در رویداد اخیر Women in AI به میزبانی Women Techmakers و DevFest NY و مدیریت آن این نیویورک تایمز ناتالیا ویلالوبوس، نایب رئیس و سازنده سابق فناوری زنان، از چند زن باورنکردنی که در هوش مصنوعی کار می‌کنند، شنیدیم که در حال تغییر این رشته هستند و می‌بینند که چگونه دنیای ما را تغییر می‌دهد. در اینجا چند چیز است که ما از چهار نفر از سخنرانان خود یاد گرفتیم، که هر کدام از آنها بر روی برخی از روش های متفاوت و متمایز که هوش مصنوعی اثر خود را بر جای می گذارد تمرکز کرده اند.
1. Kavya Kopparapu در مورد گسترش تأثیر هوش مصنوعی
Kavya Kopparapu یک مهندس محقق در Google DeepMind است که در آنجا بر روی تحقیقات مدل زبان بزرگ (LLM) کار می کند. کاویا مخترعی است که علاقه عمیقی به کاربردهای بین رشته ای و عملی هوش مصنوعی دارد و دارای سه پتنت و چندین نشریه در این زمینه است. در طول این پنل، کاویا گفت که حوزه هوش مصنوعی باید بر همکاری با دانش‌آموزان تمرکز کند تا عصری از کار هدفمند هوش مصنوعی با تأثیر تحقیقاتی واقعی و عمدی آغاز شود. او در این پنل گفت: «من از کاربرد گسترده هوش مصنوعی دفاع می‌کنم، و تأثیر آن را در زمینه‌های مختلفی مانند زیست‌شناسی یا مراقبت‌های بهداشتی متصور هستم». همکاری با جوامع، به‌ویژه دانش‌آموزان، برای کار هدفمند هوش مصنوعی نوید یک دوره هیجان‌انگیز از تأثیر واقعی و تحقیقات عمدی را می‌دهد.» کار او تأثیری را که هوش مصنوعی می‌تواند بر روی برخی از بزرگترین چالش‌های جهان، مانند عدالت آموزشی و مراقبت‌های بهداشتی داشته باشد، نشان می‌دهد. .
2. کارلا پالمر در هدایت تأثیر اجتماعی و حکمرانی در هوش مصنوعی
کارلا پالمر مدیر هوش مصنوعی برای خیر اجتماعی و پایداری در Google.org است که در آنجا بر تخصیص کمک‌های مالی به سازمان‌هایی که درگیر مداخلات هوش مصنوعی با هدف مقابله با مسائلی مانند ناامنی غذایی، سلامت مادر، و دسترسی به منافع عمومی هستند، نظارت می‌کند.
در این رویداد، پالمر گفت که هوش مصنوعی این پتانسیل را دارد که به ما کمک کند تا راه حل های نوآورانه ای برای مشکلات پیچیده ارائه دهیم. به عنوان مثال، او گفت، الگوریتم‌های هوش مصنوعی می‌توانند توزیع منابع را برای مبارزه با ناامنی غذایی، افزایش تشخیص و مراقبت در سلامت مادر و بهبود دسترسی به منافع عمومی بهینه کنند. در عین حال، ما نمی توانیم نگرانی های اخلاقی را نادیده بگیریم. او در این رویداد گفت: “نه تنها باید به اصول سطح بالا فکر کنیم، بلکه چگونه هوش مصنوعی را بر اساس عوامل تنظیم کنیم، درست است؟” و این یک گفتگوی طولانی مدت خواهد بود.
3. Kaitlin Ardiff در ساختن دقت در هوش مصنوعی
نقش Kaitlin Ardiff در Google Cloud Consulting شامل ساخت مدل‌های یادگیری ماشین سفارشی، از موتورهای توصیه شخصی و مدل‌های طبقه‌بندی تصویر گرفته تا خطوط لوله داده در مقیاس بزرگ است. در طول پانل خود، او در مورد اینکه چرا هنگام کار با هوش مصنوعی مهم است که یک استراتژی جامع را که با اهداف پروژه هماهنگ باشد، بیان کرد. این پایه زمینه را برای تصمیم گیری موثر در سراسر فرآیند توسعه ML فراهم می کند. آردیف می گوید: “موفقیت در یک برنامه محکم، اهداف روشن در ساخت مدل، و مدیریت موثر پس از ساخت نهفته است. به ویژه در مورد زیرساخت ها و برنامه نویسی A3، با تاکید بر دقت روزانه.”
4. جاکلین رایس نلسون در مورد قدرت پشتکار
جاکلین رایس نلسون یکی از بنیانگذاران و مدیرعامل Tribe AI است که با شرکت‌های سهام خصوصی، 500 شرکت و استارت‌آپ شریک می‌شود تا از داده‌ها برای اعمال راه‌حل‌های هوش مصنوعی برای چالش‌های درون شرکت‌هایشان استفاده کند تا کارایی و نوآوری را از طریق یادگیری ماشینی افزایش دهد. جاکلین همچنین شرکت Coalition Operations را تأسیس کرد، یک صندوق در مراحل اولیه که همچنین به عنوان یک گروه شبکه ای عمل می کند، جایی که او امیدوار است به زنان بیشتری در این صنعت فرصتی بدهد تا شرکت های خود را بسازند. هر اتفاقی که بیفتد، هر قدر کسی به شما واکنش نشان دهد، هر طور که شما پاسخ دهید، فقط متوقف نشوید. معمولاً تنها تفاوت این پلتفرم ها همین است. شما فقط متوقف نخواهید شد، شکست نخواهید خورد، تسلیم نخواهید شد.» او در طول پانل گفت. “این مانترا است، و این چیزی است که من را نگه می دارد.”
برای محتوای بیشتر و دسترسی به منابع، رویدادها و فرصت ها، برای عضویت در WTM ثبت نام کنید. برای مشاهده کامل بحث پانل، به صفحه لینکدین WTM بروید.