人工智能是一个蒸蒸日上的产业。
AI迅速离开科幻小说的领域,进入现实:数以百万计的人与智能助手如Siri或Alexa每天,它几乎成为预期在某些行业(尤其是分析),软件包含一些机器学习或嵌入式智能。
整个软件的范畴预测分析是建立在机器学习:使用一个给定的数据集来预测未来数据的迭代。从商业智能平台来领导评分依靠人工智能技术为用户提供有用的见解。人工智能是塑造我们如何看待我们的世界做出决定,所以它是非常重要的承认女性角色在塑造这一观点。
尽管巨大的性别差距在科技行业和具体缺乏多样性在人工智能的世界里,有许多妇女在人工智能和机器学习研究的突破。他们急需的,因为人工智能已经成为偏见针对女性。但女性在人工智能的各个方面,工作,许多人都在努力帮助其他女性蓬勃发展的空间。我们知道多样性孕育成功,和一些有效的和潜在的深远的AI只能从不同的观点中获益。
“人工智能”一词是1956年由约翰·麦卡锡达特茅斯会议,现在它被广泛的认为是现代人工智能研究的发源地。此后,AI至少经历了两个“冬天”,或时期资金已经枯竭和研究已经放缓。的第一个AI冬天发生在1974年和1980年之间,当时既没有没有足够的钱,没有足够的内存,或处理能力,使有效的进展。
再次发生在80年代的创建”专家系统”或简单的人工智能程序,可能许多计算机自动化功能以前手动(现代的前兆机器人过程自动化)。一般来说,专家系统是企业用来执行分析,设计或监视任务。尽管有明显的进步,在90年代,AI撞到另一个技术壁专家系统变得太大很容易维护和另一个AI冬天随之而来。
过度承诺的历史和对待后,终于到达了一个点,人工智能技术研究可以蓬勃发展,而这正是它做的事情。与自动驾驶汽车等突破和可靠的图像识别,人工智能是迅速恢复科幻小说的领域开始进入人们的视野。(自动驾驶汽车的想法是很多比电子邮件垃圾邮件过滤器,性感。)虽然我们可能不会看到任何人工智能管家或人工智能机器人走路很快,因为我们都是带着口袋电脑与我们,我们可能会看到巨大的创新时,人工智能。
许多今天的消费主导型AI成形后女人:Siri, Alexa, Cortana,只是仅举几例。女性的声音考虑更友好和更有帮助,但消费者AI也在从属地位。在现实中,女性是添加更多比他们的声音人工智能领域。
今天,虽然只有18%的c级职位在人工智能、机器学习空间是由女性,这通常不是一个图在科技领域中,但这并不考虑所有有影响力的女性建筑公司围绕AI。根据一些研究,只有机器学习领域的13.5%和在AI少于10%是女性,而重要的是要承认性别差异,也必须承认许多首席科学家和研究人员作出巨大努力在机器学习和人工智能。
塑造系统时可能会影响每个人在世界上,这是非常重要的,女性有一个平等的声音。许多已经关心学习人工智能性别偏见,那些不那么乐观的人工智能AI担心,如果不学习情商女性更容易拥有,人工智能将是一个非常有限的世界观和无法涉及到全人类。
人类是非常多样化的,我们的技术应该反映。语音识别,只有认识到男性声音和未能认识到女性的声音,或者未能认识到方言,和AI旨在预测犯罪目标黑人在白人的两倍不是帮助创建一个技术乌托邦。但是,AI背后的思想更加多样化,更全面的,人工智能。
但是已经有女性在人工智能和机器学习取得巨大的进步。这些女人是创建支持结构为其他女性蓬勃发展。菲菲,例如,云是谷歌的首席科学家,他还帮助发现AI4All,一个非营利组织,致力于多元化的人工智能领域。瑞秋·托马斯是一个超级数据科学家。他快。ai,旨在教育民主化的人工智能。
我们想庆祝妇女在人工智能行业工作,详细说明他们的工作是推动经济增长和创新,我们希望鼓励更多的女性加入。这决不是一个详尽的清单;我们很想听到更多关于所有的妇女推动人工智能和机器学习。
布伦首席科学家,加州理工学院的教授亚马逊网络服务,生命Anandkumar开创了研究非凸问题相关机器学习。她是收件人的多个奖学金和奖项,和她的工作一直在仪器允许机器学习在云基础设施上。她的工作做出了贡献亚马逊Rekognition,亚马逊Lex和亚马逊波利。
