人物：「天空的另一半」：推進人工智慧研究的二十一位傑出女性

機器之心報道

眾所周知，人工智慧正在重塑這個世界，改變一切。但是人工智慧背後，那些走在最前沿的科學家和技術專家你也許並不不太了解。難以置信的突破往往來自不同領域有天才想法之人的合作，彙集各自獨特的背景、學科、技能觀點從而產生聚合效應。而這種全面而開放的思考方式在人工智慧領域更為重要，其發明創造的影響無所不在，且呈指數級增長。

這份名單收錄了人工智慧領域裡 21 位女性佼佼者，但並不全面。很多優秀女性正在這一領域貢獻著其價值，這遠非一篇文章所能涵蓋。文中列舉的這 21 位女性已經克服了個人和專業挑戰，取得了萬眾矚目的成果，並成為了其所在細分領域的領導者和榜樣，共同推動了人工智慧朝著變革世界的方向發展。我們很榮幸為讀者一一介紹她們。

李飛飛

谷歌雲人工智慧&機器學習首席科學家

「我們每個人都有責任確保人工智慧的參與者有一顆開放之心，」李飛飛強調說。

作為視覺領域裡的知名學者，李飛飛最近加入谷歌雲擔任人工智慧&機器學習首席科學家，希望達成 AI 民主化的使命。同時她繼續保留斯坦福副教授的職位，領導斯坦福人工智慧實驗室和視覺實驗室。自從在普林斯頓大學獲得物理學學士和在加州理工學院獲得電氣工程學博士學位以來，李飛飛已經在頂級期刊和會議上發表了超過 150 篇科學論文，並創建了包含 1500 萬圖像的資料庫 ImageNet，推動了深度學習與人工智慧的最新進展。

李飛飛指出，人工智慧的學界和業界只鎖定優秀人才和先進知識，這破解壞了該領域的生態多樣性，減少了創新和創造，使邊緣之人遭受了不公。她的公益項目 AI4ALL 會為遭受不公的團體提供人工智慧方面的 K-12 教育。

「技術是一把雙刃劍，因此善用科技是全人類的責任，而不僅僅是技術發現者的責任。我首先是人，然後才是一名人工智慧專家。」

Daphne Koller

Calico 實驗室首席計算官（Chief Computing Officer）

Daphne Koller 做了 18 年的斯坦福大學計算科學教授，在頂級科學期刊上發表超過 200 篇文章；由於其學術突破和突出的教育貢獻，她獲獎無數。隨後她聯合創辦了全球最大的在線教育平台 Coursera，而現在是 Calico 實驗室的首席計算官，Calico 是一家 Alphabet（谷歌母公司）旗下的研發公司，專註於衰老生物學的研究，希望通過人工干預延長壽命。

在她的所有跨學科成就之中，Koller 感到最自豪的是教育學生，幫助他們取得難以置信的成就，這其中包括那些在 Coursera 上學習人工智慧、機器學習和數據科學課程的學生。據報道，已完成 Coursera 課程的學生中 29% 的人已獲得了切實回報，比如開始新的職業。重要的是，對於那些來自發展中國家的學生，這一比例上升為 48%。

Cynthia Breazeal

Jibo 創始人兼首席科學家

作為社交機器人領域的知名先鋒者，Cynthia Breazeal 同時是麻省理工學院的一名副教授和 Jibo 的創始人兼首席科學家。她在 MIT 獲得了博士學位並建立了個人機器人研究組（Personal Robots Group），隨後她創建了社交機器人公司 Jibo，目前已獲得超過 8500 萬美元的投資。

儘管 Breazeal 的工作已為其贏得了諸多學術獎項、業界榮譽以及媒體關注，她還是不得不與上世紀 90 年代產生自某些人工智慧和機器人專家的懷疑論相抗爭。在那時，機器人被看做是物體和工業器具，而不是社交或可以交心的伴侶。她的第一款社交機器人 Kismet 就遭到了大眾媒體的不公平待遇，被斥為「毫無用處」。

Breazeal 從一個非常不同的視角質疑了這一成見：「我想要打造具有社交功能和情感智能的機器人，可以與人類協作相處。」在 2-5 年的時間裡，我看到社交機器人幫助家庭處理諸如教育、健康、老人看護、娛樂以及陪伴等一件件大事。Cynthia Breazeal 希望她的工作和影響可以激發其他人去創造不僅具備智能同時也富有情感的機器人。

