By 超神經
2019 新年裡，人工智能領域的第一場口水戰已經在 Twitter 打響，這次的主題是由媒體網站 Venturebeat 的一個失誤所引發的。
這場口水戰中，包括 Yann LeCun、Andrew Ng、諾貝爾獎得主 James D. Watson 都被點名，而最終又指向了關于 AI 職場中的性别偏見。
這次親自上場撕的主人公是 Anima Anandkumar，雖然不如第一梯隊的幾位大佬著名，但她也是在機器學習領域裡舉足輕重的人物。
Anima 目前在 NVIDIA 擔任機器學習研究總監，同時也是加州理工計算機與數學系的終身教授。
在英偉達之前，Anima 還曾就職于 AWS 擔任首席科學家，也曾在 MIT 和微軟研究院都工作過。
她的研究涉及大規模學習、深度學習、機率模型和非凸優化等領域，還是 NeurIPS 的專業評審，這次 NeurIPS 的改名，Anima 也做了很多推動。
就在今天，Anima 發表和回複了近 50 條 Twitter ，和其他網友一起瘋狂抗議媒體網站 Venturebeat ，在一篇新聞稿中使用了一張處理不恰當的照片。
除了這張照片之外，Anima 還激憤地表達了人工智能科研領域裡，一直以來存在的性别歧視，和自己曾經遭遇的對待。
争吵源頭：「無頭 」AI 女科學家
在 1月 2 日，美國知名的科技媒體 Venturebeat 網站上釋出了一篇新聞，是關于四位 AI 領軍人物對于 2019 年人工智能發展的預測，其中提到了 Yann Lecun、吳恩達、Hilary Mason 和 Rumman Chowdhury 對于今年人工智能的發展看法。
這篇新聞的标題和内容都沒啥大問題，可是題圖卻出了大大的纰漏。
在 Venturebeat 的網站中，這篇文章的配圖中，兩位女性科學家的腦袋剛好被截掉了。
這兩位隻見其身，不見其頭的女科學家，分别是雲服務巨頭 Cloudera 的機器學習負責人 Hilary Mason，還有一位是埃森哲的人工智能責任事業部門的進階監理 Rumman Chowdhury。
首先是由網友發現了這個問題，發了個推吐槽：
也讓很多網友覺得無論是何種原因，一家媒體網站出現這樣的配圖都是不應該的。不過直到目前，這篇文章在 Venturebeat （
https://venturebeat.com/）的官方網站上，依舊沒有被修改。
女科學家們玻璃心了？
關于這件事的讨論從中國時間的昨天下午，一直到現在仍在進行。Anima 就這篇文章在推特上發出自己的聲音，她認為 Venturebeat 這一行為很不應該，應該盡快修改。
一石激起千層浪，又有一位 AI 大拿跳了出來，說這是 Twitter 應該背鍋，這隻是抓取圖檔不全而已。
這位跳出來的仁兄就是 Thomas G. Dietterich，他的 Twitter 粉絲裡還有吳恩達、李飛飛、Lecun。前段時間由 Lecun 引發關于「AI 倫理」的口水仗裡，Thomas 也是積極參與的活躍份子。
Anima 站出來表示，她覺得 Venturebeat 的這篇文章的失誤也是因為女性在科技圈裡一直以來不受重視，他還舉了自己遇到的幾個職場中的例子，比如：
在接受 Nature 采訪時，她談到了 #protestNIPS 話題（ NIPS 改名為 NeurIPS） 和@InclusionInML （一個倡導提高機器學習中的包容性和消除偏見的組織）時，Nature 并沒有着重強調女性科學家在這些工作中的貢獻，而是花了很大的筆墨去寫網紅機器人索菲亞。
她認為媒體為了蹭熱點吸引眼球，也用男權社會的視角去處理新聞内容，這也是讓女性在科技節不受重視的原因之一。
NeurIPS 的求生欲：增加女性主席
相比于 Venturebeat 在編輯上的小失誤，NeurIPS 就在去年展現了自己極大的求生欲。
在剛剛結束不久的大會中，NeurIPS 不僅緊急更換了沿用多年的名字，還在除主席之外的四位大會項目中，一連加入了兩位女性主席。
她主要的研究方向是計算機視覺和機器學習，再說細一點的話，就是視覺搜尋和物體識别。
她最有影響力的研究成果：Pyramid Match Kernel，是圖像比對方面的算法，她 2005 年合作的論文《The Pyramid Match Kernel: Discriminative Classification with Sets of Image Features》， 是該領域經典算法之一。
她在學術上的高産和高品質，許多男性研究者都望塵莫及。
消除 AI 的偏見，更要消除社會的偏見
工程師這個行業中，性别比例本來就十分懸殊，能夠脫穎而出的女性工程師或者科學家也是不常有。
前段時間，亞馬遜所使用篩選履歷的 AI 工具，被曝出有性别歧視的嫌疑，被官方緊急下線。雖然事後表示這是訓練出來的一個錯誤，但也客觀的表明了這個領域内，女性還是少數和被忽視的群體。
基于資料學習的 AI 程式，它所學習的資料和模型，來自真實的社會，如果這個領域普遍都是男性視角，就算是無意識的傳遞，也會讓 AI 學習到人群的偏見。
不過随着社會的發展，在 AI 領域，也湧現了越來越多的女性科學家。人們的關注程度也讓女性在這個領域也占據着更重要的地位。