10 Meest Invloedrijke Vrouwen in AI en Robotica die de Toekomst Vormgeven

Kunstmatige intelligentie en robotica zijn geen experimentele gebieden meer die beperkt zijn tot onderzoeksgebieden. Ze vormen economieën, definiëren industrieën opnieuw en beïnvloeden het dagelijks leven op wereldschaal. Achter veel van de belangrijkste doorbraken staan vrouwen wiens werk fundamenteel heeft veranderd hoe intelligente systemen zijn ontworpen, getraind, beheerd en ingezet.

Deze lijst benadrukt tien van de meest invloedrijke vrouwen in AI en robotica van vandaag. Dit zijn onderzoekers, ingenieurs en technische leiders wiens bijdragen verder gaan dan titels – vrouwen wiens werk de traject van machine learning, geïncorporeerde intelligentie en mensgerichte AI heeft herschapen.

1. Dr. Fei-Fei Li

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

Dr. Fei-Fei Li is een van de grondleggende architecten van moderne computer visie. Als de maker van ImageNet, leidde ze de inspanning om de grote schaal gelabelde dataset te bouwen die de diepe leerrevolutie ontstak. ImageNet bood de trainingsruggegraat die neurale netwerken in staat stelde om dramatisch beter te presteren dan eerdere computer visie methoden, versnellend doorbraken over objectherkenning, medische beeldvorming, robotica en autonome systemen.

Haar academische bijdragen aan Stanford University hielpen om computer visie te formaliseren als een centrale pijler van AI-onderzoek. Door neuroscience-geïnspireerde benaderingen te combineren met diepe leer systemen, hielp ze om AI te verschuiven van regel-gebaseerde logica naar schaalbare patroonherkenning.

Verder dan technische prestatie, heeft Dr. Li consequent gehandeld als voorvechtster van mensgerichte AI. Ze betoogt dat intelligentie systemen moeten worden gebouwd met ethische waarborgen, eerlijkheids-overwegingen en maatschappelijke welzijn in gedachten. Haar werk heeft zowel academisch onderzoek als openbare beleidsdiscussies rond verantwoorde AI beïnvloed.

Ze heeft ook gediend in adviesraden die de nationale AI-strategie in de Verenigde Staten hebben gevormd, waardoor innovatie in overeenstemming is met democratische waarden en burgerlijke vrijheden.

Vandaag de dag zet Dr. Li haar onderzoek voort aan het Stanford Human-Centered AI Institute, met een focus op spatiale intelligentie, geïncorporeerde AI en het waarborgen dat geavanceerde systemen menselijke capaciteiten verhogen in plaats van deze te vervangen. Haar werk verkent steeds meer hoe AI veilig kan omgaan in echte omgevingsfactoren, bruggen slaand tussen perceptie en actie.

Dr. Li schrijft ook over haar opmerkelijke reis in haar memoires The Worlds I See, waarin ze reflecteert op haar pad van immigratie naar de Verenigde Staten als tiener tot het worden van een pionier van moderne AI. Het boek biedt een zeldzame achter-de-schermen-kijk op de creatie van ImageNet en de vroege doorbraken die hielpen bij het lanceren van de diepe leerrevolutie.

2. Cynthia Breazeal

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

Cynthia Breazeal wordt algemeen erkend als pionier op het gebied van sociale robotica. Aan het MIT Media Lab ontwikkelde ze Kismet, een van de eerste robots die in staat waren om emoties te interpreteren en uit te drukken. Dit werk hielp het veld van sociale robotica te lanceren en legde de basis voor emotioneel responsieve machines en affectieve computing.

Haar onderzoek heeft de robotica omgedefinieerd door de focus te verschuiven van industriële automatisering naar sociale interactie. In plaats van machines te bouwen die taken uitvoeren, verkende Breazeal hoe robots met mensen konden communiceren, vertrouwen opbouwen en reageren op menselijke sociale signalen.

Ze richtte later Jibo op, een startup die een van de eerste consumenten sociale robots ontwikkelde voor thuismilieus. Hoewel de commerciële route van Jibo complex was, vertegenwoordigde het project een belangrijke mijlpaal in het brengen van sociaal intelligente robotica in het dagelijks leven.

