10 Najbardziej Wpływowych Kobiet w AI i Robotyce, Które Przekształcają Przyszłość

Sztuczna inteligencja i robotyka nie są już dziedzinami eksperymentalnymi ograniczonymi do laboratoriów badawczych. Kształtują one gospodarki, przeobrażają branże i wpływają na życie codzienne w skali globalnej. Za wieloma z najważniejszych przełomów stoją kobiety, których praca fundamentalnie zmieniła, w jaki sposób inteligentne systemy są projektowane, szkolone, zarządzane i wdrażane.

Lista ta przedstawia dziesięć najbardziej wpływowych kobiet w AI i robotyce dzisiaj. Są to badaczki, inżynierki i liderki techniczne, których wkład wykracza daleko poza tytuły – kobiety, których praca zmieniła trajektorię uczenia maszynowego, inteligencji zagnieżdżonej i ludzkościowej AI.

1. Dr. Fei-Fei Li

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

Dr. Fei-Fei Li jest jedną z głównych architektek nowoczesnej wizji komputerowej. Jako twórczyni ImageNet, prowadziła prace nad budową dużej, oznaczonej bazy danych, która zapoczątkowała rewolucję głębokiego uczenia. ImageNet zapewniła trenaż dla sieci neuronowych, które dramatycznie przewyższyły poprzednie metody wizji komputerowej, przyspieszając przełomy w rozpoznawaniu obiektów, obrazowaniu medycznym, robotyce i systemach autonomicznych.

Jej wkład akademicki na Uniwersytecie Stanford pomógł sformalizować wizję komputerową jako centralny filar badań AI. Łącząc podejścia inspirowane neurologią z systemami głębokiego uczenia, pomogła przesunąć AI od logiki opartej na regułach w kierunku skalowalnego rozpoznawania wzorców.

Poza osiągnięciami technicznymi, Dr. Li konsekwentnie opowiadała się za AI ukierunkowanym na ludzi. Uważa, że systemy inteligentne muszą być budowane z zabezpieczeniami etycznymi, uwzględniając sprawiedliwość i dobrobyt społeczny. Jej praca wpłynęła zarówno na agendy badań akademickich, jak i dyskusje polityczne dotyczące odpowiedzialnego AI.

Obecnie Dr. Li kontynuuje badania w Instytucie AI zorientowanym na ludzi w Stanford, koncentrując się na inteligencji przestrzennej, AI zagnieżdżonej i zapewnieniu, że zaawansowane systemy wzmacniają ludzkie możliwości, zamiast je zastępować. Jej praca coraz bardziej eksploruje, w jaki sposób AI może bezpiecznie współdziałać w środowiskach rzeczywistych, mostkując lukę między percepcją a działaniem.

Dr. Li również opisuje swoją niezwykłą podróż w swojej autobiografii Światy, które widzę, gdzie reflektuje na swojej drodze od imigracji do Stanów Zjednoczonych jako nastolatka do zostania pionierem nowoczesnego AI. Książka zapewnia rzadkie spojrzenie za kulisę tworzenia ImageNet i wczesnych przełomów, które pomogły rozpocząć rewolucję głębokiego uczenia.

2. Cynthia Breazeal

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

Cynthia Breazeal jest szeroko uznawana za pionierkę robotyki społecznej. W MIT Media Lab opracowała Kismet, jednego z pierwszych robotów zdolnych do interpretowania i wyrażania emocji. Praca ta pomogła uruchomić dziedzinę robotyki społecznej i położyła podwaliny pod maszyny emocjonalnie responsywne i obliczenia afektywne.

Jej badania zmieniły robotykę, przenosząc focus z automatyki przemysłowej na interakcję społeczną. Zamiast budowania maszyn, które po prostu wykonują zadania, Breazeal eksplorowała, w jaki sposób roboty mogą komunikować się z ludźmi, budować zaufanie i reagować na społeczne sygnały ludzkie.

Później współzałożyła Jibo, startup, który opracował jeden z pierwszych społecznych robotów konsumenckich zaprojektowanych dla środowisk domowych. Chociaż komercyjna ścieżka Jibo była złożona, projekt reprezentował ważny kamień milowy w wprowadzaniu społecznie inteligentnych robotów do życia codziennego.

