۸ زن پیشرو در حوزه هوش مصنوعی

جوی بولاموینی به‌درستی به‌عنوان وجدان انقلاب هوش مصنوعی توصیف‌شده است. کارهای پیشگامانه او در مورد سوگیری الگوریتم‌ها به‌عنوان دانشجوی تحصیلات تکمیلی در MIT، چشم جهان را به سوگیری‌های نژادی و جنسیتی نهفته در سیستم‌های تشخیص چهره باز کرد.
آمازون، مایکروسافت و IBM هرکدام درنتیجه تحقیقات بولاموینی ، در سال جاری در سیاست‌های سیستم تشخیص چهره خود تجدیدنظر کردند و تأیید کردند که این فناوری هنوز برای استفاده عمومی مناسب نیست. کارهای بولاموینی به طرز قدرتمندانه‌ای در مستند جدید Coded Bias دیده می‌شود.
این زن پیشرو در خط مقدم یک جنبش در حال رشد برای شناسایی و رسیدگی به پیامدهای اجتماعی فناوری هوش مصنوعی ایستاده است؛ حرکتی که او از طریق سازمان غیرانتفاعی عدالت الگوریتمی خود در حال پیش بردن آن است.
او می‌گوید هنگامی در سال ۲۰۱۶ من شروع به صحبت در مورد این موضوع کردم برای دیگران یک مفهوم عجیب به نظر می‌آمد، اما امروز همواره مقاله‌های خبری یا اخبار مربوط به سوگیری در سیستم‌های هوش مصنوعی را بیش از گذشته مشاهده می‌کنم. مردم تازه از این واقعیت بیدار می‌شوند که مشکلی وجود دارد. آگاهی خوب است و سپس این آگاهی باید منجر به عمل شود. این مرحله‌ای است که ما اکنون در آن قرار داریم.

رانا ال کالیوبی کار خود را به این موضوع اختصاص داده است که چگونه می‌توان هوش مصنوعی را ازلحاظ احساسات و هیجانات باهوش‌تر کرد.
او در سال ۲۰۰۹، به‌منظور ایجاد سیستم‌های یادگیری ماشین که توانایی درک احساسات انسان را داشته باشند، استارت آپ Affectiva را در MIT تأسیس کرد. امروزه فناوری ارائه‌شده این شرکت توسط کسب‌وکارهای بسیاری برای تجزیه‌وتحلیل رسانه‌ها، تحقیقات رفتاری مصرف‌کنندگان و اتومبیل‌های خودران استفاده می‌شود. کالیوبی می‌گوید: من در زندگی حرفه‌ای خود به دنبال انسانی‌کردن فناوری هستم قبل از اینکه فناوری جنبه‌های انسانی ما را تحت تأثیر قرار دهد.

تعداد کمی از افراد وجود دارند که بیش از Fei-Fei Li در قرن بیست و یکم در جهان هوش مصنوعی اثرگذار بوده‌اند. لی به‌عنوان یک استاد جوان پرینستون و به عنوان یک زن پیشرو در حوزه هوش مصنوعی در سال ۲۰۰۷، پروژه ImageNet را آغاز و هدایت کرد؛ یک پایگاه داده از میلیون‌ها تصویر دارای برچسب که کل مسیر هوش مصنوعی را تغییر داده است.
بینشی که در مورد ImageNet وجود داشت این بود که مجموعه داده‌های عظیم بیش از الگوریتم‌های خاص کلید دستیابی به توانایی بالقوه هوش مصنوعی است. می‌توان گفت عصر مدرن یادگیری عمیق زمانی متولد شد که جف هینتون و گروه‌شان اولین مدل مبتنی بر شبکه عصبی خود را که در مسابقات ImageNet 2012 آموزش دیده بود، معرفی کردند،

لی از آن زمان به‌عنوان یک استاد برجسته در استنفورد شناخته شد، به‌عنوان رئیس دانشمند یادگیری ماشین در ابر گوگل کار کرد، ریاست آزمایشگاه هوش مصنوعی استنفورد را بر عهده گرفت، به عضویت هیئت‌مدیره توییتر در آمد، سازمان غیرانتفاعی برجسته هوش مصنوعی برای همه را تأسیس کرد و موسسه هوش مصنوعی انسان-محور استنفورد را راه‌اندازی کرد. لی در تمامی این پست‌ها به‌طور خستگی‌ناپذیری از رویکردی فراگیرتر، عادلانه‌تر و انسانی‌تر نسبت به هوش مصنوعی حمایت کرده است.

لی در مورد اینکه چرا گستردگی سلیقه‌ها و عقاید در هوش مصنوعی بسیار مهم است می‌گوید: فناوری ما مستقل از ارزش‌های انسانی نیست. فناوری نشان‌دهنده ارزش‌های انسان است که فراتر طراحی، توسعه و کاربرد آن قرار دارند؛ بنابراین، اگر نگران ربات‌های قاتل هستیم، باید واقعاً نگران سازندگان این فناوری نیز باشیم. ما می‌خواهیم توسعه‌دهندگان این فناوری ارزش‌های ما و انسانیت مشترک ما را نشان دهند.

دانیلا روس یکی از برجسته‌ترین دانشمندان حوزه رباتیک در جهان است و به معنای واقعی یک زن پیشرو در حوزه هوش مصنوعی است. روس استاد MIT و اولین رئیس زن آزمایشگاه علوم رایانه‌ای و هوش مصنوعی MIT، که یکی از بزرگ‌ترین و معتبرترین آزمایشگاه‌های تحقیق درزمینه‌ی هوش مصنوعی در جهان محسوب می‌شود است.
تحقیقات پیشگامانه روس درباره ربات‌های مشارکتی شبکه‌ای (ربات‌هایی که می‌توانند باهم کار کنند و با یکدیگر ارتباط برقرار کنند)، ربات‌های خودتنظیم‌کن (ربات‌هایی که می‌توانند ساختار خود را تغییر دهند تا با محیط خود سازگار شوند) و ربات‌های نرم پیشرفته است.
روس مورد یکی از باورهای غلط رایج در مورد هوش مصنوعی می‌گوید: مهم است که مردم متوجه این نکته شوند که هوش مصنوعی چیزی بیش از یک ابزار نیست؛ مانند هر ابزار دیگری، نه ذاتاً خوب است و نه بد. همه‌چیز به این برمی‌گردد که ما انتخاب کنیم چه‌کاری با آن انجام دهیم. من معتقدم که ما می‌توانیم کارهای فوق‌العاده مثبتی را با هوش مصنوعی انجام دهیم.