原文：
www.kdnuggets.com/2021/03/8-women-ai-striving-humanize-world.html
编辑注：本文最初于 2021 年 3 月 8 日发布。
Wired 报道了人工智能领域存在性别偏见，并在 2018 年发现只有 12%的人工智能研究者是女性。当我开始担任数据分析师时，乌克兰的数据科学工程师职位并不普遍。而且，女性数学专业毕业生如果没有特殊技能和经验，这些职位大多不对她们开放。自学和了解机器学习算法花费了我不少时间和精力。如今，我在 MobiDev 担任人工智能工程师，随着经验的增加，我越来越愿意通过文章和网络研讨会与大家分享我的经历。
1. Google 网络安全证书 - 快速通道进入网络安全职业。
2. Google 数据分析专业证书 - 提升您的数据分析技能
3. Google IT 支持专业证书 - 支持您组织的 IT
今天，我想谈谈一些在人工智能领域工作的杰出女性，她们在日常工作中激励着我。
其中两位，乔伊·布奥拉姆维尼和李飞飞，以及其他人，曾在 2019 年国际妇女节期间获得 KDnuggets 的表彰。
算法公正联盟的使命是提高公众对人工智能及其对减少人工智能偏见和伤害的影响的认识。她在 2018/2019 年发布的开创性研究显示，亚马逊、微软、IBM 等公司使用的面部识别软件并不“机器中立”。在识别较暗肤色女性面孔时，其表现明显低于对白人男性面孔的准确性。Fast Company 报道称，该软件基于布奥拉姆维尼的研究被撤下市场以进行重新配置。
李飞飞是斯坦福大学教授，也是斯坦福大学以人为本的人工智能研究所的创始人。她开发了ImageNet，首次发布于 2009 年，作为训练工具教人工智能如何识别物体。ImageNet 被认为是人工智能数据集训练的起点，首次测试的准确率达到 71.8%。从那时起，年度 ImageNet 挑战赛成为了一个比赛，目的是看哪个算法以最低的错误率识别物体。最后一次比赛是在 2017 年，当时获胜算法的准确率达到了 97.3%，超越了人类能力。
但这里还有另外八位尚未获得 KDnuggets 荣誉的女性，她们以积极的方式使用人工智能，其对创造更美好世界的贡献非常重要。名单按姓氏字母顺序排列。
1. 莫妮卡·阿巴卡，qAIRa 联合创始人兼首席执行官 – 让地球变得更清洁
作为 qAIRa 的联合创始人兼首席执行官，莫妮卡·阿巴卡开发了应对空气污染的技术解决方案。严重的空气污染每年造成超过四百万人死亡。qAIRa 公司结合了无人机技术与空气质量监测，利用数据分析来识别空气污染，并制作实时地图显示关键区域。
政府官员使用这些信息来保护公众免受空气污染物在紧急情况下的危害，例如工业气体泄漏、自然灾害或化学品泄漏。这些人工智能驱动的系统的另一个用途是通过有效监控空气污染减缓计划的目标区域来改善总体空气质量。
2. 瑞吉娜·巴尔齐莱，麻省理工学院教师负责人及教授 – 帮助预防乳腺癌
在麻省理工学院担任教师负责人和教授的瑞吉娜·巴尔齐莱，长期以来一直是人工智能领域的思想领袖。她是第一个获得 100 万美元奖金的 AAAI 松鼠人工智能奖（为了人类利益的人工智能）的人。
巴尔齐莱教授积极倡导制定标准，确保在应用人工智能技术时公平与公正，尤其是在医学领域。她举了 Tyrer-Cuzick 模型的例子，该模型通过分析影像数据来确定患者罹患乳腺癌的风险。这个系统在白人女性中有适度的准确性，但在非洲裔或亚洲裔女性中表现极差。
这种失败发生是因为软件没有在足够的种族多样性图像集上经过充分的机器训练。这个问题源于不良的研究者偏见。它是显而易见且不可接受的。Barzilay 教授坚持认为，软件开发者应通过在不同人群中验证人工智能软件或将其开源，以使用不同的模型比较系统准确性，从而消除偏见。
3. Hulya Emir-Farinas, 数据科学总监，FitBit – 研究人们如何获得健康生活的动力
作为 Fitbit 研发部的数据科学总监，Dr. Emir-Farinas 利用结合了行为科学和医疗保健的机器学习的人工智能应用工作。她致力于回答以下问题：
