内容提要:尽管在科技领域,女性从业者的比例一直低于男性,但这丝毫不影响她们在科研方面发光发热,在 AI 领域亦是如此。近日,福布斯刊发了一篇文章,盘点了 8 位在 AI 领域带来卓越成就的女性,我们来共同见证她们的智慧与实力。
原创:HyperAI超神经
关键词:女性 AI 领导力
人工智能领域从业者男性远远多于女性,这是一个不争的事实。根据 Wired 和 Element AI 在 2018 年的研究,全球 AI 研究人员中,只有 12% 是女性。
但是数量上的弱势,并不代表女性在 AI 领域实力就会逊色。事实上,没有任何科学证据表明,女性与男性在计算机相关领域的天赋和能力有所不同。
如今,全球已经有许多杰出的女性,站在 AI 的最前沿,为推动 AI 的发展做出无可替代的贡献。她们也正在塑造人工智能的未来,还将成为下一代 AI 领军者的榜样。
近期,福布斯的 AI 专栏作家、创业投资公司 Highland Capital Partners 的风险投资专家 Rob Toews,撰文列举了当今人工智能领域里,八位具有代表性的女性领袖。AI 领域因为她们所贡献的力量,而有了很大的不同。
注:下文所介绍 AI 女性领袖,排名不分先后。
Joy Buolamwini 被称为「人工智能革命的良心」(the conscience of the AI revolution)。
她在麻省理工学院(MIT)读研究生时,在算法偏见方面的开创性工作,让世界开始关注面部识别系统中的种族和性别偏见问题。
正是因为她的的研究,亚马逊,微软和 IBM 在 2020 年都分别停止了面部识别产品的生产,并承认该技术尚不适合公众使用。
Buolamwini 的工作在纪录片《Coded Bias》中得到了重点介绍
Buolamwini 站在新兴运动的最前沿,验证并解决人工智能技术造成的社会影响,她通过其非营利算法正义联盟推动了这一运动。
Buolamwini 在反对算法偏差的斗争中说道:「当我在 2016 年开始讨论这一点时,它对于很多人来说,还是一个非常陌生的概念。但是到了今天,我一上网,就会看到关于 AI 系统带有偏见的新闻报道。人们现在才刚刚意识到问题存在的事实。当然,有了这个意识是好的,接下来就需要采取行动。这就是我们所处的阶段。」
从 SRI(国际斯坦福研究所)到 Google,从 Uber 到 NVIDIA,Claire Delaunay 在许多硅谷最具标志性的组织中,都担任过技术领导职务。她还是自动驾驶卡车初创公司奥托(Otto)的联合创始人兼工程负责人。
Delaunay 在 NVIDIA 任职期间,专注于构建工具和平台,以实现自动化设备的大规模部署。
她在谈到大公司和初创公司之间的权衡取舍时表示:「有些突破只能在大公司才能实现,而有些突破也只能在初创公司中实现。初创公司非常擅长解构事物,并实现跨越式的大飞跃。大公司则非常擅长巩固其突破性的成果,并建立强大的技术基础,实现未来的创新。」
Rana el Kaliouby 一直致力于使 AI 在情感上更加智能。她被认为是 Emotion AI (情感人工智能)领域的开拓者。
2009 年,她与麻省理工学院共同创立了初创公司 Affectiva,以开发能够理解人类情感的机器学习系统。如今,该公司的技术已被《财富》 500 强中 25% 的企业所使用,包括用于媒体分析,消费者行为研究和汽车用例(automotive use cases)。(我们也曾多次介绍过 Affectiva 的技术及应用案例,详情请见《女朋友生气了吗,算法比直男更懂她》。)
她在 2018 年被福布斯选为「美国科技女性 50 强」
Kaliouby 如此介绍她的大局观:「我一生的工作就是,在科技让我们失去人性之前,先让科技人性化。」
Daphne Koller 拥有着广泛的职业生涯,这也说明了,学术界与工业界之间的共生关系,这是人工智能领域一大标志性特征。
自 1995 年以来,Koller 一直担任斯坦福大学的教授,专注于机器学习。2012 年,她与斯坦福大学教授、AI 实验室负责人吴恩达,共同创立了教育科技初创公司 Coursera。如今,Coursera 已经是年营业额达 26 亿美元的教育科技巨头。
Koller 是麦克阿瑟奖学金获得者
(注:该奖俗称「天才奖」,是美国跨领域最高奖项之一)
Koller 迄今为止最雄心勃勃的事业,可能是她最新创立的公司。她于 2018 年创立了 insitro,该公司是一家应用机器学习来转变药物研发和发展的公司。成立仅仅两年,Insitro 已从 Andreessen Horowitz 等公司筹集了约 2.5 亿美元,并于近期宣布与 Bristol Myers Squibb 建立重要的商业合作伙伴关系。
Koller 对刚开始从事 AI 领域的小伙伴给出了如下建议:「选择一个真正重要的、真正有社会价值的人工智能应用,毕竟并非所有 AI 应用都是如此。然后投入艰苦的工作,去真正理解这个领域。我之所以能够建立 insitro,是因为我花了 20 年的时间学习生物学。目前,如果要我给年轻人推荐一个领域的话,可能会是能源和环境。」
