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：