスを民主化するのに貢献しました。

Kollerはその後、バイオテクノロジーに焦点を移し、機械学習を創薬に応用するためにInsitroを設立しました。大規模な生物学的データセットと予測モデリングを組み合わせることで、同社は治療法がどのように発見され開発されるかを変革することを目指しています。

彼女の仕事は、AIがデジタルシステムから生命科学へ移行する最も明確な例の一つであり、機械学習が科学的発見を加速できる分野です。

現在、KollerはInsitroのAI駆動型医薬品開発研究を率い続けており、ゲノミクス、ハイスループット生物学、機械学習を統合して臨床パイプラインを加速し、創薬の成功率を向上させています。

5. Joy Buolamwini

Photo: Taylordw, CC0, via Wikimedia Commons

Joy Buolamwiniの画期的な研究は、主要テクノロジー企業が使用する顔認識システムにおける人種的・性別的バイアスを暴露しました。彼女の発見は、肌の色の濃い女性に対するエラー率が肌の色の薄い男性よりも劇的に高いことを示し、トレーニングデータとシステム設計が広く展開されるAI技術に差別をどのように埋め込むことができるかを明らかにしました。

この研究はアルゴリズムバイアスに関する世界的な議論を引き起こすのに役立ち、顔認識システムの精査を強化し、責任あるAI展開に関する政策議論に貢献しました。

Buolamwiniは、AIシステムにおける説明責任と公平性を促進するためにAlgorithmic Justice Leagueを設立しました。この組織を通じて、自動化された意思決定における有害なバイアスを減らすことを目的としたアルゴリズム監査、公衆の意識向上、業界標準の推進に取り組んできました。

彼女の仕事は、研究、提唱、公衆参加を橋渡しします。学術研究を超えて、テクノロジーと公民権の関係を探求する公的スピーチ、政策への関与、創造的な仕事を通じて、AIの社会的影響に注目を集めてきました。

近年、Buolamwiniは執筆と公的提唱を通じてその影響力を拡大しており、アルゴリズムシステムがどのように差別をコード化するか、そしてより強力な監督と包括的な設計がなぜ不可欠であるかを探求するベストセラー書Unmasking AIを含みます。

現在、BuolamwiniはAIガバナンスに関する世界的な会話を形作り続けており、アルゴリズム監査、規制の枠組み、AIシステムが展開前に多様な集団にわたってテストされることを確保することに焦点を当てています。

6. Anca Dragan

Photo: Constructor University

Anca Draganは、AIアライメントと人間-ロボット相互作用の主要な研究者です。彼女の初期のUCバークレーでの学術的研究は、ロボットが人間の意図を推論し、人々と安全に協力できるようにすることに焦点を当て、機械が人間の行動について推論し、予測可能で協力的な方法で応答することを可能にするアルゴリズムを開発しました。

彼女は意図推論、協調的計画、自律システムが厳密に定義された事前定義された目的に依存するのではなく人間のフィードバックから学習することを可能にする技術に広く取り組んできました。彼女の研究は、自律走行車から支援ロボティクスに至る環境で人間と並んで動作できるロボットとAIエージェントの進歩に貢献してきました。

Draganの仕事は、現代AIにおける最も重要な課題の一つに対処しています。それは、知能システムが狭く定義された技術的目標ではなく、人々が実際に望むものを最適化することを確保することです。価値アライメント、人間-AI協調、解釈可能な意思決定に関する彼女の研究は、ロボティクスとAI安全性に関するより広範な議論の両方に影響を与えてきました。

学術研究に加えて、Draganは現在Google DeepMindのAI安全性・アライメント責任者を務めており、フロンティアAIシステムの能力が進歩し続ける中で、それらが人間の目標と価値観に整合したままであることを確保することに焦点を当てたチームを率いています。

現在、彼女の仕事はより安全で人間との互換性の高いAIシステムの開発を形作り続けており、機械学習、ロボティクス、人間-コンピュータ相互作用の進歩を組み合わせて、知能技術をより解釈可能で制御可能にし、社会にとって有益なものにしています。

7. Raia Hadsell

Raia Hadsell speaking at TEDxExeterSalon 2017_05” by TEDxExeter, CC BY-NC-ND 2.0

Raia Hadsellは、強化学習と継続学習システムの進歩において主要な役割を果たしてきました。DeepMindで、彼女はAIシステムが固定されたデータセットからゼロから再訓練するのではなく、経験から継続的に学習できるようにするアルゴリズムの開発を支援し、適応可能な知的エージェントを構築する上での中心的な課題の一つに対処しました。

継続学習は、環境が進化し、機械が以前に学習した知識を保持しながら適応しなければならない現実世界のロボティクスとAIシステムにとって不可欠です。Hadsellの研究は、破滅的忘却などの問題を克服することに焦点