Wpływ Breazeal sięga głęboko w dziedziny edukacji i opieki zdrowotnej, gdzie maszyny muszą zrozumieć subtelne sygnały ludzkie, aby służyć jako skuteczne towarzysze, nauczyciele i asystenci.

Obecnie kontynuuje kierowanie Grupą Robotów Osobistych w MIT Media Lab i inicjatywami skupionymi na edukacji AI i literaturze. Jej obecna praca eksploruje, w jaki sposób społecznie inteligentne systemy AI i roboty mogą wspierać naukę, dobrostan i długoterminowe relacje człowieka z AI.

3. Timnit Gebru

Photo: TechCrunch / CC BY 2.0 / Wikimedia Commons

Timnit Gebru była jednym z najbardziej konsekwentnych głosów w etyce AI. Jej wczesne badania ujawniły uprzedzenia w systemach rozpoznawania twarzy, ujawniając znaczne dysproporcje w dokładności wśród rasy i płci. Szeroko cytowane Badanie Gender Shades wykazało, że systemy komercyjne działały znacznie gorzej na ciemnoskórych kobietach niż na jasnoskórych mężczyznach, prowadząc do szerszej oceny, w jaki sposób systemy AI są szkolone i oceniane.

Także współautorka wpływowych badań badających ryzyka dużych modeli językowych, w tym ich wpływ na środowisko, wbudowane uprzedzenia i brak przejrzystości. Praca ta pomogła przesunąć dyskusję wokół rozwoju AI, zachęcając dziedzinę do rozważenia nie tylko wskaźników wydajności, ale także konsekwencji społecznych i środowiskowych skalowania systemów AI.

W 2021 roku Gebru założyła Distributed AI Research Institute (DAIR), niezależną organizację badawczą poświęconą badaniu AI poza wpływem dużych firm technologicznych. Instytut koncentruje się na badaniach prowadzonych przez społeczność i podkreśla globalny udział w kształtowaniu przyszłości AI.

Jej zaangażowanie wpłynęło na debaty regulacyjne, standardy branżowe i szersze dyskusje na temat odpowiedzialnego rozwoju AI.

Obecnie Gebru koncentruje się na odpowiedzialności algorytmicznej, prawach do pracy z danymi i dynamice władzy wbudowanej w rozwój AI. Jej praca coraz bardziej eksploruje, w jaki sposób systemy AI wpływają na społeczności marginalizowane i w jaki sposób ramy zarządzania mogą być wzmocnione, aby zapewnić bardziej sprawiedliwe i przejrzyste systemy AI na całym świecie.

4. Daphne Koller

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

Daphne Koller jest pionierką w modelach graficznych prawdopodobieństwa, ramie, które pozwala maszynom wnioskować w niepewności. Jej praca akademicka fundamentalnie ukształtowała, w jaki sposób systemy AI reprezentują złożone zależności w danych rzeczywistych i pomogła ustanowić modelowanie prawdopodobieństwa jako podstawowe podejście w nowoczesnym uczeniu maszynowym.

Współzałożyła Coursera, jedną z największych platform edukacyjnych online, pomagając udemokratyzować dostęp do edukacji AI i informatyki dla milionów uczniów na całym świecie.

Koller później skierowała swoją uwagę ku biotechnologii, zakładając Insitro, aby zastosować uczenie maszynowe w odkryciu leków. Łącząc duże zestawy danych biologicznych z modelowaniem predykcyjnym, firma ma na celu przekształcić, w jaki sposób leki są odkrywane i rozwijane.

Jej praca reprezentuje jeden z najbardziej wyraźnych przykładów przejścia AI z systemów cyfrowych do nauk o życiu, gdzie uczenie maszynowe może przyspieszyć odkrycia naukowe.

Obecnie Koller kontynuuje kierowanie badaniami Insitro nad rozwojem farmaceutycznym z użyciem AI, integrując genomikę, biologię wysokoprzepływową i uczenie maszynowe, aby przyspieszyć kliniczne potoki i poprawić wskaźnik powodzenia rozwoju leków.