“我很高兴看到越来越多的妇女在人工智能。当我开始时,几乎有一百名妇女参加WiML,女性的旗舰活动机器学习。现在它已经发展成为成千上万。但令我担心的是,妇女在人工智能的比例几乎没有改善。更糟的是,我们看到许多情况下损害等不良行为的事件,比如让政党barely-clothed妇女跳舞一个以男性为主的人群,Elon Musk开玩笑在舞台上没有捏不取笑NIPS山雀或官方的乐队# MeToo运动。随着我们规模AI,重要的是要更认真地对待多样性和包容性,吸引更多的关注。”
布雷西亚辛西娅还是一个麻省理工学院的教授媒体艺术与科学学院的创始人和首席科学家Jibo公司她帮助想象和设计一个机器人,满足无缝地在家庭的需要。她的工作主要集中于创造个人机器人谁能影响人类的水平和提高人类的生活质量。
丽丽Cheng是公司的副总裁微软的人工智能和研究部门。在微软,她成立了社会计算组在微软研究院和未来社会经历(保险丝)实验室和发展中至关重要的实时数据和搜索功能。她也曾为苹果电脑的先进科技集团及其UI的研究小组,在纽约大学和哈佛大学教授设计和维护她的建筑许可。
的共同创始人兼首席执行官Affectiva,Rana el Kaliouby试图构建人工情感智能。目标是创建一种软件,这种软件能够识别实时情感语调和面部表情,没有偏见。用她的背景研究科学,Affectiva构建多个平台和服务提高情商的汽车和市场研究行业的人工智能系统。
“缺乏女性在科技,AI具体来说,并不是什么新鲜事。经常我发现自己在会议和活动中由男性演讲者和小组成员。事实上,今年展会缺乏女性在舞台上导致# CESSoMale标签的风暴。但是标签是不够的,我们需要把行动背后我们的话。
“这样做的方法之一是通过支持对方。女人需要做介绍,网络和庆祝彼此的成功。这并不是说男人不能帮助。在我的职业生涯中我一直幸运地与人支持我自己和我的同行。和那些人的,有时应该与展望带给我们生活的愿景,成为行业领袖。”
达芙妮科勒的创始人Coursera,学院和大学课程的世界各地的用户;她也是前计算总监CalicoLabs。在CalicoLabs,她的工作集中在应用机器学习来分析生物数据以提高我们理解衰老和创建解决方案,防止老化。她也是一位斯坦福大学计算机科学教授,专注于机器学习以及如何帮助理解生物学和医学等领域。
斯坦福大学的主任人工智能实验室和视觉实验室菲菲,李也是首席科学家谷歌云。她的工作教AI智能和民主化AI系统,这样他们可以每一个用户和业务。她还与AI4All,寻求多元化领域的人工智能研究和编程。
卡罗尔·赖利是机器人专家,目前的联合创始人和总裁drive.ai,努力构建的人工智能软件将自动驾驶汽车。她也奇妙仙子实验室的创始人和董事,专注于创造低成本,真正医疗黑客专门帮助那些发展中国家的卫生保健。
“我真的很高兴有开放课程像Coursera和Udacity教机器学习,这样就可以更多的人。因为它很新,几乎是一个公平的竞争环境。有色人种的女性,这是时候加入以来没有尽可能多的人20年的经验在其他推广专业领域。
“我在本科阶段的学习时,人工智能课程并不是一个选择,因为没有教授教专业化。我们需要来自各行各业的人们思考问题。人工智能将是如此盛行,是下一个颠覆性技术。人们常说,艾未未是一种新的电所以我们需要由许多不同类型的人们有不同的需求。”
麻省理工学院的电气工程和计算机科学教授,丹妮拉罗斯也是主任计算机科学与人工智能实验室(CSAIL)。她的研究集中在机器人、移动计算和数据的科学。希望是创建机器人能够积极合作来完成一个共同的目标,特别是通过她的研究自适应优化多机器人团队和自配置的机器人。
”作为两个女儿的母亲,我敏锐地意识到鼓励女孩和年轻妇女的重要性,学习如何用电脑解决问题和如何让事情,这样他们可以更大的技术进步的一部分,让世界更好的通过技术。我相信我们中那些知道如何让事情以及如何计划有一种超级大国,因为我们可以创建任何我们可以想象。如果你看看在技术(在学术界和工业)站为例,说明有非凡的女性可以追求任何你想要的生活。女性有可能造成很多——例如,马云最近评论他的公司的成功说,“女性高管阿里巴巴的“分泌酱。”
“在更高的层面,我认为计算机科学家应该做更多与决策者得到编码纳入学校课程,所以,今天的学生将成为明天的AI创新者。这些天科技素养无疑是一样重要的阅读、写作和算术”——如果我们想要在全球就业市场的竞争力,我们必须让孩子们感兴趣,兴奋,和从小就了解编程。”
