【AI女神节特稿】人工智能领域你不能忽视的 12 位女性

简介:

在 Lovelace 所处的时代,她的天才没有得到世人的赞誉。在一百多年后的今天,女性的地位虽然得到提升,但还有很大的上升空间。在理工学科,尤其是人工智能领域,女性从业者的数量仍然呈现压倒性的劣势。以 DeepMind 为例,作为全世界人数最多的深度学习研究机构,新智元在 LinkedIn 上查询 “DeepMind”,共得到 389 条结果(搜索时间是 2017 年 3 月 7 日。另,DeepMind 的研究团队大约有 2000 人)。其中,女性不到 20 人,而且大多数为行政人员,从事招聘、项目协调和行政助理等工作。带有“Research” title 的女性不到 5 人。


这只是一次的搜索结果,但仍然能够体现出问题。


新智元还做了其他统计。作为覆盖了 AI 相关领域的 IEEE,1999 年到 2017 年的 18 年间,共计 5371 人被选为 IEEE Fellow,其中女性 330 名,占比仅 6.14%。不过,情况也在好转,AAAI 作为人工智能领域的顶级学会,2013 年到 2017 年的 5 年间,在全球范围内共评选出 35 名 Fellow,其中女性 6 名,占比约 17%。


此外,也有 Women in Machine Learning (WiML)这样的女性组织建立起来,提高女性在机器学习方面的经验,增加从事机器学习研究的女性数量,帮助女性在机器学习方面取得专业成功,提升女性在机器学习中的影响。根据发稿前统计,现在 WiML 已有 867 人加入。


在 3 月 8 日国际妇女节的这一天,新智元向所有的女性,特别是在人工智能领域工作的女性喝彩。新智元整理出以下几位值得关注的女性,她们,以及所有在人工智能学术、产业、投资等各个领域工作的女性一起,让人工智能更加美好。


人物的简介来自网络,包括高校页面或个人官网、维基百科以及此前的报道。相关信息若有过时乃至不当之处,请联系我们,我们将第一时间更正。


以下名单按姓名首字母排列。


陈波



陈波是腾讯微信模式识别中心的技术总监。陈波于2008年加入腾讯,带领团队开发了微信摇一摇搜歌、微信语音提醒等多项功能。2006年毕业于清华大学电子工程系,获硕士学位。


模式识别中心隶属于微信北京研发中心,研究方向包含语音识别、图像识别、语音合成、音频指纹、语义理解、数据挖掘等等。模式识别中心还对接产品功能开发,从 2012 年 9 月加入微信团队,至今一共开发了五个大功能:通讯录语音搜索(v4.3),语音提醒(v4.5),摇一摇搜歌(v4.5),增强版“扫一扫”(v5.0)和“语音输入”功能(v5.0)。


程莉莉(Lili Cheng)



微软人工智能及微软研究事业部杰出工程师兼微软FUSE实验室总经理。Lili Cheng 在微软工作近 20 年,她的团队在智能机器人、聊天机器人和人工智能领域都有着极大的影响力。Lili Cheng 的研究小组目前着重负责微软机器人框架(Microsoft Bot Framework)。Bot Framework可以让开发者用任何编程语言开发出能用自然语言与人类进行交流互动的智能机器人程序,其广泛支持各类应用平台,包括文本/短信,Office 365、Skype、Slack,以及标准的网页应用等。自 2016 年开放以来,目前已有超过 4 万人开发人员使用。另外,Lili Cheng 在 Business Insider 评选出的“2017 最具影响力女性工程师”中,排名第 31 位。


黄河燕



黄河燕,教授、博士生导师,1989年获中国科学院计算所博士学位、1986年获国防科技大学硕士学位、1983年获武汉测绘科技大学学士学位,曾任中国科学院计算机语言信息研究中心主任,现任北京理工大学计算机学院院长,兼任香港城市大学特约教授,中国科技大学、南京理工大学、中国科学院研究生院兼职教授和博士生导师。


在机器翻译、自然语言处理和智能应用系统等方面进行了长期深入研究,提出并设计了面向对象的多风格智能程序设计环境;主持研究并实现了基于多策略的机器翻译系统、军用文字信息输入识别与处理系统、多语机器翻译及其系列应用系统、大型网络信息翻译集成处理系统等,组织并完成了基于上述系统技术的多项产品化开发工作,获得了国家科技进步一等奖和中科院科技进步一等奖等多项奖项,目前主持多项国家自然科学基金项目及863项目。


胡建英



1984 年考入清华大学电子工程系,1988 年赴美留学,1993 年获得纽约州立大学石溪分校博士学位。毕业后到贝尔实验室工作,现为 IBM Watson 研究中心医疗分析研究主管。上世纪 90 年代,胡建英致力于模式识别方面的研究,实现了手写识别、以及图像与视频识别。后来从事机器学习,基于网页的表格提取技术,同样是该领域的探索者。