5. Joy Buolamwini

Photo: Taylordw, CC0, via Wikimedia Commons

Joy Buolamwini’s przełomowe badania ujawniły rasowe i płciowe uprzedzenia w systemach rozpoznawania twarzy używanych przez duże firmy technologiczne. Wyniki pokazały, że wskaźniki błędów dla ciemnoskórych kobiet były dramatycznie wyższe niż dla jasnoskórych mężczyzn, ujawniając, w jaki sposób dane szkoleniowe i projektowanie systemu mogą wbudować dyskryminację w powszechnie wdrożone technologie AI.

Badania te przyczyniły się do globalnej debaty na temat uprzedzeń algorytmicznych, prowadząc do zwiększonej kontroli systemów rozpoznawania twarzy i przyczyniając się do debat politycznych dotyczących odpowiedzialnego wdrożenia AI.

Buolamwini założyła Ligę Sprawiedliwości Algorytmicznej, aby promować odpowiedzialność i sprawiedliwość w systemach AI. Poprzez tę organizację, pracowała nad promowaniem audytu algorytmicznego, świadomości publicznej i standardów branżowych, aby zmniejszyć szkodliwe uprzedzenia w podejmowaniu decyzji zautomatyzowanych.

Jej praca mostkuje badania, zaangażowanie i angażowanie społeczne. Poza badaniami akademickimi, przyciągnęła uwagę do społecznych skutków AI poprzez publiczne przemówienia, zaangażowanie polityczne i prace twórcze, które eksplorują relację między technologią a prawami obywatelskimi.

W ostatnich latach Buolamwini rozszerzyła swój wpływ poprzez pisanie i zaangażowanie publiczne, w tym jej bestsellerową książkę Unmasking AI, która eksploruje, w jaki sposób systemy algorytmiczne mogą zakodować dyskryminację i dlaczego silniejsza kontrola i projektowanie inkluzywne są niezbędne.

Obecnie Buolamwini kontynuuje kształtowanie globalnych dyskusji na temat zarządzania AI, koncentrując się na audycie algorytmicznym, ramach regulacyjnych i zapewnieniu, że systemy AI są testowane na różnorodnych populacjach przed wdrożeniem.

6. Anca Dragan

Photo: Constructor University

Anca Dragan jest wiodącą badaczką w dziedzinie wyrównania AI i interakcji człowieka z robotem. Jej wczesne prace akademickie na UC Berkeley koncentrowały się na umożliwieniu robotom wnioskowania o intencjach ludzkich i bezpiecznej współpracy z ludźmi, rozwijając algorytmy, które pozwalają maszynom wnioskować o zachowaniu ludzkim i reagować w sposób przewidywalny i współpracujący.

Pracowała również nad wnioskowaniem o intencjach, planowaniem współpracy i technikami, które pozwalają systemom autonomicznym uczyć się z ludzkiej informacji zwrotnej, zamiast polegać na sztywno zdefiniowanych celach. Jej badania pomogły rozwinąć roboty i systemy AI, które mogą działać obok ludzi w środowiskach od pojazdów autonomicznych do robotyki asystującej.

Praca Dragan dotyka jednego z najbardziej krytycznych wyzwań w nowoczesnym AI: zapewnienia, że systemy inteligentne optymalizują to, co ludzie naprawdę chcą, a nie wąsko zdefiniowane cele techniczne. Jej badania nad wyrównaniem wartości, współpracą człowieka z AI i podejmowaniem decyzji interpretowalnych wpłynęły zarówno na robotykę, jak i szersze dyskusje na temat bezpieczeństwa AI.

Obecnie Dragan pełni funkcję Kierownika ds. Bezpieczeństwa AI i Wyrównania w Google DeepMind (GOOGL ), gdzie kieruje zespołami skupionymi na zapewnieniu, że systemy AI pozostają wyrównane z ludzkimi celami i wartościami, gdy ich możliwości kontynuują rozwój.

Obecnie jej praca kontynuuje kształtowanie rozwoju bezpieczniejszych i bardziej kompatybilnych z ludźmi systemów AI, łącząc postępy w uczeniu maszynowym, robotyce i interakcji człowieka z komputerem, aby uczynić technologie inteligentne bardziej interpretowalnymi, kontrolowanymi i korzystnymi dla społeczeństwa.

