10 самых влиятельных женщин в области ИИ и робототехники, меняющих будущее

Искусственный интеллект и робототехника больше не являются экспериментальными областями, ограниченными исследовательскими лабораториями. Они формируют экономику, переопределяют отрасли и влияют на повседневную жизнь в глобальном масштабе. За многими из наиболее важных прорывов стоят женщины, чья работа фундаментально изменила, как разрабатываются, обучаются, управляются и развертываются интеллектуальные системы.

Этот список подчеркивает десять наиболее влиятельных женщин в области ИИ и робототехники сегодня. Это исследователи, инженеры и технические лидеры, чьи вклады распространяются далеко за пределы их должностей – женщины, чья работа изменила траекторию машинного обучения, воплощенного интеллекта и человеко-ориентированного ИИ.

1. Доктор Фэй-Фэй Ли

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

Доктор Фэй-Фэй Ли – один из основателей современного компьютерного зрения. Как создатель ImageNet, она возглавила усилия по созданию крупномасштабной помеченной базы данных, которая зажгла революцию глубокого обучения. ImageNet предоставила обучающую основу, которая позволила нейронным сетям значительно превзойти предыдущие методы компьютерного зрения, ускорив прорывы в области распознавания объектов, медицинской визуализации, робототехники и автономных систем.

Ее академические вклады в Стэнфордском университете помогли формализовать компьютерное зрение как центральный столп исследований ИИ. Объединив подходы, вдохновленные нейробиологией, с системами глубокого обучения, она помогла сдвинуть ИИ от логических правил к масштабному распознаванию образов.

За пределами технических достижений доктор Ли последовательно отстаивала человеко-ориентированный ИИ. Она утверждает, что системы интеллекта должны быть построены с учетом этических гарантий, справедливости и благосостояния общества.

Она также служила в консультативных органах, которые сформировали национальную стратегию ИИ в Соединенных Штатах, помогая обеспечить, чтобы инновации соответствовали демократическим ценностям и гражданским свободам.

Сегодня доктор Ли продолжает возглавлять исследования в Стэнфордском институте человеко-ориентированного ИИ, фокусируясь на пространственном интеллекте, воплощенном ИИ и обеспечивая, чтобы продвинутые системы усиливали человеческие способности, а не заменяли их. Ее работа все больше исследует, как ИИ может взаимодействовать безопасно в реальных средах, мостя разрыв между восприятием и действием.

Доктор Ли также хроникализирует свое замечательное путешествие в своей мемуарах Миры, которые я вижу, где она размышляет о своем пути от иммиграции в Соединенные Штаты в качестве подростка до становления пионером современного ИИ. Книга предоставляет редкий взгляд за кулисы создания ImageNet и ранних прорывов, которые помогли запустить революцию глубокого обучения.

2. Синтия Брейзел

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

Синтия Брейзел широко признана как пионер социальной робототехники. В лаборатории MIT Media Lab она разработала Kismet, одного из первых роботов, способных интерпретировать и выражать эмоции. Эта работа помогла запустить область социальной робототехники и заложила основу для эмоционально-отзывчивых машин и аффективных вычислений.

Ее исследования переопределили робототехнику, сместив фокус с промышленной автоматизации на социальное взаимодействие. Вместо того, чтобы строить машины, которые просто выполняют задачи, Брейзел исследовала, как роботы могут общаться с людьми, строить доверие и реагировать на человеческие социальные сигналы.

Она позже соосновала Jibo, стартап, который разработал одного из первых потребительских социальных роботов, предназначенных для домашних сред. Хотя коммерческий путь Jibo был сложным, проект представлял собой значительный этап в продвижении социально-интеллектуальной робототехники в повседневную жизнь.

Влияние Брейзел распространяется глубоко в образование и здравоохранение, где машины должны понимать тонкие человеческие сигналы, чтобы служить эффективными компаньонами, преподавателями и помощниками.

Сегодня она продолжает возглавлять группу личных роботов в лаборатории MIT Media Lab и инициирует проекты, ориентированные на образование и грамотность ИИ. Ее текущая работа исследует, как социально-интеллектуальные системы ИИ и роботы могут поддерживать обучение, благополучие и долгосрочные отношения между человеком и ИИ.

3. Тимнит Гебру

Фото: TechCrunch / CC BY 2.0 / Wikimedia Commons

Тимнит Гебру была одним из наиболее последовательных голосов в области этики ИИ. Ее ранние исследования раскрыли предвзятость в системах распознавания лиц, выявив значительные расхождения в точности по расовому и гендерному признаку. Широко цитируемое Исследование Gender Shades продемонстрировало, что коммерческие системы работали гораздо хуже на темнокожих женщинах, чем на светлокожих мужчинах, что привело к более широкому переоценению того, как системы ИИ обучаются и оцениваются.