Latanya Sweeney

哈佛大學政府與技術教授（Professor of Government and Technology）

作為哈佛大學政府與技術教授和哈佛大學數據隱私實驗室的主管，Latanya Sweeney 主要處理機器學習演算法和個人數據中在安全、隱私、偏見方面的挑戰。Sweeney 的研究已經暴露了在線廣告中的歧視：來自黑人社區的人的網路搜索具有高達 25% 的可能性將屈服於贊助商廣告的利益，這些廣告歪曲事實暗示黑人社區的人有過前科。作為《技術科學》主編時，她報道過 SAT 測試預備服務對占高比例的亞洲人收取 2 倍的費用，而不顧其實際收入。在美國基於種族、宗教、國籍或是性別的價格歧視是非法的；但是由於歧視的價格被包裹在了隱晦的演算法之中，所以電子商務的法律實施充滿了挑戰。

之前，Sweeney 是美國聯邦商務委員會的首席技術官。她在哈佛大學取得了計算機科學學士學位，並成為了第一個從麻省理工學院獲得計算機科學博士學位的黑人女性。

Andrea Frome

Clarifai 研究主管

Andrea Frome 起初並沒有打算成為一名頂級的人工智慧研究者。最初她是一名環境科學家，熱愛數據和建模，這促使她最後改變了想法，轉而攻讀伯克利大學的機器學習和計算機視覺博士學位。後來她入職谷歌，發表了有關多方式視覺分類系統的開創性研究論文，並推出了 Google Street View。

她解釋道：「解決超出學術領域並可產生實際影響力的問題總能給我帶來更大的滿足。在 Street View 的情況中，我們需要模糊人臉和牌照以保護隱私。提升精確度是一個十分實際的問題，除非解決了它，否則我們不會推出 Street View。」

現在，Frome 是領導性計算機視覺公司 Clarifai 的研究主管，她的最終目標是讓計算機以人類的方式理解視覺輸入，並對其周遭世界作出精確預測。

Rana el Kaliouby

Affectiva 聯合創始人

「人工智慧領域的傳統聚焦點是計算機智能，而不是社交或情感智能，」Rana el Kaliouby 解釋說，「然而情感智能的缺失將成為社會的一個巨大短板。」

El Kaliouby 出生於埃及開羅，成長在中東。當她開始在劍橋大學攻讀計算機科學博士學位的時候，人工情感智能鮮有人涉及。通過持續的熱情、辯護以及可證明的技術進步，el Kaliouby 定義了情感人工智慧這一領域，聯合創辦了 Affectiva 並擔任 CEO。Affectiva 的技術已被證明不僅可移植到自動化、市場調研、機器人、教育以及遊戲等產業上，還可以幫助自閉症兒童識別情緒以及非語言性社交暗示。一位母親看到自己的孩子帶上由 Affectiva 提供技術支持的 Google Glass 並學習第一次與其實現真正的眼神交流時，掉下了激動的淚水。

「未來的 3-5 年，我們的設備將具有情感意識，」el Kaliouby 預測說，「那時的機器可以識別你所有的情緒。」

Carol Reiley

Drive.ai 聯合創始人、總裁

Carol Reiley 直到作為大一新生學習工程專業才開始接觸編程。她發現與那些可能從十歲就開始編程的同學一起學習時會感到「極其困難」，幾次都差點放棄了。幸運的是她堅持了下來，並且還在霍普金斯大學相繼完成了計算機科學碩士和博士學業。

Carol Reiley 說：「若是回到 19 世紀，所有公司都需要僱傭一個電力 VP。因為電力在那時候是一個所有人都感興趣的新概念，但卻又很少人明確地知道它對世界會有怎樣的影響。這就像我們現在看 AI 一樣。」

現在她是 Drive.ai 的聯合創始人和總裁，Drive.ai 是由斯坦福大學的人工智慧實驗室創立，並專註於為自動駕駛汽車開發深度學習軟體的公司。儘管要和其他幾家巨頭競爭，但 Reiley 和她的團隊已經籌集到 1200 萬美元的 A 輪融資，並且也投放了幾輛無人車上路測試。