大约五年前,胡建英开始带领团队将数据挖掘应用于医疗数据分析,旨在分析个人已有的健康状况数据,预测未来罹患某些疾病的风险,进而及早给予预防。她所涉及的模式识别、机器学习及数据挖掘等领域均与机器人的制造相关。当被问及为何没有选择这方面的工作时,她笑称机器人的研发可能需要更加漫长的时间,而自己更愿意将科学技术应用于当下的大众生活。(来源:杨帆,《胡建英:获得2015年IEEE Fellow的清华女性》,清华新闻网)


李飞飞



李飞飞是斯坦福大学计算机系终身教授,斯坦福人工智能实验室和斯坦福视觉实验室主任。使用神经网络模型等机器学习算法,李飞飞带领团队创造了能够自动生成图说的软件,创建了全球最大的图像识别数据库 ImageNet,每年一度的 ImageNet 竞赛都牵动着整个业界的心弦。李飞飞关于神经网络和计算机视觉的研究大幅推动了人工智能发展,可能为我们带来更直观的图像搜索应用,以及能够在不熟悉的情况下做出决策的自主机器人。


2016 年 11 月,谷歌宣布李飞飞加盟,负责谷歌云团队人工智能相关的工作。2017 年 1 月,李飞飞接受新智元专访,表示自己是利用休学术假到谷歌去实践 AI 的普世价值。“我现在是在谷歌云担任首席科学家。我和李佳的团队,我们的使命就是整合谷歌云人工智能方面的工作。具体说,我一周有 4 天在谷歌,剩下 1 天在斯坦福。但是说实话,这并不能代表什么。重要的是,我没有离开斯坦福。我想我会一直处在教育的第一线。”


李佳



和李飞飞一样,李佳也是专攻计算机视觉领域。在加入谷歌和李飞飞一起负责谷歌云机器学习部门之前,李佳是 Snapchat(现已更名 Snap)的研究部门负责人。李佳的研究团队主要负责研发新方法,满足用户的需求,包括在图片上添加文字、符号等各种内容。李佳于 2015 年初加盟 Snapchat,在此之前,李佳曾在雅虎实验室的视图计算和学习部门担任负责人,工作达三年之久。


史元春



史元春是教育部“长江学者”,国内外知名的人机交互与普适计算学者。在清华大学计算机系获得学士、硕士、博士学位,1993 年起留校任教。她主持完成的“普适计算基础软硬件关键技术与应用”研究成果获2015年度国家科技进步二等奖。2003 年起,她开始担任清华大学计算机系人机交互与媒体集成研究所所长。目前还担任全球创新学院(GIX学院)的中方院长。


史元春致力于人机交互的研究,这是一门包含更多主观和变化的因素,涉及诸如心理、生理等多个学科的交叉方向。史元春目前在着力研究的 Air Typing(空中文本输入)技术,即通过使用 VR 眼镜在空中盲打输入,就牵涉到捕捉手指习惯于打字的运动规律等因素。目前,经过练习的使用者已经可以使用 Air Typing 接近普通键盘的输入速度,可以预见这类的人机交互技术将给人们的生活带来很大的改变。(来源:王晨阳、李凌,《史元春——教研路上永远年轻》,清华新闻网)


Carol Reiley



Carol Reiley 是约翰霍普金斯大学的医学博士以及在读计算机博士,研究方向是生物医学方向的机器人应用。她还是 drive.ai 的联合创始人。drive.ai 被 CB Insights 评选为最有希望的 100 家人工智能创业公司。Carol Reiley 是吴恩达的妻子。


Daniela Rus



Rus 是 MIT CSAIL 分布式机器人实验室主任,该实验室主要研究模块化和自动重构机器人、自组织机器人的分布式算法和系统,以及机器人网络和传感器网络,移动传感器网络,合作水下机器人和桌面机器人。Rus 的研究兴趣包括机器人、移动计算和可编程物质。她以自我重构机器人、变形机器和通过改变自身内部几何结构适应环境的结构的研究而著称。


Rus 的实验室已经创造了各种机器人,可以模仿各种类似人类的行为,如抚摸、跳舞、烘烤饼干、切割生日蛋糕。这些机器人也可以在没有人类辅助的情况下飞行,执行监视功能。Rus 领导了多机器人系统以及运输、安全、环境建模和监测、水下探测和农业领域的许多突破性研究项目。


Daphne Koller



斯坦福大学计算机科学系教授,麦克阿瑟奖学金获得者。Koller 和吴恩达一起创办了 Coursera。她的研究方向是人工智能及其在生物医学科学中的应用。Koller 2016 年离开 Coursra,成为创业公司 Calico 的首席计算官。


Raia Hadsell



Google DeepMind 高级研究科学家,Raia Hadsell 从事深度学习和机器人研究已有 10 多年。她的论文“Vision for Mobile Robots”获得了纽约大学的最佳论文奖,其后在卡内基梅隆机器人研究所从事博士后研究,再后担任 SRI 国际的高级科学家和技术经理。2014年,Raia Hadsell 加入 DeepMind,领导研究机器人导航和终身学习的研究团队。