Она также стала соавтором влиятельных исследований, изучающих риски крупномасштабных языковых моделей, включая их экологическое воздействие, встроенную предвзятость и отсутствие прозрачности. Эта работа помогла сдвинуть разговор вокруг разработки ИИ, побуждая область учитывать не только показатели производительности, но и социальные и экологические последствия масштабирования систем ИИ.

В 2021 году Гебру основала Институт распределенных исследований ИИ (DAIR), независимую исследовательскую организацию, посвященную изучению ИИ вне влияния крупных технологических компаний. Институт фокусируется на общественных исследованиях и подчеркивает глобальное участие в формировании будущего ИИ.

Ее адвокация повлияла на нормативные дебаты, отраслевые стандарты и более широкие обсуждения вокруг ответственной разработки ИИ.

Сегодня Гебру продолжает фокусироваться на подотчетности алгоритмов, правах на труд с данными и динамике власти, встроенной в разработку ИИ. Ее работа все больше исследует, как системы ИИ влияют на маргинализированные сообщества и как рамки управления могут быть укреплены для обеспечения более справедливых и прозрачных систем ИИ во всем мире.

4. Дафна Коллер

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

Дафна Коллер – пионер в области вероятностных графических моделей, которые позволяют машинам рассуждать под неопределенностью. Ее академическая работа фундаментально сформировала, как системы ИИ представляют сложные зависимости в реальных данных и помогла установить вероятностное моделирование как основной подход в современном машинном обучении.

Она соосновала Coursera, одну из крупнейших онлайн-платформ обучения в мире, помогая демократизировать доступ к образованию в области ИИ и компьютерных наук для миллионов учащихся во всем мире.

Коллер позже сместила фокус на биотехнологии, основав Insitro для применения машинного обучения к открытию лекарств. Объединив крупномасштабные биологические наборы данных с прогностическим моделированием, компания стремится трансформировать, как разрабатываются терапии.

Ее работа представляет собой один из наиболее ярких примеров перехода ИИ из цифровых систем в области жизни, где машинное обучение может ускорить научные открытия.

Сегодня Коллер продолжает возглавлять исследования Insitro в области ИИ-ориентированного фармацевтического развития, интегрируя геномику, высокопроизводительную биологию и машинное обучение для ускорения клинических трубопроводов и повышения успеха разработки лекарств.

5. Джой Буоламвини

Фото: Taylordw, CC0, via Wikimedia Commons

Джой Буоламвини провела прорывные исследования, обнаружив расовую и гендерную предвзятость в системах распознавания лиц, используемых крупными технологическими компаниями. Ее результаты показали, что ошибки для темнокожих женщин были значительно выше, чем для светлокожих мужчин, раскрывая, как данные для обучения и проектирование системы могут встроить дискриминацию в широко используемые технологии ИИ.

Исследование помогло запустить глобальный дебат вокруг предвзятости алгоритмов, что привело к повышению контроля над системами распознавания лиц и способствовало политическим дискуссиям вокруг ответственного развертывания ИИ.

Буоламвини основала Лигу алгоритмической справедливости, чтобы продвигать подотчетность и справедливость в системах ИИ. Через организацию она работала над продвижением аудита алгоритмов, осведомленности общественности и отраслевых стандартов, направленных на снижение вредной предвзятости в автоматизированном принятии решений.

Ее работа мостит исследования, адвокацию и общественное взаимодействие. За пределами академических исследований она привлекла внимание к социальным последствиям ИИ через публичные выступления, участие в политике и творческую работу, исследующую связь между технологией и гражданскими правами.

В последние годы Буоламвини расширила свое влияние через написание и общественную адвокацию, включая ее бестселлер Unmasking AI, который исследует, как системы алгоритмов могут кодировать дискриминацию и почему более сильный контроль и инклюзивное проектирование необходимы.

Сегодня Буоламвини продолжает формировать глобальные разговоры вокруг управления ИИ, фокусируясь на аудите алгоритмов, нормативных рамках и обеспечивая, чтобы системы ИИ тестируются на разнообразных популяциях до развертывания.