吳華

百度自然語言處理（NLP）團隊技術委員會主席

在百度的 7 年時間裡，技術主席吳華領導了一系列在自然語言處理（NLP）、對話系統和神經機器翻譯（NMT）方面的突破。她提出的神經機器翻譯多任務框架被《紐約時報》稱讚為是「開創性的（pathbreaking）」，並已被百度部署到了其翻譯產品中，供數億用戶使用。

Angelica Lim

軟銀機器人 R&D 部門，軟體開發經理

10 年前，Angelica Lim 在深度學習還沒有流行起來的時候就使用 Yann LeCun 的卷積神經網路打破了 Hotmail 的 CAPTCHA 系統。她甚至在遞歸編程語言 LISP 實現了這一點，只不過因為神經網路還不太流行，所以她並沒有發布的這一研究成果。

在京都大學讀碩士和博士期間，Lim 將神經科學和文化發展心理學與計算機科學相結合構建了一個可以「感知」的機器人。發展性機器人旨在於機器上構建類人學習的模式，而作為「發展性機器人（developmental robotics）」的先驅，Lim 解釋道幼兒將情感名稱和一組具體的生理和心理狀態鏈接起來構建物理表現。人類和機器人的學習都受到文化和照顧者的影響。

Lim 目前是軟銀機器人研發部門的機器人軟體開發經理，人形機器人 Pepper 的創造者。

Daniela Rus

MIT 計算機科學和人工智慧實驗室（CSAIL）主任

Daniela Rus 是 MIT 電子工程和計算機科學的教授，計算機科學和人工智慧實驗室（CSAIL）的主任，同時還是 CSAIL 分布式機器人實驗室的負責人。她以前還成立了 Dartmouth 機器人實驗室，該實驗室以自重構（self-reconfiguring）機器人的開創性工作而著名，而自重構機器人就是通過改變內部結構而適應不同的環境。

她解釋說：「我們最近的 3D 列印軟體機器人比通過傳統製造業打造的硬體機器人要安全、便宜和彈性。」軟體機器人的靈活結構使它們能夠輕易地改變方向和收縮到一個緊密的點。能使用 3D 列印同樣也大大降低了製造門檻。

「使用簡單的日常材料如紙或塑料，我們可以製造實際走出印表機的功能性機器人。」

Ayse Naz Erkan

Staff 數據科學家，推特

Ayse Naz Erkan 出生在土耳其伊斯坦布爾，2004 年前往美國，在紐約大學科朗研究所攻讀計算機科學博士學位。在 Yann LeCun 實驗室從事深度學習的越野自動駕駛機器人導航的應用研究，還在馬普生物控制論研究所從事半監督學習研究，隨後以早期工程師的身份加入了一家科技創業公司。

Erkan 這樣形容早期創業公司經歷對她的影響：「不可思議地改變了她的人生，」她變得更加擅於解決問題，也更加實用主義。現在，她領導著推特的內容理解與應用深度學習團隊，5 年半之前，推特收購了她所在的那家創業公司，旨在讓社交網路更加安全。

Erkan 說，「利用推特的數據研究仇恨言論和語言暴力很讓人興奮，」「特別是可以站在一線見證機器學習如何正在影響公共溝通設計。」

Jane Wang

研究科學家，Google DeepMind

Jane Wang 最初是一名應用物理學家，研究如何為大腦記憶系統的複雜網路動力學建模，在西北大學做博士後期間涉足實驗認知神經科學。兩年前加入 DeepMind，她的非機器學習背景使得她能夠使用一組獨特的工具和視角來解決最難的人工智慧問題。她說，「提出關於大腦如何運行的理論，作為可以解決類似複雜任務的強大深度強化學習模型，這很讓人興奮。」

Caroline Galleguillos

機器學習工程師，Thumbtack

Carolina Galleguillos 出生在智利的聖地亞哥。以優異的成績畢業於智利大學的計算機工程與科學專業，獲得了一項去矽谷實習的政府獎學金，她也因此在加州大學聖地亞哥分校完成了計算機科學博士學位。她的整個學術生涯在主要計算機視覺會議上發表過演講，2007 年、2008 年榮獲 IGERT NSF 獎學金。