新智元创始人、CEO 杨静


最后,我们不能不提新智元的创始人、CEO 杨静。


杨静曾任法国阳狮集团实力传播 (Zenith Media) 媒体购买及咨询副总监、中国经济网经营顾问。2014年策划主持了“奇点临近”、“算法帝国”、“大数据时代的社会人与机器人”等系列人工智能、大数据主题研讨会。2015 年 3 月与机械工业出版社联合主办“新智能时代论坛”,受邀担任2015年5月中国科协年会智能社会科技专家论坛、2015 年机器人世界杯产业峰会、世界机器人大会“人工智能开启机器人新纪元”分论坛主持人。2015 年 9 月,杨静创办了新智元,2016 年 3 月出版专著《新智元 机器+人类=超智能时代》,2016 年 10 月联合主办世界人工智能大会,并出版《中国人工智能产业发展报告》。


杨静  新智元创始人、CEO


2017 年 3 月,新智元作为中国人工智能领域权威平台,与行业巨头英特尔公司联手在北京联合举办“2017开源·生态人工智能技术峰会”,旨在促进产业界、学术界、创投界跨界融合,构建绿色、健康、有活力、充满凝聚力的生态。2016 年,新智元相继成功举办了“超智能时代”大会和“世界人工智能大会”。2017年的 AI 之春,新智元汇集这股强大能量,再次向业界发出最强音。



新智元创始人、CEO杨静接受《每日经济新闻》采访时表示,2017年人工智能将从实验室走出来,和产业、创业结合更加紧密,渗透三百六十行。2017年,人工智能产业将进入爆发期,错过这波机会将很难弥补。随着人工智能进入国家战略各个层面,各地政府对该领域的扶持也会迅速提升。


“2017 新智元开源·生态 AI 技术峰会” 以开源与生态为主题,聚合国内外最顶级 AI 领袖与专家,共同分享与探讨2017年 AI 的技术趋势与走向。


开源是前沿科技的基石,生态是科技落地的土壤。新智元诚挚邀请关心人工智能行业发展的各界人士3月27日亲临峰会现场,共享这场人工智能开年盛典。


文章转自新智元公众号,原文链接

相关文章
|
16天前
|
机器学习/深度学习 人工智能 算法
人工智能与医疗健康:AI如何改变生命科学
【10月更文挑战第31天】人工智能(AI)正深刻改变医疗健康和生命科学领域。本文探讨AI在蛋白质结构预测、基因编辑、医学影像诊断和疾病预测等方面的应用,及其对科研进程、医疗创新、服务效率和跨学科融合的深远影响。尽管面临数据隐私和伦理等挑战,AI仍有望为医疗健康带来革命性变革。
72 30
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
1分钟认识:人工智能claude AI _详解CLAUDE在国内怎么使用
Claude AI 是 Anthropic 开发的先进对话式 AI 模型,以信息论之父克劳德·香农命名,体现了其在信息处理和生成方面的卓越能力
|
25天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
49 6
|
26天前
|
人工智能 自动驾驶 数据安全/隐私保护
人工智能的伦理困境:我们如何确保AI的道德发展?
【10月更文挑战第21天】随着人工智能(AI)技术的飞速发展,其在各行各业的应用日益广泛,从而引发了关于AI伦理和道德问题的讨论。本文将探讨AI伦理的核心问题,分析当前面临的挑战,并提出确保AI道德发展的建议措施。
|
26天前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
19天前
|
机器学习/深度学习 人工智能 弹性计算
阿里云AI服务器价格表_GPU服务器租赁费用_AI人工智能高性能计算推理
阿里云AI服务器提供多种配置选项,包括CPU+GPU、CPU+FPGA等组合,支持高性能计算需求。本文汇总了阿里云GPU服务器的价格信息,涵盖NVIDIA A10、V100、T4、P4、P100等多款GPU卡,适用于人工智能、机器学习和深度学习等场景。详细价格表和实例规格见文内图表。
|
1月前
|
人工智能 算法 安全
人工智能伦理与监管:构建负责任的AI未来
【10月更文挑战第3天】随着人工智能(AI)技术的快速发展,其在社会各领域的应用日益广泛。然而,AI的广泛应用也带来了一系列伦理和监管挑战。本文旨在探讨AI的伦理问题,分析现有的监管框架,并提出构建负责任AI未来的建议。同时,本文将提供代码示例,展示如何在实践中应用这些原则。
271 1
|
1月前
|
机器学习/深度学习 人工智能 数据可视化
深度学习之可解释人工智能(Explainable AI,XAI)
可解释人工智能(XAI)是一个旨在使AI决策过程透明和可理解的研究领域。随着AI和机器学习技术在多个行业中的应用变得越来越广泛,其决策过程的透明度和可解释性变得极其重要。
57 0
|
8天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
8天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####

热门文章

最新文章

下一篇
无影云桌面