6. Анка Драган

Фото: Constructor University

Анка Драган – ведущий исследователь в области выравнивания ИИ и взаимодействия человека и робота. Ее ранние академические работы в UC Berkeley фокусировались на том, чтобы позволить роботам выводить человеческие намерения и сотрудничать безопасно с людьми, разрабатывая алгоритмы, которые позволяют машинам рассуждать о человеческом поведении и реагировать предсказуемым и кооперативным образом.

Она работала обширно над выводом намерений, кооперативным планированием и техниками, которые позволяют автономным системам учиться на человеческой обратной связи, а не полагаться на жесткие предопределенные цели. Ее исследования помогли продвинуть роботов и системы ИИ, которые могут работать рядом с людьми в средах, варьирующихся от автономных транспортных средств до робототехники-ассистента.

Работа Драган решает одну из наиболее критических проблем в современном ИИ: обеспечение того, чтобы интеллектуальные системы оптимизировались для того, чего люди действительно хотят, а не для узко определенных технических целей. Ее исследования по выравниванию ценностей, сотрудничеству человека и ИИ и интерпретируемому принятию решений повлияли как на робототехнику, так и на более широкие дискуссии вокруг безопасности ИИ.

Помимо академической работы, Драган в настоящее время служит руководителем отдела безопасности и выравнивания ИИ в Google DeepMind (GOOGL ), где она возглавляет команды, фокусирующиеся на обеспечении того, чтобы передовые системы ИИ оставались выровнены с человеческими целями и ценностями, поскольку их возможности продолжают развиваться.

Сегодня ее работа продолжает формировать разработку более безопасных и совместимых с человеком систем ИИ, объединяя достижения в машинном обучении, робототехнике и взаимодействии человека и компьютера, чтобы сделать интеллектуальные технологии более интерпретируемыми, контролируемыми и полезными для общества.

7. Раия Хадселл

Раия Хадселл выступает на TEDxExeterSalon 2017_05” by TEDxExeter, CC BY-NC-ND 2.0

Раия Хадселл сыграла основную роль в продвижении обучения с подкреплением и непрерывного обучения. В DeepMind она помогла разработать алгоритмы, которые позволяют системам ИИ учиться непрерывно из опыта, а не переобучаться с нуля на фиксированных наборах данных, решая одну из центральных проблем в построении адаптируемых интеллектуальных агентов.

Непрерывное обучение имеет решающее значение для реальных робототехнических и систем ИИ, где среды эволюционируют, а машины должны адаптироваться, сохраняя ранее приобретенные знания. Исследования Хадселл фокусировались на преодолении проблем, таких как катастрофическое забывание, позволяя нейронным сетям накапливать навыки с течением времени, а не терять ранее приобретенные способности при обучении на новых задачах.

Ее работа также внесла вклад в прогресс в области воплощенного интеллекта, где роботы и автономные агенты учатся через взаимодействие с окружающей средой, а не через статическое наблюдение. Объединив обучение с подкреплением, обучение представлений и подходы, вдохновленные нейробиологией, она помогла продвинуть системы, которые могут ориентироваться в сложных средах и обобщать задачи.

Хадселл присоединилась к DeepMind в 2014 году и с тех пор возглавляла исследовательские команды, фокусирующиеся на обучении в течение всей жизни и робототехнической навигации, внося вклад в фундаментальные методы, такие как дистилляция политики и прогрессивные нейронные сети, которые позволяют передавать знания между задачами.

Сегодня, как старший исследовательский лидер в Google DeepMind, Хадселл продолжает фокусироваться на архитектурах обучения в течение всей жизни и масштабируемых воплощенных системах ИИ, которые могут работать в динамических реальных средах.

8. Аянна Ховард

Фото: Rob Felt / Georgia Institute of Technology

Работа Аянны Ховард сосредоточена на робототехнике-ассистенте и человеко-ориентированном проектировании ИИ. Ее исследования фокусировались на построении робототехнических систем, поддерживающих детей с развитием проблем, включая технологии терапии и образования, предназначенные для помощи детям с особыми потребностями в развитии двигательных и когнитивных навыков.

Ранее в своей карьере Ховард работала в качестве исследователя робототехники в лаборатории реактивного движения NASA, где она внесла вклад в автономные робототехнические системы, используемые для планетарного исследования, включая технологии, разработанные для миссий на Марс.

Она позже перешла в академию и лидерство, основав лабораторию систем человека и автоматизации в Georgia Tech и запустив Zyrobotics, стартап, ориентированный на разработку инструментов ИИ для детей с разнообразными потребностями в обучении.

В 2021 году Ховард стала деканом факультета инженерии в Университете штата Огайо, став первой женщиной, возглавившей учреждение. В этой роли она продолжает формировать будущее инженерного образования, продвигая исследования в области взаимодействия человека и робота, безопасности ИИ и инклюзивного проектирования технологий.