哈佛大学教授Latanya Sweeney政府和技术
LinkedIn|推特
当归Lim Asst.教授在计算机科学专业实践,西蒙弗雷泽大学人工智能和机器人技术
LinkedIn|推特
数据科学家Ayse纳兹Erkan Twitter
LinkedIn|推特
卡戴,机器学习软件工程师在图钉
LinkedIn
研究科学家戴维•帕里克以Facebook
LinkedIn|推特
玛丽•德斯贾丁斯教授计算机科学和马里兰大学的副院长
推特
约翰霍普金斯大学助理教授Suchi Saria
LinkedIn|推特
罗摩Akkiraju,沃森在IBM杰出工程师
LinkedIn|推特
高级数据科学主任Shubha Nabar Salesforce爱因斯坦
LinkedIn|推特
Timnit Gebru博士候选人在斯坦福大学电气工程
LinkedIn|推特
女性在人工智能
女性在AI Moojan Asghari成立,哈难萨拉姆和卡洛琳巢穴关闭在人工智能领域的性别差异。该组织的目标是为妇女在人工智能教育、网络、研究和推广同时鼓励妇女参加。
AI现在
由凯特·克劳福德和梅雷迪思·惠特克,AI现在试图研究人工智能系统的社会影响和开发方法来衡量,分析审计,提高人工智能。通过研究,AI现在目前主要生产权利和自由,劳动和自动化、偏见和包容,以及安全基础设施。AI现在坐落在纽约大学,举行一年一度的研讨会。
女性在机器学习
女性在机器学习的目的是增加数量的女性,帮助女性在这个领域成功的专业,增加女性的工作在数据科学的影响。每年WiML车间发生,作为一天的技术研讨会开放给所有性别。
AI4All
AI4All是一个非营利组织,把重点放在增加人工智能领域的多样性。由菲菲,奥尔加Russakovsky和里克•萨默AI4All与大学合作,促进教育、指导和发展创造一个更加多样化的人工智能研究人员和科学家。
Accel.AI
Accel.AIis a nonprofit that seeks to demystify AI for underrepresented and minority groups. Through consulting, scholarships and training, Accel.AI’s main initiatives are Latinx in AI and Tech Leaderboard. Its founder, Laura Montoya, also founded the Latinx in AI Coalition and is a director with Women Who Code.
fast.ai
由雷切尔·托马斯和杰里米·霍华德为了让深度学习更容易通过创建现成的软件,应用程序和免费课程,快。人工智能提供了学习资源和社区为那些寻求进入人工智能领域。
女性在机器学习和数据的科学
女性在机器学习和数据科学寻求支持和促进妇女在机器学习和数据科学领域。通过研讨会、网络事件,拒绝WiMLDS提供各种学习的机会和增长在多个城市中。
再保险公司工作的女性在AI播客
“这播客系列将汇集一个跨学科的有影响力的女性工作在AI,深度学习和解决机器学习和他们的影响在商业和社会的挑战。”
线性的画外音播客
“机器学习就是自动标记你什么照片,帮助医生确定疾病暴发,并让Siri理解你当你说…好吧,有些时候,至少…
“在每一集,我们探索机器学习和数据科学主题的方式比学术论文更容易得多。”
说机器播客
“说的机器是你的机器学习的世界的窗口。你的主机,凯瑟琳·戈尔曼和尼尔·劳伦斯,带给你清晰的与该领域的专家的对话,讨论行业新闻的研究很有见地,有用的回答你的问题。机器学习是改变的问题我们可以问周围的世界。在这里,我们探索如何最好的提问和答案。”
科技展示的女性
“技术科技采访知名女性。”
我们真的教学人工智能是什么?ted演讲视频
“内部一瞥我们教学人工智能机器和警示会发生什么,如果我们把它错了。”
古怪,古怪的艺术由AI ted演讲的播放列表
“欢迎来到艺术和创造力的新领域,它不是人类。”
谈判才华横溢的女性在阻止ted演讲的播放列表
“这些女人是开拓者激励新一代的女孩跟随他们而改变比例STEM(科学、数学、工程和技术)”。
