10 найвпливовіших жінок у сфері ШІ та робототехніки, які змінюють майбутнє

Штучний інтелект і робототехніка вже не є експериментальними галузями, обмеженими дослідницькими лабораторіями. Вони формують економіки, перевизначають галузі та впливають на повсякденне життя в глобальному масштабі. За багатьма з найважливіших проривів стоять жінки, чия робота фундаментально змінила те, як проектується, навчається, регулюється та впроваджується інтелектуальні системи.

Цей список висвітлює десять найвпливовіших жінок у сфері ШІ та робототехніки сьогодні. Це дослідниці, інженерки та технічні лідери, чий внесок виходить далеко за межі посадових назв — жінки, чия робота переформатувала траєкторію машинного навчання, втіленого інтелекту та орієнтованого на людину ШІ.

1. Доктор Фей-Фей Лі

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

Доктор Фей-Фей Лі є однією з фундаментальних архітекторок сучасного комп’ютерного зору. Як авторка ImageNet, вона очолила зусилля зі створення великомасштабного розміченого набору даних, який запалив революцію глибокого навчання. ImageNet забезпечив основу для навчання, яка дозволила нейронним мережам значно перевершити попередні методи комп’ютерного зору, прискоривши прориви в розпізнаванні об’єктів, медичній візуалізації, робототехніці та автономних системах.

Її академічний внесок у Стенфордському університеті допоміг формалізувати комп’ютерний зір як центральну опору досліджень ШІ. Поєднуючи підходи, натхненні нейронаукою, із системами глибокого навчання, вона допомогла змістити ШІ від логіки, заснованої на правилах, до масштабованого розпізнавання шаблонів.

Окрім технічних досягнень, доктор Лі послідовно відстоює орієнтований на людину ШІ. Вона стверджує, що інтелектуальні системи мають будуватися з урахуванням етичних гарантій, міркувань справедливості та суспільного добробуту. Її робота вплинула як на академічні дослідницькі програми, так і на публічні політичні дискусії навколо відповідального ШІ.

Вона також працювала в консультативних органах, які формували національну стратегію ШІ в Сполучених Штатах, допомагаючи забезпечити, щоб інновації відповідали демократичним цінностям і громадянським свободам.

Сьогодні доктор Лі продовжує очолювати дослідження в Стенфордському інституті людяного ШІ, зосереджуючись на просторовому інтелекті, втіленому ШІ та забезпеченні того, щоб передові системи доповнювали людські можливості, а не замінювали їх. Її робота все більше досліджує, як ШІ може безпечно взаємодіяти в реальних середовищах, зменшуючи розрив між сприйняттям і дією.

Доктор Лі також розповідає про свою видатну подорож у своїй мемуарній книзі The Worlds I See, де вона роздумує про свій шлях від імміграції до Сполучених Штатів у підлітковому віці до того, щоб стати піонеркою сучасного ШІ. Книга дає рідкісний закулісний погляд на створення ImageNet та ранні прориви, які допомогли запустити революцію глибокого навчання.

2. Синтія Брізейл

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

Синтію Брізейл широко вважають піонеркою соціальної робототехніки. У MIT Media Lab вона розробила Kismet, одного з найраніших роботів, здатних інтерпретувати та виражати емоції. Ця робота допомогла започаткувати галузь соціальної робототехніки та заклала основу для емоційно чутливих машин та афективних обчислень.

Її дослідження перевизначили робототехніку, змістивши фокус з промислової автоматизації на соціальну взаємодію. Замість того, щоб будувати машини, які просто виконують завдання, Брізейл досліджувала, як роботи можуть спілкуватися з людьми, будувати довіру та реагувати на соціальні сигнали людини.

Пізніше вона співзаснувала Jibo, стартап, який розробив одного з перших споживчих соціальних роботів, призначених для домашнього середовища. Хоча комерційний шлях Jibo був складним, проект став важливою віхою у впровадженні соціально інтелектуальної робототехніки в повсякденне життя.

Вплив Брізейл глибоко проникає в освітню та медичну робототехніку, де машини повинні розуміти тонкі людські сигнали, щоб бути ефективними компаньйонами, репетиторами та помічниками.