Breazeals invloed strekt zich uit naar onderwijs en gezondheidszorg robotica, waar machines menselijke signalen moeten begrijpen om effectieve metgezellen, leraren en assistenten te zijn.

Vandaag de dag leidt ze de Personal Robots Group aan het MIT Media Lab en initieert ze initiatieven gericht op AI-onderwijs en geletterdheid. Haar huidige werk verkent hoe sociaal intelligente AI-systemen en robots leren, welzijn en langetermijnmenselijke AI-relaties kunnen ondersteunen.

3. Timnit Gebru

Foto: TechCrunch / CC BY 2.0 / Wikimedia Commons

Timnit Gebru is een van de meest gevolgrijke stemmen in AI-ethiek. Haar vroege onderzoek onthulde bias in gezichtsherkenningssystemen, waarbij significante verschillen in nauwkeurigheid over ras en geslacht werden aangetoond. De breed geciteerde Gender Shades studie toonde aan dat commerciële systemen veel slechter presteerden op donkerdere huidskleuren vrouwen dan op lichtere huidskleuren mannen, waardoor een bredere heroverweging van hoe AI-systemen worden getraind en geëvalueerd werd gestimuleerd.

Ze schreef ook invloedrijke onderzoek dat de risico’s van grote taalmodellen onderzocht, waaronder hun milieueffect, ingebedde bias en gebrek aan transparantie. Dat werk hielp de conversatie rond AI-ontwikkeling te verschuiven, waarbij het veld werd aangemoedigd om niet alleen prestatiebenchmarks te overwegen, maar ook de sociale en milieueffecten van het schalen van AI-systemen.

In 2021 richtte Gebru het Distributed AI Research Institute (DAIR) op, een onafhankelijk onderzoeksorganisatie gewijd aan het bestuderen van AI buiten de invloed van grote technologiebedrijven. Het instituut richt zich op community-gedreven onderzoek en benadrukt mondiale deelname aan het vormgeven van de toekomst van AI.

Haar voorvechterschap heeft regelgevende debatten, industrienormen en bredere discussies over verantwoorde AI-ontwikkeling beïnvloed.

Vandaag de dag richt Gebru zich op algoritme- verantwoordelijkheid, data-arbeidsrechten en de machtsdynamiek die in AI-ontwikkeling zijn ingebed. Haar werk onderzoekt steeds meer hoe AI-systemen marginale gemeenschappen beïnvloeden en hoe governance-kaders kunnen worden versterkt om meer eerlijke en transparante AI-systemen wereldwijd te waarborgen.

4. Daphne Koller

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

Daphne Koller is een pionier in probabilistische grafische modellen, een kader dat machines in staat stelt om onder onzekerheid te redeneren. Haar academische werk heeft fundamenteel de manier veranderd waarop AI-systemen complexe afhankelijkheden in echte gegevens vertegenwoordigen en heeft probabilistische modellering geholpen te vestigen als een centrale benadering in moderne machine learning.

Ze richtte Coursera op, een van de grootste online leerplatforms ter wereld, waardoor toegang tot AI- en computerwetenschappelijk onderwijs voor miljoenen leerlingen wereldwijd werd gedemocratiseerd.

Koller richtte zich later op biotechnologie en richtte Insitro op om machine learning toe te passen op geneesmiddelontdekking. Door grote biologische datasets te combineren met predictief modelleren, beoogt het bedrijf de manier waarop therapieën worden ontdekt en ontwikkeld te transformeren.

Haar werk vertegenwoordigt een van de duidelijkste voorbeelden van AI die overgaat van digitale systemen naar de levenswetenschappen, waar machine learning wetenschappelijke ontdekking kan versnellen.

Vandaag de dag leidt Koller Insitro’s onderzoek naar AI-gedreven farmaceutische ontwikkeling, waarbij genomics, high-throughput biologie en machine learning worden geïntegreerd om klinische pijplijnen te versnellen en de succesrate van geneesmiddelontwikkeling te verbeteren.

