人工智慧正在這個世界蔓延，改變了每個它所觸及的行業和領域。而在人工智慧背後，是一大群天才的AI學者和技術專家，不斷推動這項技術發展、創新、朝新的極限邁進。
越大的突破創新，越需要多樣化的孕育土壤，越需要不同背景、不同學科、不同專業知識和觀點的人匯聚在一起。人工智慧領域同樣如此。
近日谷歌一名高級工程師撰寫的一份文件稱，男女在生物學上的差異決定了在編程上女性的效率要低於男性，並認為公司不應該積極地去提高員工的多樣性。這樣一份文件在谷歌內外引起眾怒。該文件僅僅是一份個人聲明，沒有得到公司任何形式的認可，但在谷歌內部得到廣泛流傳。
也許是時候我們來回顧一下編程、信息工程、技術以及尤其炙手可熱的人工智慧領域，這些正在默默耕耘女性們——她們的存在及在此領域的貢獻也正是對反對多樣性評論的最有力反駁。
福布斯曾刊發一篇21位人工智慧領域傑出女性的盤點，這些女性背景各異，在不同的崗位上、以不同的方式，推動著AI的進步。讓我們一起認識一下這21位傑出女性及她們的故事。
「我們都有責任確保大家——包括企業、政府和研究人員——懷著多樣化的心態開發人工智慧。」李飛飛強調說。
作為計算機視覺領域的著名學者，李飛飛加盟谷歌雲擔任首席人工智慧和機器學習科學家，負責推動她的「人工智慧民主化」使命。她仍將繼續擔任史丹福大學副教授，在那裡負責斯坦福人工智慧實驗室和斯坦福視覺實驗室。自從獲得普林斯頓大學物理學學士和加州理工學院電子工程博士後，李飛飛已經在頂尖期刊和會議上發表了150多篇科研論文。她還開發了ImageNet，這是一個擁有1500萬張圖片的數據集，對人工智慧和深度學習最近的發展做出了貢獻。
李飛飛指出，把人才和知識封鎖在學術機構和企業巨頭內部，會破壞計算多樣性，削弱創造力和創新力，造成不公平。她的非營利組織AI4ALL針對人工智慧領域的少數群體提供K-12教育項目。
「科技應該造福人類，而不是傷害人類，所以使用科技時應該向全人類負責，而不僅僅是為發現者造福。我們首先是人，其次才是人工智慧技術人員。」
Daphne Koller
Calico Labs首席計算官，Coursera聯合創始人
在擔任史丹福大學計算機科學教授的18年間，Daphne Koller在頂尖學術刊物上發表了200多篇論文，還因為學術突破和出色的教育獲獎無數。她參與創辦了全球最大在線教育平臺Coursera，目前擔任Calico Labs首席計算官。後者是Alphabet的一家研發公司，專門研究生物老化問題，並開發延長壽命的相關技術。
Koller的跨學科成就中最令她自豪的是讓學生們自己做出了不起的貢獻，包括數百萬通過Coursera參與人工智慧、機器學習和數據科學課程的學員。在完成課程的學員中，有29%表示受益匪淺，有的開啟了新的職業，還有的創辦了公司。最重要的是，來自發展中國家或社會經濟發展落後地區的弱勢群體學員人數增加了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驅，Cynthia Breazeal兼任麻省理工學院副教授（她還在那裡獲得了博士學位，並創辦了個人機器人集團）和Jibo創始人兼首席科學家（這是一家獲得8500多萬美元融資的個人機器人公司）。
雖然Breazel的工作已經獲得無數學術獎項、行業殊榮和媒體關注，但她在1990年代卻遭到其他機器人和人工智慧專家的懷疑。當時，機器人被視作一種實體和工業工具，無法作為社交和情感伴侶。她的第一款社交機器人Kismet被當時的流行媒體認為「毫無用處」。
Breazel懷著截然不同的願景反潮流而動：「我希望創造一種具備社交和情感智能的機器人，可以與人類展開協作。在2至5年內，我認為社交機器人可以在真正重要的問題上為家庭提供幫助，包括教育、健康、老人看護、娛樂和陪伴。」