很少有人像李飞飞一样,在 21 世纪为 AI 世界做出如此杰出的贡献。
她 1976 年出生于北京,长在四川,16 岁随父母移居美国新泽西州。作为一名年轻的普林斯顿大学教授,李飞飞在 2007 年提出并领导了 ImageNet 项目,该项目包含数百万个已标记图像的数据库。ImageNet 已经改变了整个 AI 的发展轨迹,这是业内人士有目共睹的。
ImageNet 背后的先见之明是,庞大的数据集(而不是特定的算法)将成为释放 AI 潜力的关键。当 AI 教父 Geoffrey Hinton 和团队,在 2012 年 ImageNet 竞赛中首次展示基于 ImageNet 训练的基于神经网络的模型时,现代深度学习时代就此诞生。
李飞飞之后成为斯坦福大学的终身教授,曾担任谷歌云 AI/ML 首席科学家,领导斯坦福大学 AI 实验室,加入 Twitter 董事会,共同创立了著名的非营利性组织 AI4ALL,并创立了斯坦福大学以人为本的 AI 研究所(HAI)。
李飞飞一直活跃在 AI 界,2018 年获得了「影响世界华人大奖」
在她担任的许多领导职务中,李飞飞不懈地倡导以更加包容、公平和人性化的方式来对待 AI。
李飞飞解释了为何 AI 多样性如此重要:「我们的技术与人类价值观并不是独立存在的。技术还代表了其背后进行设计、开发和应用的人类的价值观。因此,如果我们担心杀手机器人,那么我们真正应该担心的是技术的创造者。我们希望这项技术的创造者代表我们的价值观,代表我们共同的人性。」
Anna Patterson 在开发和部署人工智能产品方面有着杰出的成就,无论是在大型科技公司还是在初创公司。
Patterson 于 2004 年首次加入 Google,担任长期高管,她作为 Google 的工程副总裁,领导人工智能工作多年。
2017 年,她创立了 Google 的 AI 风险投资基金 Gradient Ventures,如今该基金主要投资早期阶段的 AI 创业公司。
Patterson 曾开发 Recall 搜索引擎技术,2004 年将其出售给 Google
Patterson 还是众多很有前景的 AI 初创公司的董事会成员,包括 Algorithmia,Labelbox 和 test.ai。她还是上市公司 Square 的董事会董事。
她在投资任何一家 AI 初创公司之前,都会问自己一个问题:「我自己是否也一直在思考他们的愿景和使命?」
Daniela Rus 是世界领先的机器人专家之一。她是麻省理工学院(MIT)教授,也是 MIT 计算机科学与人工智能实验室(CSAIL)的首位女性负责人。
CSAIL 是世界上最大,最负盛名的 AI 实验室之一,这也让她成为了这个传奇家族的一员:几十年来,CSAIL(及其前身实验室)的前任董事包括 AI 传奇人物 Marvin Minsky,JCR Licklider 和 Rodney Brooks。
Rus 的开创性研究在网络协作机器人(可以协同工作并相互交流的机器人)自我重配置机器人(可以自动更改其结构以适应环境的机器人)和软体机器人(没有刚性身体的机器人)方面取得了最新的进展。
DeepTech 和麻省理工科技评论曾报道的「抓取式」软体机器人、折纸机器人等重要论文与技术成就,都是由 Daniela Rus 和她的团队一起研发的
Rus 谈到了人们对人工智能的一个常见误解:「人们必须明白,AI 不过是一种工具。它和任何工具一样,从本质上讲并没有好坏之分,完全是我们决定使用它来做什么。我相信,我们可以使用 AI 做出非常积极的事情,但这似乎并不是必然的。」
Shivon Zilis 一直都供职于最前沿的几家 AI 公司的领导团队:OpenAI,Neuralink,Tesla 和 Bloomberg Beta。
她是 OpenAI 中最年轻的董事会成员,在 Neuralink(伊隆·马斯克牵头创办的脑机接口公司),Zilis 在 CEO 办公室负责高优先级的战略计划。
Shivon Zilis 出生于 1987 年,毕业于耶鲁大学,曾在 2015 年入选福布布斯 30 岁以下精英榜(共 30 位)
Zilis 谈到她对新技术开发的态度:「如今,『建造护城河』的概念经常出现,这令我感到惊讶。如果你认为自己正在构建的技术对整个世界都有利,那不是应该把注意力集中在尽可能快地扩展你的技术树上吗?为什么反而是要放慢速度并分散资源,去阻碍其他人的进步呢?」
作为 AI 领域的 8 位代表性人物,她们让世界看到,女性正在为人工智能领域贡献出不可忽视的力量。
如今,女性力量也正在觉醒,无论国内外,越来越多的 AI 峰会、论坛,都开始专设「女性专题」,号召人们关注女性开发者、研究者。
科研不分男女,性别的多元化也将帮助消除技术中所存在的偏见。尽管现在 AI 界从业者依然是男多女少的局面,但相信这个比例终将有平衡的一天。
资料来源:
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。