Carolina Galleguillos 已經為諸如谷歌、惠普、本田以及 Thumbtack 這樣的巨頭開發過計算機視覺以及機器學習演算法。但是，讓她特別感到驕傲的是她在 SET Media 建立和訓練出來的人工智慧團隊。儘管資源有限，但是正是這個團隊帶來的產品機器學習系統成為公司在 2014 年被 Conversant 收購的關鍵因素。

Devi Parikh

訪問研究科學家，FAIR（機器之心：2017 IJCAI 計算機與思想獎迎來女性獲獎者 Devi Parikh）

Devi Parikh 是喬治亞理工學院交互計算學院的助理教授，也是 FAIR 訪問研究員。在卡內基·梅隆獲得電子和計算機工程碩士、博士學位後，她已經在頂尖研究實驗室擁有多個訪問職位並將一些榮譽收入囊中，比如 2017 年 IJCAI 計算機和思想獎，也是「35 歲以下人工智慧研究人員的總理獎。」

她最自豪自己在視覺問答（VQA）領域的研究，這個領域處在計算機視覺與自然語言處理交叉部分。她強調說，「通過公開我們的大型數據集和系統，就能讓全世界的研究團隊在搭建視覺內容方面的自動應答機器方面取得重要進展。」這種技術可以輔助視覺受損人員，還能在不支持圖片傳輸的低帶寬網路中傳輸信息。

VQA 領域的進展也能提升現有產品體驗。「我們會看到，越來越多的對話代理——如果是個人助理或聊天機器人的話——具有視覺智能，能夠看到或者增強現實體驗。」

Marie desJardins

馬里蘭大學巴爾的摩分校（UMBC）計算機科學教授

在人工智慧領域，推動 Marie desJardins 的問題一直是大的宏觀問題，而不是狹窄的技術應用問題。她的伯克利博士學位論文研究的就是「目標驅動下的機器學習」，她在論文中設計出了智能體能用來進行推論（這是什麼）以及如何學習的方法。現在，她是馬里蘭大學巴爾的摩分校的教授和副院長，已經發表了 120 多篇科學論文，教學工作也獲得不少榮譽，但是她和研究生在多智能體系統自組織和信任方面的研究也同樣讓她引以為傲。

當 Marie desJardins 開始自己的職業生涯時，人工智慧和計算產業已經吸引了更多樣、多領域人才。隨著時間的推移，她發現學術會議「越來越只關注一個子問題（監督分類學習），很少歡迎其他子領域（比如積極學習、goal-directed 問題，應用學習以及認知學習等），」她對此表示擔憂，這種現象會惡化人工智慧領域的多樣性鴻溝。她發現，「我們已經看到對更加符號、基於表徵的研究進路的反思，」「我認為，最終會建造出更多彌合數值進路和符號進路鴻溝的橋樑，並創造出兼具兩家之長的分層架構。」

Rachel Thomas

聯合創始人，Fast.ai

從杜克大學獲得數學博士學位後，Rachel Thomas 在 Uber 擔任過數量金融分析師、數據科學家和後端工程師，舊金山大學分析大師項目教授。現在，她是舊金山大學數據研究院的入駐研究院，也是 Fast.ai 的聯合創始人，這是一家讓世界各地的人們都可以接觸到實用深度學習的組織。她的學生充分利用自身所學知識降低印度農民自殺率，幫助視力受損人員，治癒帕金森疾病。

幾年前，當她剛開始研究深度神經網路時，那時還沒有在線資源。她發現，「這個領域的每個人似乎都在相同的 4 位導師指導下完成博士學位，沒有人共享過有用的信息。」為了解決這個問題，她和人一起製作了一個免費的程序員實用深度學習課程，為任何具有一定編程技術的人提供一個邁嚮應用神經網路解決方案的跳板。她的這個項目已經成功地讓更多女性、有色人群、國際學生和經濟能力不足的學生加入到人工智慧研究和工程學中。

Suchi Saria

約翰·霍布金斯大學助理教授

我們仍然沒有充分挖掘出海量數字健康信息量中的洞見來改善醫療健康。Suchi Saria 是約翰·霍布金斯大學助理教授，她相信為感測器平台以及電子醫療記錄數據進行的計算建模「是一個能夠產生巨大影響的工作，有著巨大機遇。」