她希望自己的工作和影響力可以啟發他人創造「不光聰明，而且走心」的機器人。
Latanya Sweeney
哈佛大學政府和科技教授
作為哈佛大學政府和科技教授兼哈佛大學數據隱私實驗室主任，Latanya Sweeney面對著信息安全、隱私以及個人數據和機器學習算法偏見等領域的挑戰。
Sweeney的研究暴露了網絡廣告的歧視問題：在網上搜索黑人的名字時，無論事實如何，相應的贊助廣告認為此人有犯罪記錄的概率高出25%。她在擔任《Technology Science》主編時也寫過一篇報導：SAT備考服務針對亞裔較為集中的地區收取的費用達到平均費用的兩倍，但並不考慮實際收入。針對種族、宗教、國籍和性別的價格歧視在美國是違法的，但在電子商務領域展開執法並非易事，因為它們所使用的定價算法並不透明。
在擔任現在的職位前，Sweeney還是美國聯邦貿易委員會CTO。她在哈佛大學完成了本科計算機專業的學習，並成為第一個獲得麻省理工學院計算機系博士學位的黑人女性。
Andrea Frome職業生涯初期並沒有想要成為頂尖的人工智慧研究人員。她最初是一名環境科學家，但後來愛上了數據和建模工作，這也促使他考入加州大學伯克利分校攻讀計算機視覺和機器學習博士學位。她後來加盟谷歌，在那裡發表了多模式視覺歸類系統的學術論文，並發布了谷歌街景服務。
「我經常因為解決那些影響力超越學術圈的問題而感到巨大的滿足。」她解釋道，「在街景項目中，我們需要模糊人臉和車牌，以此保護隱私。要把這種任務的執行精度提升到足夠的高度是個很困難的任務，但除非我們解決這個問題，否則無法發布街景。」
Frome目前擔任Clarifai研究總監，這是一家領先的計算機視覺公司。她的最終目標是讓計算機能夠像人類一樣理解視覺輸入，並對周圍的世界作出準確的預測。
Rana el Kaliouby
Affectiva聯合創始人
「AI領域中人們習慣上會將目光聚集於計算智能，而不是社交或情感智能，」Rana el Kaliouby說，「然而，缺乏情商可能是社會的一大劣勢。」
El Kaliouby出生於埃及首都開羅，在中東地區長大。最初在劍橋大學讀計算機科學博士時，El Kaliouby基本沒有涉及人工情感方面的研究。但她對這一領域有極大的興趣，最終El Kaliouby定義了「情感AI」領域，創立了情緒識別公司Affectiva並且擔任CEO。
Affectiva的技術已經被證實可以為汽車製造業、市場調查、機器人業、教育業、賭博業等行業帶來技術性變革，還適用於教自閉症孩子識別情感和非語言社交提示。當一個孩子首次用帶Affectiva的谷歌眼鏡與母親進行眼神交流時，這位母親淚目了。
El Kaliouby預測，三至五年後，她們的設備將會具備情緒感知功能。你的負面情緒設備都會第一時間感知到。
Carol Reiley
Drive.ai的聯合創始人&總裁
Carol Reiley是直到大學學習工程專業時才開始接觸編程的。與那些可能從十歲就開始編程的同學們競爭時，她感到了前所未有的巨大威脅，幾次差點就放棄了。幸運的是她堅持了下來，在約翰霍普金斯大學繼續攻讀了計算機科學博士。
「回看十九世紀中期的第二次工業革命，所有公司都應該僱傭一個電力副總裁。在那時電是一個所有人都感興趣的嶄新概念，但沒人知道它將對世界產生多大的影響。就像我們看在對AI的感覺一樣。」Carol Reiley說。她從小就希望可以通過工程學來影響世界。
現在，她已是Drive.ai的聯合創始人兼總裁了。Drive.ai是由史丹福大學人工智慧實驗室建造的，專門為自動駕駛汽車建造深度學習軟體的公司。儘管要與財力雄厚的科技巨頭和無人駕駛懷疑論者做鬥爭，但Reiley和她的團隊仍然籌集到120萬美元的A輪融資，並且已經投放了幾輛無人車上路了。