5. Joy Buolamwini

Foto: Taylordw, CC0, via Wikimedia Commons

Joy Buolamwini’s baanbrekend onderzoek onthulde raciale en geslachtsbias in gezichtsherkenningssystemen die door grote technologiebedrijven werden gebruikt. Haar bevindingen toonden aan dat fouten voor donkerdere huidskleuren vrouwen veel hoger waren dan voor lichtere huidskleuren mannen, waardoor een bredere heroverweging van hoe AI-systemen worden getraind en ontwikkeld werd gestimuleerd.

Ze richtte de Algorithmic Justice League op om verantwoordelijkheid en eerlijkheid in AI-systemen te bevorderen. Door het organisatie werkt ze aan algoritme-auditing, openbare bewustwording en industrienormen om schadelijke bias in geautomatiseerde besluitvorming te verminderen.

Haar werk overspant onderzoek, voorvechterschap en openbare betrokkenheid. Buiten academisch onderzoek heeft ze de aandacht gevestigd op de maatschappelijke gevolgen van AI door openbare toespraken, beleidsbetrokkenheid en creatief werk dat de relatie tussen technologie en burgerrechten verkent.

Onlangs heeft Buolamwini haar invloed uitgebreid door schrijven en openbaar voorvechterschap, waaronder haar bestseller Unmasking AI, die onderzoekt hoe algoritme-systemen discriminatie kunnen coderen en waarom sterkere toezicht en inclusief ontwerp essentieel zijn.

Vandaag de dag vormt Buolamwini wereldwijde conversaties over AI-governance, met een focus op algoritme-auditing, regelgevingskaders en het waarborgen dat AI-systemen worden getest op diverse populaties voordat ze worden ingezet.

6. Anca Dragan

Foto: Constructor University

Anca Dragan is een toonaangevend onderzoeker op het gebied van AI-uitlijning en mens-robot interactie. Haar vroeg academisch werk aan UC Berkeley richtte zich op het mogelijk maken van robots om menselijke intentie te achterhalen en veilig met mensen samen te werken, door algoritmes te ontwikkelen die machines in staat stellen om menselijk gedrag te begrijpen en te reageren op een voorspelbare en coöperatieve manier.

Ze heeft uitgebreid gewerkt aan intentie-afleiding, coöperatief plannen en technieken die autonome systemen in staat stellen om van menselijke feedback te leren in plaats van te vertrouwen op rigide vooraf gedefinieerde doelen. Haar onderzoek heeft geholpen om robots en AI-agents te ontwikkelen die kunnen opereren naast mensen in omgevingen variërend van autonome voertuigen tot assistent-robotica.

Dragans werk richt zich op een van de meest kritieke uitdagingen in moderne AI: het waarborgen dat intelligente systemen optimaliseren voor wat mensen werkelijk willen, in plaats van smalle technische doelen. Haar onderzoek naar waarde-uitlijning, mens-AI-samenwerking en interpreteerbare besluitvorming heeft zowel robotica als bredere discussies over AI-veiligheid beïnvloed.

Naast haar academische werk is Dragan momenteel Head of AI Safety and Alignment at Google DeepMind (GOOGL ), waar ze teams leidt die zich richten op het waarborgen dat frontier AI-systemen blijven uitgelijnd met menselijke doelen en waarden naarmate hun capaciteiten blijven toenemen.

Vandaag de dag blijft haar werk de ontwikkeling van veiligere en meer mens-vriendelijke AI-systemen vormgeven, door vooruitgang in machine learning, robotica en mens-computer interactie te combineren om intelligente technologieën meer interpreteerbaar, controleerbaar en gunstig voor de maatschappij te maken.

7. Raia Hadsell

Raia Hadsell spreekt op TEDxExeterSalon 2017_05” door TEDxExeter, CC BY-NC-ND 2.0

Raia Hadsell heeft een belangrijke rol gespeeld in het bevorderen van versterkte leer- en continue leer-systemen. Bij DeepMind hielp ze algoritmes ontwikkelen die AI-systemen in staat stellen om voortdurend te leren van ervaring in plaats van opnieuw te trainen vanuit vaste datasets, waarmee een van de centrale uitdagingen in het bouwen van aanpasbare intelligente agenten werd aangepakt.