Сьогодні вона продовжує очолювати Personal Robots Group в MIT Media Lab та керує ініціативами, зосередженими на освіті та грамотності в галузі ШІ. Її поточна робота досліджує, як соціально інтелектуальні системи ШІ та роботи можуть підтримувати навчання, благополуччя та довгострокові стосунки людини з ШІ.

3. Тімніт Гебру

Photo: TechCrunch / CC BY 2.0 / Wikimedia Commons

Тімніт Гебру була одним з найбільш важливих голосів у галузі етики ШІ. Її раннє дослідження викрило упередженість у системах розпізнавання облич, виявивши значні розбіжності в точності за расою та статтю. Широко цитоване дослідження Gender Shades продемонструвало, що комерційні системи працюють набагато гірше на темношкірих жінках, ніж на світлошкірих чоловіках, що спричинило ширшу переоцінку того, як навчаються та оцінюються системи ШІ.

Вона також була співавторкою впливового дослідження, що вивчає ризики великих мовних моделей, включаючи їхній вплив на навколишнє середовище, вбудовану упередженість та брак прозорості. Ця робота допомогла змінити дискусію навколо розвитку ШІ, заохочуючи галузь розглядати не лише показники продуктивності, а й соціальні та екологічні наслідки масштабування систем ШІ.

У 2021 році Гебру заснувала Distributed AI Research Institute (DAIR), незалежну дослідницьку організацію, присвячену вивченню ШІ поза впливом великих технологічних компаній. Інститут зосереджується на дослідженнях, спрямованих спільнотою, та наголошує на глобальній участі у формуванні майбутнього ШІ.

Її адвокація вплинула на регуляторні дебати, галузеві стандарти та ширші дискусії про відповідальний розвиток ШІ.

Сьогодні Гебру продовжує зосереджуватися на алгоритмічній підзвітності, правах працівників даних та силових динаміках, вбудованих у розвиток ШІ. Її робота все більше досліджує, як системи ШІ впливають на маргіналізовані спільноти та як можна посилити рамки управління для забезпечення більш справедливих і прозорих систем ШІ у всьому світі.

4. Дафна Коллер

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

Дафна Коллер є піонеркою в галузі ймовірнісних графічних моделей, фреймворку, який дозволяє машинам міркувати в умовах невизначеності. Її академічна робота фундаментально сформувала те, як системи ШІ представляють складні залежності в реальних даних, і допомогла утвердити ймовірнісне моделювання як основний підхід у сучасному машинному навчанні.

Вона співзаснувала Coursera, одну з найбільших у світі платформ онлайн-навчання, допомагаючи демократизувати доступ до освіти в галузі ШІ та інформатики для мільйонів учнів у всьому світі.

Пізніше Коллер зосередила свою увагу на біотехнологіях, заснувавши Insitro для застосування машинного навчання у відкритті ліків. Поєднуючи великомасштабні біологічні набори даних із прогностичним моделюванням, компанія прагне трансформувати те, як відкриваються та розробляються терапії.

Її робота є одним із найяскравіших прикладів переходу ШІ від цифрових систем до наук про життя, де машинне навчання може прискорити наукові відкриття.

Сьогодні Коллер продовжує очолювати дослідження Insitro в галузі фармацевтичного розвитку на основі ШІ, інтегруючи геноміку, високопродуктивну біологію та машинне навчання для прискорення клінічних конвеєрів та підвищення успішності розробки ліків.

5. Джой Буоламуїні

Photo: Taylordw, CC0, via Wikimedia Commons

Новаторське дослідження Джой Буоламуїні викрило расову та гендерну упередженість у системах розпізнавання облич, які використовуються великими технологічними компаніями. Її висновки показали, що рівень помилок для темношкірих жінок був різко вищим, ніж для світлошкірих чоловіків, виявивши, як навчальні дані та дизайн системи можуть вбудовувати дискримінацію в широко впроваджені технології ШІ.

Дослідження допомогло розпалити глобальні дебати про алгоритмічну упередженість, призвівши до посиленого контролю за системами розпізнавання облич та сприяючи політичним дискусіям навколо відповідального впровадження ШІ.

Буоламуїні заснувала Algorithmic Justice League для просування підзвітності та справедливості в системах ШІ. Через організацію вона працювала над просуванням алгоритмічного аудиту, обізнаності громадськості та галузеви