在百度的七年裡，吳華領導團隊在自然語言處理（NLP）、對話系統和神經網絡機器翻譯（NMT）等方面做出了很大突破。她提出的NMT多任務學習框架被紐約時報譽為「開創性」的進展，並通過百度翻譯成功向億萬用戶部署了這項突破。
她還創建了百度的AI對話程序Duer,為智能家庭助手和智能物聯網設備提供幫助。吳華是中國科學院的博士，領導著ACL和IJCAI兩個學術會議。
吳華第一次做研究時，深度學習和計算機視覺取得了突破性進展，但自然語言處理方面還沒什麼突破。很多知名專家懷疑深度學習能否提高機器翻譯的水平，但是吳華和她的團隊不僅證實了這個觀點可行，還和她的團隊在不到六個月的時間裡做出了每天能處理上億次翻譯請求的產品。
「我為我團隊的遠見、堅韌和速度驕傲。我們打破了機器翻譯的瓶頸，打破了人們之間的交流障礙，幫助她們學習新東西。」吳華自豪地說。
Angelica Lim
軟體開發經理，軟銀機器人研究與開發部
十年前，Lim曾用Yann LeCun的卷積神經網絡破解Hotmail的CAPTCHA系統，她甚至用遞歸程式語言LISP完成了這項工作，但並沒有發表過她的研究成果，因為在當時這項研究並不盛行。
在日本京都大學讀碩士和博士期間，Lim將計算機科學、神經科學和文化發展心理學結合起來，想要製造一個懂人類情緒的機器人。作為發展機器人（機器人模擬人類風格）的先驅，Lim解釋到，幼兒會把情緒狀態延續到生理、心理以及肢體動作上，而她對機器人的研究也基於這個原理。
目前，Lim是一名軟銀機器人研究開發部的軟體開發經理，也是人形機器人Pepper的創造者。此外啊，她還是一名TED活躍者，曾在TED上進行了關於設計有情感的機器人的一系列演講。
Daniela Rus
麻省理工學院計算機科學和人工智慧實驗室（CSAIL）主任
Daniela Rus是麻省理工學院電子工程和計算機科學系教授、CSAIL主任，以及CSAIL分布式機器人實驗室負責人。她此前曾創立達特茅斯機器人實驗室，是自重配機器人技術的先驅。這種機器人能通過改變內部結構自動適應不同環境。
她表示：「相對於通過傳統製造方式生產的硬體機器人，我們近期的3D列印軟性機器人更安全、更廉價、更有彈性。」軟性機器人靈活的結構使其可以方便地改變方向，擠進狹窄的空間。而3D列印也使機器人的製造更方便。
「利用簡單的日常材料，例如紙張和塑料，我們就可以用印表機製造出可使用的機器人。」
Ayse Naz Erkan
Twitter數據科學家
Ayse Naz Erkan來自土耳其伊斯坦堡，於2014年前往美國，攻讀紐約大學柯朗特研究所計算機科學博士。在Yann LeCun的實驗室，她的研究方向是自動化機器人導航中深度學習的應用。此外，她還曾在馬克斯普朗克生物控制研究所從事半監督學習的研究。隨後，她加入了一家科技創業公司。
Erkan表示，創業公司工作的日子「給她的人生帶來了令人難以置信的改變」，將其變為了更出色的問題解決者和實用技術專家。Twitter在5年半之前收購了她所在的創業公司。目前，她負責Twitter的內容理解和深度學習應用團隊，希望將Twitter變成更安全的平臺。
「解決Twitter數據中的仇恨言論和濫用問題非常有趣。」Erkan表示，「尤其是你可以親眼目睹，機器學習如何影響公眾傳播的設計。」
Jane Wang最初是一名應用物理學家，專注於大腦記憶系統中複雜動態網絡拓撲的建模。隨後，她前往西北大學從事實驗認知神經科學的博士後研究。自兩年前加入DeepMind以來，由於沒有機器學習技術的背景，她可以通過另一套工具和視角來解決最困難的人工智慧問題。她表示：「研究人類大腦功能的理論，並將其應用於能解決類似複雜任務的深度增強學習模型，這令人非常高興。」