-
什么激励个人追求更健康的生活方式？
-
什么是真实的和想象中的障碍，阻碍了积极的改变？
-
Fitbit 如何增强用户在生活方式改变方面的能力？
回答这些问题需要一种多学科的方法，包括行为经济学、行为科学、健康科学和机器学习，以提供适当的干预、鼓励，并使解决方案具有更多的个性化。
4. Dina Machuve, 纳尔逊·曼德拉非洲科技学院讲师和研究员 – 改善农业
在纳尔逊·曼德拉非洲科技学院，Dina Machuve 是一名讲师和研究员。她专注于创建数据驱动的解决方案以改善农业。一个应用是一个诊断系统，通过生物信息学和计算机视觉技术帮助识别家禽疾病。
目前有超过 3.8 亿的家庭农场为发展中国家 70%的人口提供食物。Manchuve 的解决方案现在已在坦桑尼亚部署，使用系统的数据收集和分析在小型到中型农场中进行。该项目展示了使用深度学习的人工智能方法在疾病诊断中提高畜牧健康的价值。它通过收集来自 370 万户养鸡家庭的低资源环境中的数据进行分析。
5. Deborah Raji, Mozilla 研究员 – 防止人口统计偏见
Deborah Raji 在电子前沿基金会先锋奖颁奖典礼上获得了 2020 年巴洛奖，以表彰她在人工智能种族偏见方面的工作。她的重点是人工智能在处理美国司法系统时对少数族裔产生的负面影响。她倡导消除并替换美国许多城市执法部门使用的严重缺陷的面部识别和监控系统。
6. Tempest van Schaik, 高级机器学习工程师，微软 – 帮助患有囊性纤维化的儿童
作为微软的高级机器学习工程师，Tempest van Schaik 在微软 Azure 云服务的数据科学部门的商业软件工程团队工作。该团队负责为云端编写高级 AI 项目代码。
一个令人兴奋的项目是 Fizzyo，一个通过将呼吸练习转化为视频游戏控制来改善囊性纤维化患者的物理治疗的设备。该设备使接受治疗的儿童的体验更加有趣，并在孩子玩耍时收集每一次呼吸的数据，从而实现更好的治疗效果。
7. Lucy Vasserman，Google 员工软件工程师 – 帮助动物保护
在 Google，Lucy Vasserman 作为员工软件工程师从事创新的 AI 项目。Google 与保护组织合作，利用 AI 研究野生动物。自 1990 年代以来，这些组织使用相机陷阱收集了 450 万张动物照片。这个图像数据库形成了 Wildlife Insights 的初始图像库。其他人可以添加相机陷阱图像，帮助全球映射野生动物，并建立不断增长的图像数据库。任何人都可以在线访问该数据库 探索照片 和相机陷阱的位置地图。
Vasserman 在该项目上工作，使其能够识别大约 100 种物种。它每小时可以处理和分类 3,600 张照片。机器学习软件分析图像，以发现如个别物种的种群规模、捕食者/猎物互动以及野生动物对人类狩猎和栖息地侵占的反应等趋势。
8. Fernanda Viégas，Google 首席科学家 – 制作复杂数据的吸引人可视化
在 Google，Fernanda Viégas 作为数据可视化专家工作。她与其他 Big Picture team 成员共同创建的可视化系统可以在 fernandaviegas.com 上体验。她是 Google PAIR（人类 + AI 研究）的联合负责人。
她的一些项目展示了风流动、维基百科编辑活动的协作模式以及世界新闻事件的动态地图。Viégas 博士制作的高度可视化、数据驱动的艺术作品是纽约现代艺术博物馆永久收藏的一部分。
作为一位来自非技术背景的拉丁裔女性，她在麻省理工学院媒体实验室获得了博士学位。她努力增加技术领域的多样性倡议，以减少女性和少数群体在数据科学中的代表性不足。
鼓励女性参与人工智能，因为它具有改变世界的特性，并且有助于减少存在的性别偏见。以已故美国最高法院大法官露丝·巴德·金斯伯格为榜样。当被问到“她希望最高法院有多少女性大法官？”时，她回答说：“所有人。”
柳德米拉·塔拉年科 是 MobiDev 的首席数据科学家。