Continue leren is essentieel voor robotica en AI-systemen in de echte wereld, waar omgevingen evolueren en machines moeten aanpassen terwijl ze eerder verworven kennis behouden. Hadsells onderzoek heeft zich gericht op het overwinnen van problemen zoals catastrofale vergetelheid, waardoor neurale netwerken in staat worden gesteld om vaardigheden over tijd op te bouwen in plaats van eerder capaciteiten te verliezen wanneer ze nieuwe taken leren.

Haar werk heeft ook bijgedragen aan de vooruitgang in geïncorporeerde intelligentie, waar robots en autonome agenten leren door interactie met hun omgeving in plaats van statische supervisie. Door versterkte leer-, representatieleer- en neuroscienc-geïnspireerde benaderingen te combineren, heeft ze geholpen om systemen te ontwikkelen die complexe omgevingen kunnen navigeren en generaliseren over taken.

Hadsell trad in 2014 toe tot DeepMind en heeft sindsdien onderzoeksteams geleid die zich richten op levenslange leren en robotnavigatie, waarbij zij heeft bijgedragen aan fundamentele technieken zoals beleidsdestillatie en progressieve neurale netwerken die kennisoverdracht tussen taken mogelijk maken.

Vandaag de dag, als senior onderzoeksleider bij Google DeepMind, richt Hadsell zich op levenslange leren architectuur en schaalbare geïncorporeerde AI-systemen die kunnen opereren in dynamische echte wereldomgevingen.

8. Ayanna Howard

Foto: Rob Felt / Georgia Institute of Technology

Ayanna Howards werk heeft zich gericht op assistent-robotica en mensgerichte AI-ontwerp. Haar onderzoek heeft zich gericht op het bouwen van robotische systemen die kinderen met ontwikkelingsuitdagingen ondersteunen, waaronder therapie- en onderwijsinstrumenten die zijn ontworpen om kinderen met speciale behoeften te helpen motorische en cognitieve vaardigheden te ontwikkelen.

Vroeg in haar carrière werkte Howard als robotica-onderzoeker bij NASA’s Jet Propulsion Laboratory, waar ze bijdroeg aan autonome robotische systemen die werden gebruikt voor planetaire exploratie, waaronder technologieën die waren ontworpen voor Mars-rover-missies.

Ze maakte later de overstap naar het academische en leiderschap, en richtte de Human-Automation Systems Lab op aan Georgia Tech en lanceerde Zyrobotics, een startup die zich richt op het ontwikkelen van AI-gebaseerde onderwijs- en therapie-instrumenten voor kinderen met diverse leerbehoeften.

In 2021 werd Howard decaan van de College of Engineering aan The Ohio State University, waarmee ze de geschiedenis maakte als de eerste vrouw die de instelling leidt. In deze rol blijft ze de toekomst van ingenieursonderwijs vormgeven en onderzoek naar mens-robot interactie, AI-veiligheid en inclusief technologie-ontwerp bevorderen.

Vandaag de dag omvat Howards werk onderzoek, ondernemerschap en beleid, met een focus op het waarborgen dat robotica en kunstmatige intelligentie zijn ontworpen om de kwaliteit van het leven te verbeteren en gelijke toegang tot opkomende technologieën te vergroten.

9. Rana el Kaliouby

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

Rana el Kaliouby was een pionier in emotie-AI door haar werk aan Affectiva, de MIT Media Lab-spin-off die ze oprichtte om emotionele intelligentie in digitale systemen te brengen. Het bedrijf ontwikkelde technologie die in staat was om gezichtsuitdrukkingen en vocale signalen te analyseren om menselijke emoties op grote schaal te detecteren, waardoor machineperceptie werd uitgebreid tot menselijke affect.

Emotieherkenning heeft toepassingen in verschillende industrieën, waaronder automotive veiligheid, media-analyse, gezondheidszorg en mens-computer interactie. Affectiva’s technologie werd breed geadopteerd door grote bedrijven voordat het bedrijf in 2021 werd overgenomen door Smart Eye, waarmee een belangrijke mijlpaal werd bereikt in de commercialisering van emotie-AI.