Jane Wang沒有正式的人工智慧背景，但同樣取得了成功。她擔心，人工智慧研究領域激烈的競爭氛圍和所需的漫長學習過程可能不利於普遍的參與。她警告稱：「儘管競爭推動了行業進步，但對於那些希望在更包容、更有合作氛圍的環境下工作的人才，這是不利的。」目前，她是DeepMind研究方向委員會的成員，希望推動人工智慧領域的多元化發展。她也希望鼓勵人工智慧社區的開放，推動研究者分享成果，取得共同的進步。
Caroline Galleguillos
Thumbtack機器學習工程師
Caroline Galleguillos出生於智利聖地牙哥。在獲得智利大學工程和計算機科學學位之後，她拿到了政府獎學金，前往矽谷實習。最終，她獲得了加州大學聖地牙哥分校的計算機科學博士學位。在學術生涯中，她曾在主流計算機視覺會議上發表研究論文，並於2007年和2008年被評為IGERT NSF Fellow。
Galleguillos曾為谷歌、惠普、本田和Thumbtack開發計算機視覺和機器學習算法。不過，她對自己在SET Media建設並培訓的人工智慧團隊尤為感到自豪。儘管資源有限，但她的團隊成功推出了機器學習系統，為該公司2014年被Conversant收購立下了汗馬功勞。
Devi Parikh
Facebook人工智慧研究團隊訪問研究科學家
Devi Parikh是喬治亞理工學院互動計算學院助理教授，也是Facebook人工智慧研究團隊（FAIR）的訪問研究員。在獲得卡耐基梅隆大學的電子和計算機工程碩士和博士學位後，她曾在多家頂級研究實驗室擔任訪問職位，並獲得了多項榮譽，例如2016IJCAI計算機和思想獎。這被認為是「35歲以下人工智慧研究員的第一獎項」。
Parikh最重要的研究關於可視問答（VQA），這是計算機視覺和自然語言處理的交叉學科。她表示：「通過公開我們的大數據集和系統，我們賦能全球研究組織，幫助他們開發能自動回答關於可視化內容問題的機器。」這樣的技術能幫助存在視覺障礙的人士，以及通過不支持圖片的低帶寬網絡傳送更多信息。
VQA領域的技術進步也優化了當前的產品體驗。「我們將看到越來越多的會話agent，無論是個人助手還是聊天機器人。這些agent能以智能可視化的方式看到，或增強我們的現實體驗。」
Marie desJardins
馬裡蘭大學巴爾的摩郡分校計算機科學教授
Marie desJardins關注人工智慧領域更宏觀的問題，而不是某個特定的技術應用。在加州大學伯克利分校攻讀博士學位期間，她的課題是「目標驅動的機器學習」。當時，她設計的方法幫助智能agent去了解學習什麼，如何學習。作為馬裡蘭大學巴爾的摩郡分校的副校長和教授，desJardins發表了超過120篇科研論文，並獲得過各種教學榮譽。此外，她也和自己的研究生一同，對多agent系統的自組織和信賴關係進行了有力的研究。
在desJardins的職業生涯之初，人工智慧和計算技術行業吸引了多樣化的人才。不過隨時間推移，她注意到，許多行業會議「越來越多地被專注於某個子問題（受監督分類學習）的論文所主導，同時不太歡迎在其他子領域（主動學習、目標主導學習、應用學習和認知學習等）的研究成果」。她擔心，這樣的趨勢將不利於人工智慧多樣性的發展。
她表示：「我們正看到，對更基於標誌性、代表性的方法的重新思考。最終我認為，我們將在數值方法和標誌性方法之間建設越來越多的橋梁，制定分層的架構，從而同時利用兩者的力量。」
Rachel Thomas
Fast.ai聯合創始人
自獲得杜克大學數學專業博士學位以來，Rachel Thomas曾在Uber擔任數量分析專家、數據科學家和後端工程師，以及舊金山大學「數據分析大師」項目的教授。她目前是舊金山大學數據研究所的入駐研究員，也是Fast.ai的聯合創始人。後者在全球範圍內提供實用的深度學習教育服務。Thomas的學生已經利用學到的知識降低了印度農民的自殺率，協助有視力障礙的人群，以及在巴基斯坦治療疾病。