7. Raia Hadsell

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

Raia Hadsell odegrała ważną rolę w rozwoju uczenia wzmocnionego i ciągłego. W DeepMind pomogła rozwijać algorytmy, które pozwalają systemom AI uczyć się ciągle z doświadczenia, zamiast ponownie szkolić z podstawowych, ustalonych zbiorów danych, rozwiązując jeden z centralnych wyzwań w budowaniu adaptacyjnych agentów inteligentnych.

Uczenie ciągłe jest niezbędne dla systemów AI i robotyki w środowiskach rzeczywistych, gdzie środowiska ewoluują, a maszyny muszą adaptować się, zachowując wcześniej nabyte wiadomości. Badania Hadsell koncentrowały się na pokonywaniu problemów, takich jak katastroficzne zapominanie, umożliwiając sieciom neuronowym akumulowanie umiejętności w czasie, zamiast tracić wcześniej nabyte zdolności podczas nauki nowych zadań.

Jej praca również przyczyniła się do postępów w inteligencji zagnieżdżonej, gdzie roboty i agenci autonomiczni uczą się poprzez interakcję ze środowiskiem, a nie statyczną nadzorowaną naukę. Łącząc uczenie wzmocnione, uczenie reprezentacji i podejścia inspirowane neurologią, pomogła rozwinąć systemy, które mogą nawigować w złożonych środowiskach i uogólniać zadania.

Hadsell dołączyła do DeepMind w 2014 roku i od tego czasu kierowała zespołami badawczymi skupionymi na uczeniu przez całe życie i nawigacji robotycznej, przyczyniając się do podstawowych technik, takich jak destylacja polityki i postępujące sieci neuronowe, które umożliwiają transfer wiedzy między zadaniami.

Obecnie, jako starszy lider badawczy w Google DeepMind, Hadsell kontynuuje koncentrowanie się na architekturach uczenia przez całe życie i skalowalnych systemach AI zagnieżdżonej, które mogą działać w dynamicznych środowiskach rzeczywistych.

8. Ayanna Howard

Photo: Rob Felt / Georgia Institute of Technology

Ayanna Howard’s praca skupiła się na robotyce asystującej i projektowaniu AI ukierunkowanym na ludzi. Jej badania koncentrowały się na budowaniu systemów robotycznych, które wspierają dzieci z wyzwaniami rozwojowymi, w tym technologie terapeutyczne i edukacyjne zaprojektowane, aby pomóc dzieciom z specjalnymi potrzebami rozwijać umiejętności motoryczne i poznawcze.

We wczesnej karierze Howard pracowała jako badaczka robotyki w Jet Propulsion Laboratory NASA, gdzie przyczyniła się do autonomicznych systemów robotycznych używanych w eksploracji planetarnej, w tym technologii zaprojektowanych dla misji na Marsa.

Później przeszła do akademii i przywództwa, zakładając Laboratorium Systemów Człowieka-Automatu na Georgia Tech i uruchamiając Zyrobotics, startup skupiony na tworzeniu narzędzi edukacyjnych i terapeutycznych zasilanych przez AI dla dzieci o różnorodnych potrzebach edukacyjnych.

W 2021 roku Howard została dziekanem Wydziału Inżynierii na Uniwersytecie Stanu Ohio, stając się pierwszą kobietą na tym stanowisku. Kontynuuje kształtowanie przyszłości edukacji inżynierskiej, jednocześnie rozwijając badania w interakcji człowieka z robotem, bezpieczeństwie AI i projektowaniu technologii inkluzywnych.

Obecnie praca Howard obejmuje badania, przedsiębiorczość i politykę, ze szczególnym uwzględnieniem zapewnienia, że robotyka i sztuczna inteligencja są projektowane, aby poprawić jakość życia i rozszerzyć równy dostęp do technologii wschodzących.

9. Rana el Kaliouby

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

Rana el Kaliouby była pionierką AI emocjonalnej poprzez swoją pracę w Affectiva, spin-offie MIT Media Lab, której była współzałożycielką, aby wprowadzić inteligencję emocjonalną do systemów cyfrowych. Firma opracowała technologię zdolną do analizy wyrażeń twarzy i sygnałów głosowych, aby wykryć ludzkie emocje w skali, pomagając rozszerzyć percepcję maszyn poza obiekty i mowę do ludzkiej afektywności.