Na de overname richtte el Kaliouby zich op investeren en mentorship binnen het AI-ecosysteem. Ze is nu mede-oprichter en algemeen directeur van Blue Tulip Ventures, een vroeg stadium venture firm dat zich richt op het ondersteunen van startups die mensgerichte AI-technologieën ontwikkelen.

Vandaag de dag blijft el Kaliouby een toonaangevende stem in emotioneel intelligente AI, waarbij ze pleit voor ethische inzet, diversiteit in AI-ontwikkeling en technologieën die de relatie tussen mensen en machines versterken.

10. Mira Murati

Foto: OpenAI via AP

Mira Murati speelde een centrale rol in het opschalen van generatieve AI naar wereldwijde adoptie tijdens haar periode als Chief Technology Officer bij OpenAI. Na in 2018 bij het bedrijf te zijn gekomen en in 2022 CTO te zijn geworden, hielp ze bij de ontwikkeling en release van baanbrekende systemen zoals ChatGPT, DALL-E en de GPT-4-familie van modellen – technologieën die de openbare en ondernemingsadoptie van generatieve AI aanzienlijk versnelden.

Murati’s leiderschap brugde cutting-edge onderzoek en echte wereldproductimplementatie, waarbij werd gewaarborgd dat geavanceerde modellen toegankelijk waren voor ontwikkelaars, bedrijven en consumenten wereldwijd. Haar werk hielp vorm te geven aan hoe grote taalmodellen en generatieve systemen worden geïntegreerd in dagelijkse workflows over industrieën heen.

In september 2024 verliet Murati OpenAI na meer dan zes jaar bij het bedrijf om nieuwe projecten na te streven en de volgende fase van AI-ontwikkeling te verkennen.

In 2025 richtte ze Thinking Machines Lab op, een AI-startup die zich richt op het bouwen van meer capabele en aanpasbare AI-systemen en het bevorderen van multimodale AI die met gebruikers kan communiceren via taal, visie en andere modaliteiten.

Vandaag de dag blijft Murati de richting van frontier AI beïnvloeden via haar werk aan Thinking Machines Lab, waar ze tools ontwikkelt die zijn gericht op het maken van geavanceerde AI-systemen meer breed begrepen, aanpasbaar en krachtig voor ontwikkelaars en organisaties wereldwijd.

Samen vertegenwoordigen deze tien vrouwen een opmerkelijk deel van de intellectuele basis achter moderne AI en robotica. Hun werk omvat fundamentele datasets, versterkte leer, mens-robot interactie, ethische governance en de opkomst van generatieve systemen. Veel van de technologieën die nu industrieën transformeren, kunnen rechtstreeks worden herleid tot doorbraken geleid door deze onderzoekers en ingenieurs.

Tegelijkertijd is het benadrukken van hun bijdragen een herinnering aan iets even belangrijk: het veld heeft nog veel meer vrouwen nodig die de richting bepalen. Kunstmatige intelligentie wordt snel een van de meest gevolgrijke technologieën ooit ontwikkeld. De systemen die vandaag worden ontworpen, zullen bepalen hoe samenlevingen functioneren, hoe economieën evolueren en hoe mensen omgaan met intelligente machines.

Ervoor zorgen dat deze systemen diverse perspectieven weerspiegelen, is niet alleen een kwestie van eerlijkheid. Het is een kwestie van betere technologie bouwen.

De vrouwen op deze lijst laten zien hoe krachtig die invloed kan zijn. Hun werk heeft niet alleen de grenzen van AI-onderzoek verlegd, maar heeft ook de conversatie uitgebreid over hoe deze technologieën moeten worden gebouwd en wie ze moeten dienen. Naarmate het veld blijft evolueren, zal de volgende generatie vrouwen die AI binnenkomen een even kritieke rol spelen in het vormgeven van een toekomst waarin intelligente systemen de volledige diversiteit van menselijke ervaring weerspiegelen.