在進入約翰·霍普金斯大學之前，她在斯坦福大學和 Daphne Koller 一起完成博士學位，在哈佛大學期間獲得 NSF 計算機創新獎學金：她最初認為自己不會喜歡生物學或者醫藥學，但是，在使用持續收集到的生理數據研究嬰兒疾病預防後，她喜歡上了。憑藉多學科背景，Saria 發表了有關疾病軌跡建模、護理靶向（care targeting）預測方法、臨床決策支持系統（CDS）以及個性化治療方法等方面的科學論文，受到高度評價。

Rama Akkiraju

傑出工程師& 大師級（Master）發明家，IBM Watson

在 IBM，鮮有人會有這樣的頭銜「傑出工程師和大師級發明家」，但是 Rama Akkiraju 確實名副其實。她領導了 IBM Watson「People Insights」項目，研發了利用語言學以及機器學習從社交媒體數據推斷個性、情感、語氣和態度和意圖的技術。Rama Akkiraju 掌舵的團隊負責了許多 Watson 認知服務內容，包括語氣分析器（Tone Analyzer）。為了應對這一具有挑戰的領域，她的團隊利用了多個領域的知識和技術，包括人工智慧、心理學、社會學、決策論以及消費者行為學。她指出，「Bot 要真能理解人類，就可以彌補客戶支持，諮詢引導人員以及健康教練的短板，這些領域的研究工作會讓人類日常生活發生有意義的變化。」

Jackie Hunter

首席執行官，BenevolentBio

Jackie Hunter 一直對大數據變革生物技術的潛力著迷，但是在 GlaxoSmithKline 擔任研發高級管理人員時，她親眼看到人們幾乎沒有真正從數據中挖掘出能夠改善醫藥學的洞見。如今，作為 BenevolentBio（BenevolentAI 的生物科學部門）的 CEO，她利用自己廣泛的學術和產業經驗加速公司利用人工智慧進行藥物研發。

「我堅信，五年後，藥物研發和醫學健康領域會發生更多變革，比之前五十年還要多。」她預測說，但也警告要警惕以碎片化的方式使用人工智慧技術的製藥公司。「未來 5 到 10 年，在整個價值鏈條上開發、貫徹一個集成了數字和人工智慧策略的公司將獲得成功。」

Shubha Nabar

高級主管，數據科學，Salesforce Einstein

Shubha Nabar 獲得過斯坦福大學計算機科學的博士學位，她曾在微軟、領英網工作，目前供職於 Salesforce。作為 Einstein 的高級數據科學總監，她和她的團隊正在為所有 Salesforce 的產品注入人工智慧，讓所有商務用戶收益。在大量案例中為成千上萬的企業構建人工智慧解決方案在技術上非常具有挑戰性。Nabar 的方法是構建一個「元」機器學習框架，自動化地建整個機器學習管道。「我們正在開發一種前所未有的事物，領導團隊面對這樣的挑戰感覺非常棒，」Nabar 表示。

對於機器學習的民主化，Nabar 持謹慎的態度：「機器學習將無處不在，我們需要探討人工智慧的倫理含義，構建公平和負責任的演算法，讓技術不受現實世界中不良偏差的影響。」

Timnit Gebru

博士候選人，斯坦福大學

在年少時，Timnit Gebru 離開了衣索比亞來到美國。她在美國的學習一直很順利，在斯坦福大學拿到了學士、碩士和博士的電氣工程學位，隨後進入蘋果公司，並共同發起了一家創業公司。她師從李飛飛，在校期間研究計算機視覺領域，在大數據集和社會洞見等問題上發表了一系列著名論文。她最近使用機器學習從谷歌街景圖片中獲取人口數據的方法被《經濟學人》報道。

Gebru 積極致力於促進人工智慧行業的多樣性與包容性。在意識到她是人工智慧主要會議中唯一的黑人女性之後，她共同創建了 Black In AI，推動少數人群的參與和聯繫。Gebru 也回到衣索比亞，開辦了一個編程訓練營 AddisCoder，為各種年輕學生提供幫助，幫助他們獲得美國常春藤大學的入學資格。

人工智慧正在影響到社會的每個方面，甚至已經被用於影響大選結果、識別罪犯，Gebru 對此警告說：「人工智慧研究者不能對自己的工作保持沉默。」只有技術的開發者傾向於包容時，新技術才能產生有益的影響。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！