Rozpoznawanie emocji ma zastosowania w różnych branżach, w tym w bezpieczeństwie samochodowym, analizie mediów, opiece zdrowotnej i interakcji człowieka z komputerem. Technologia Affectiva została szeroko przyjęta przez duże firmy przed przejęciem przez Smart Eye w 2021 roku, co stanowiło ważny kamień milowy w komercjalizacji AI emocjonalnej.

Po przejęciu el Kaliouby przesunęła swój focus ku inwestowaniu i mentorowaniu w ekosystemie AI. Jest teraz współzałożycielką i partnerem generalnym Blue Tulip Ventures, wczesnej firmy venture, która koncentruje się na wspieraniu startupów budujących technologie AI ukierunkowane na ludzi.

Obecnie el Kaliouby pozostaje wiodącym głosem w AI emocjonalnej, opowiadając się za wdrożeniem etycznym, różnorodnością w rozwoju AI i technologiami, które wzmacniają relację między ludźmi a maszynami.

10. Mira Murati

Photo: OpenAI via AP

Mira Murati odegrała kluczową rolę w skalowaniu AI generatywnej do globalnego przyjęcia podczas swojego stanowiska jako Chief Technology Officer w OpenAI. Po dołączeniu do firmy w 2018 roku i objęciu stanowiska CTO w 2022 roku, pomogła poprowadzić rozwój i wydanie przełomowych systemów, takich jak ChatGPT, DALL-E i rodzina modeli GPT-4 – technologie, które dramatycznie przyspieszyły publiczne i przedsiębiorcze przyjęcie AI generatywnej.

Przywództwo Murati mostkuje badania na najwyższym poziomie i wdrożenie produktu, zapewniając, że zaawansowane modele są dostępne dla deweloperów, firm i konsumentów na całym świecie.

W wrześniu 2024 roku Murati opuściła OpenAI po ponad sześciu latach w firmie, aby podjąć nowe projekty i zbadać następną fazę rozwoju AI.

W 2025 roku założyła Thinking Machines Lab, startup AI, który koncentruje się na budowaniu bardziej zdolnych i dostosowalnych systemów AI oraz na rozwoju multimodalnego AI, które może współdziałać z użytkownikami przez język, wizję i inne modality.

Obecnie Murati kontynuuje wpływ na kierunek AI poprzez swoją pracę w Thinking Machines Lab, gdzie buduje narzędzia mające na celu uczynienie zaawansowanych systemów AI bardziej zrozumiałymi, dostosowalnymi i potężnymi dla deweloperów i organizacji na całym świecie.

Wszystkie te kobiety reprezentują wyjątkowy przekrój podstawy intelektualnej nowoczesnego AI i robotyki. Ich praca obejmuje podstawowe zestawy danych, uczenie wzmocnione, interakcję człowieka z robotem, zarządzanie etyczne i rozwój systemów generatywnych. Wiele technologii, które obecnie transformują branże, można bezpośrednio odnieść do przełomów prowadzonych przez te badaczki i inżynierki.

Jednocześnie podkreślanie ich wkładu przypomina o czymś równie ważnym: pole jeszcze potrzebuje znacznie więcej kobiet, które kształtują jego kierunek. Sztuczna inteligencja szybko staje się jedną z najbardziej doniosłych technologii kiedykolwiek opracowanych. Systemy projektowane dzisiaj wpłyną na to, w jaki sposób funkcjonują społeczeństwa, jak ewoluują gospodarki i jak ludzie współdziałają z inteligentnymi maszynami.

Zapewnienie, że te systemy odzwierciedlają różnorodne perspektywy, nie jest tylko kwestią sprawiedliwości. Jest to kwestia budowania lepszej technologii.

Kobiety na tej liście pokazują, jak potężny może być ten wpływ. Ich praca nie tylko przesunęła granice badań AI, ale także rozszerzyła dyskusję na temat tego, w jaki sposób te technologie powinny być budowane i komu powinny służyć. Podczas gdy dziedzina kontynuuje ewolucję, następne pokolenie kobiet wkraczających w AI odegra równie krytyczną rolę w kształtowaniu przyszłości, w której systemy inteligentne odzwierciedlają pełną różnorodność ludzkiego doświadczenia.