當Thomas幾年前剛剛開始研究深度神經網絡時，網絡上還沒有任何教育資源。她表示：「似乎這一領域的所有人都是在同樣4名顧問的指導下完成了博士學位課題，沒有人分享實用、有用的信息。」因此，她與其他人共同製作了免費的「面向程式設計師的實用深度學習」課程，希望幫助程式設計師提高應用神經網絡方法的編程技巧。Thomas的項目成功幫助了更多女性、有色人種、國際學生，以及經濟困難人群參與人工智慧的研究和工程開發。
目前我們已經收集了大量的數位化健康信息，但這些信息並沒有得到充分利用，以改善人類健康狀況。作為約翰霍普金斯大學的助理教授，Suchi Saria認為，對傳感器平臺和電子醫療記錄中數據的計算建模「將給高度影響力的工作創造巨大的機會」。
在加入約翰霍普金斯大學之前，Saria在史丹福大學完成了博士學位，她同時也是哈佛大學NSF Computing Innovation Fellow。她最初認為，自己並不喜歡生物學或醫學，但在利用持續收集的數據研究新生兒疾病預防問題之後，她開始對這個領域感興趣。憑藉跨專業能力，Saria在疾病軌跡建模、醫療瞄準的預測方法、臨床決策支持（CDS）系統，以及個性化治療方法等領域發表了多篇高水平論文。
Saria鼓勵更多研究者選擇重要問題去研究，鑽研其中的複雜難題和限制因素。
Rama Akkiraju
IBM沃森傑出工程師和主要創新者
很少有人能獲得IBM「傑出工程師和主要創新者」的頭銜，而Rama Akkiraju的貢獻幫她贏得了這一榮譽。她在IBM沃森負責「People Insights」項目，開發的技術能通過社交媒體數據，利用語言和機器學習方法去推斷人物的個性、情緒、態度和意圖。Akkiraju帶領的團隊負責了Tone Analyzer等沃森認知服務產品的開發。
為了解決這個領域的挑戰，Akkiraju的團隊利用了跨學科知識，包括人工智慧、心理學、社會學、決策理論和消費者行為學等。她指出：「能真正理解人類的機器人可以彌補客服人員、諮詢顧問和健康教練的短板。在這些領域，我們的工作可以給人們的日常生活帶來重要不同。」
Jackie Hunter
BenevolentBio CEO
Jackie Hunter一直對大數據變革生物科技的潛力很感興趣。在供職於葛蘭素史克擔任研發高管期間，她對於挖掘數據以指導藥物開發過程中的欠缺有著親身經歷。目前，作為BenevolentBioAI旗下BenevolentBio的CEO，Hunter結合了學術和業界背景，用人工智慧去加速新藥的發現和開發。
她預計：「在新藥發現和醫療方面，我認為未來5年將會出現比過去50年更大的轉型。」不過她也警告，製藥公司不應當將人工智慧視為一時的流行趨勢。「未來5到10年中，在整個價值鏈中制定並實施整體化數字和人工智慧戰略的公司將獲得成功。」
Shubha Nabar
數據科學高級總監，Salesforce Einstein
從史丹福大學獲得計算機科學博士學位後，Shubha Nabar在微軟、LinkedIn和目前正在供職的Salesforce，都建立數據產品和科學團隊。作為Einstein的數據科學高級總監，她和她的團隊負責為Salesforce全線產品注入人工智慧。
為不同領域成千上萬的企業構建AI解決方案，無疑是一項技術挑戰。Nabar的新方法是建立一個「元（meta）」機器學習框架，然後自動化的構建整個機器學習流程。她表示：「我們正在建設一個前所未有的事物」。
當機器學習逐漸普及之時，Nabar警告說：「在這個過程中，我們需要重視人工智慧的倫理問題，並建立公平負責的算法，拒絕傳播現實世界數據中常常存在的偏見」。
