创意：社区建设、机器学习与AI的未来
WiML 20周年回顾：社区如何通过包容性建设推动机器学习领域发展，并引领负责任AI的实践。
嘉宾Jenn Wortman Vaughan、Hanna Wallach
话题脉络
- 1:26WiML起源与个人背景
20年前作为剑桥大学PhD，师从David MacKay，机器学习领域性别比例严重失衡。
Hanna Wallach - 5:48早期职业与梦想工作
在微软纽约实验室用机器学习研究社会过程，是梦想工作。
Wortman Vaughan - 11:33AI透明性与可解释性
2016年面板上有人错误认为AI已足够透明，促使定义可解释性并做用户测试。
Wortman Vaughan - 15:58公平性工具包实践
学术研究偏重量化指标，从业者需要定性指导，如Fairlearn使用调查。
Hanna Wallach - 20:19WiML研讨会创立
2005年NeurIPS上意识到仅有10位女性在ML，决定举办首届研讨会。
Hanna Wallach - 24:43社区缺失与支持
第三次NeurIPS才首次与女性同住，社区支持对职业生涯至关重要。
Hanna Wallach - 29:05WiML早期反对声音
有男性研究员认为女性经历与男性无差，但对话后改变看法。
Wortman Vaughan - 33:22多元社区增长
类似WiML的社区如穆斯林 in ML、土著 in ML 等每年都在壮大。
Hanna Wallach - 36:18微软负责任AI实践
领导内部工作组推动数据文档和产品透明度注释，如Data Sheets for Datasets。
Hanna Wallach - 40:37GenAI评估挑战
当前GenAI评估缺乏科学严谨性，需借鉴社会科学测量框架。
Wortman Vaughan - 43:32AI未来愿景
理想未来是AI增强而非替代人类能力，需保障人类能动性。
Wortman Vaughan - 47:48给20年前自己的建议
追求真实热情、珍视古怪想法、积极合作，跨学科才能产生更大影响。
Wortman Vaughan
节目简介
值此Women in Machine Learning Workshop（WiML，女性机器学习研讨会）20周年之际，联合创始人Jenn Wortman Vaughan与Hanna Wallach回顾该社区的演变历程，分享她们在机器学习领域的经验，并探讨负责任AI（确保AI系统公平、透明、可问责的研究与实践）的工作成果。