Сегодня работа Ховард охватывает исследования, предпринимательство и политику, с фокусом на обеспечении того, чтобы робототехника и ИИ были разработаны для улучшения качества жизни и расширения равного доступа к новым технологиям.

9. Рана эль Калиуби

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

Рана эль Калиуби проложила путь в области эмоционального ИИ через свою работу в Affectiva, спин-оффе MIT Media Lab, который она соосновала, чтобы ввести эмоциональный интеллект в цифровые системы. Компания разработала технологию, способную анализировать выражения лица и вокальные сигналы для обнаружения человеческих эмоций в масштабе, помогая расширить восприятие машин за пределы объектов и речи в область человеческих эмоций.

Распознавание эмоций имеет применения в различных отраслях, включая безопасность автомобилей, медиа-аналитику, здравоохранение и взаимодействие человека и компьютера. Технология Affectiva была широко принята крупными компаниями до того, как фирма была приобретена Smart Eye в 2021 году, что стало значительным этапом в коммерциализации эмоционального ИИ.

После приобретения эль Калиуби сместила фокус на инвестиции и наставничество в экосистеме ИИ. Она сейчас является сооснователем и генеральным партнером Blue Tulip Ventures, ранней стадии венчурной фирмы, ориентированной на поддержку стартапов, строящих человеко-ориентированные технологии ИИ.

Сегодня эль Калиуби остается ведущим голосом в области эмоционального ИИ, выступая за этичное развертывание, разнообразие в разработке ИИ и технологии, которые укрепляют связь между людьми и машинами.

10. Мира Мурати

Фото: OpenAI via AP

Мира Мурати сыграла центральную роль в масштабировании генеративного ИИ для глобального внедрения во время своего пребывания в качестве технического директора в OpenAI. После присоединения к компании в 2018 году и став техническим директором в 2022 году, она помогла возглавить разработку и выпуск знаковых систем, таких как ChatGPT, DALL-E и семейство моделей GPT-4 – технологии, которые драматически ускорили общественное и корпоративное внедрение генеративного ИИ.

Лидерство Мурати мостило передовые исследования и реальное развертывание продукта, обеспечивая, чтобы продвинутые модели были доступны разработчикам, бизнесу и потребителям во всем мире. Ее работа помогла сформировать, как крупномасштабные языковые модели и генеративные системы интегрируются в повседневные рабочие процессы различных отраслей.

В сентябре 2024 года Мурати покинула OpenAI после более чем шести лет работы в компании, чтобы заняться новыми проектами и изучить следующий этап развития ИИ.

В 2025 году она основала Thinking Machines Lab, стартап ИИ, ориентированный на построение более мощных и настраиваемых систем ИИ и продвижение мульти-модального ИИ, который может взаимодействовать с пользователями через язык, зрение и другие модальности.

Сегодня Мурати продолжает влиять на направление передового ИИ через свою работу в Thinking Machines Lab, где она строит инструменты, направленные на то, чтобы сделать продвинутые системы ИИ более широко понимаемыми, адаптируемыми и мощными для разработчиков и организаций во всем мире.

Вместе эти десять женщин представляют замечательный срез интеллектуальной основы современного ИИ и робототехники. Их работа охватывает фундаментальные наборы данных, обучение с подкреплением, взаимодействие человека и робота, этическое управление и подъем генеративных систем. Многие технологии, которые сейчас меняют отрасли, можно напрямую отнести к прорывам, возглавляемым этими исследователями и инженерами.

В то же время, подчеркивая их вклад, мы напоминаем о чем-то столь же важном: области все еще нужны многие больше женщин, формирующих ее направление. Искусственный интеллект быстро становится одной из наиболее значимых технологий, когда-либо разработанных. Системы, разрабатываемые сегодня, повлияют на то, как функционируют общества, как развиваются экономики и как люди взаимодействуют с интеллектуальными машинами.

Обеспечение того, чтобы эти системы отражали разнообразные точки зрения, не является просто вопросом справедливости. Это вопрос построения лучшей технологии.

Женщины в этом списке демонстрируют, насколько мощным может быть это влияние. Их работа не только продвинула границы исследований ИИ, но и расширила разговор вокруг того, как эти технологии должны быть построены и кому они должны служить. По мере эволюции области следующее поколение женщин, входящих в ИИ, сыграет столь же критическую роль в формировании будущего, где интеллектуальные системы отражают полное разнообразие человеческого опыта.