Timnit Gebru少年時期，從衣索比亞去了美國，進入史丹福大學，並在那裡完成了電子工程專業的本科、碩士學業，目前正在讀博。在此期間，她在蘋果獲得了一份頗有聲望的工程師工作，還成了一家創業公司的聯合創始人。
Gebru師從李飛飛，在從大規模數據集中發現社會學問題方面，發表了多篇優秀的論文，最近，她用機器學習方法通過谷歌街景圖像數據推斷人口普查結果的論文，獲得了《經濟學人》雜誌的稱讚。
她積極推動著AI領域的多元化和包容性。當Gebru在某次重要的AI會議上，發現自己是在場唯一黑人女性之後，她聯合創立了社會團體Black In AI，來驅動黑人群體對AI研究的參與。
Gebru還回到衣索比亞，在當地編程訓練營AddisCoder中，教多樣化的年輕學生編程技能，並幫助他們申請美國名校。
AI影響著社會的方方面面，甚至被用來操縱選舉結果、識別罪犯等等。Gebru說，AI研究人員不能對自己工作的影響保持沉默。只有當這項技術的創造者們保持包容的態度，AI帶來的指數型增長才能使所有人受益。
文／Mariya Yao－福布斯專欄作者，本職是TOPBOTS研發設計部門的負責人，這家公司專注於人工智慧和機器人的戰略及研究。譯／陳樺 安妮
轉載自AI新媒體量子位（公眾號：qbitai）轉載請聯繫授權
在Lean In Shanghai公眾號後臺給我們留言 發送感想至我們的郵箱：leaninshanghai@foxmail.com
添加weloveleaninshanghai為微信好友，隨時關注我們動態
投稿或合作 | leaninshanghai@foxmail.com
微博 | @Lean-In-Shanghai
LinkedIn | Lean In Shanghai
▷ Lean In Shanghai 精選原創：
一個紐約女孩的NGO夢
牛津美女學者告訴你時間怎麼用
不漂亮、離過婚，她憑什麼嫁給曼德拉
從灰姑娘到兔子朱迪：姑娘，你為什麼要這麼拼？
我們不缺少關懷女性的意識，只缺乏行動
▷ 致 · In人生專欄文章：
Interesting x Niubility = Infinity
對話朱英楠（上）·女人並非天生的弱者
你在看電影 人家已經見到了VOGUE女魔頭
即使是眾人仰望的精英，也有一顆回歸家庭的心
當我們談論性感時我們在談論什麼
致 · In人生 Vol. 2 | Interesting × Niubility = Infinity
致· In人生 | 一邊讀書一邊生孩子 這卻不是她做過最瘋狂的事
姬十三：拓展生命意義本身比探討男女差異更有價值
趙葉索：心有猛虎，細嗅薔薇
進入Lean In Shanghai微信公眾帳號
點擊菜單「關於我們-關於Lean In Shanghai」
全面了解Lean In Shanghai
該群面向我們所有的微信訂閱者，希望建立一個基於信任的信息交流平臺，讓群內的Lean Iners可以互幫互助，一起分享和交流職場、生活、情感等方面的經驗與感悟，以傳遞「Lean In」精神和實現「Inspire and Empower Women」的宗旨。
入群採取篩選制，申請時須a) 提交200字介紹（包含：姓名、行業、職能、工齡，興趣愛好和1-2個善於分享的話題以便做之後的群分享）；b) 提交100字你認為適合加入我群原因，並通過小助手審核。（須至少參加過一次或即將參加一次我們的線下活動。）
歡迎通過以下方式申請加入：
1) 加leaninshanghai的微信帳號 (weloveleaninshanghai)
2) 接受驗證，查看群規並確認遵守
3) 在群裡自我介紹：姓名/年齡/教育背景/職業背景/申請入群的原因等