Ayanna Howard
Organisationer tager AI i brug inden for rekruttering, sundhedsvæsenet og driften, før de forstår, hvis antagelser der er indkodet i disse systemer. Bias i AI er ikke et dataproblem – det er et designproblem, og det kan spores direkte tilbage til homogeniteten i de teams, der udvikler værktøjerne. Den anden risiko er mindre synlig: Forskning viser, at mennesker rutinemæssigt stoler på automatiserede systemer på måder, der går langt ud over disse systemers pålidelighed, også i situationer med store konsekvenser. Bestyrelser, der har godkendt indførelsen af AI, har ofte ikke taget højde for nogen af disse problemer.
Ayanna Howard er robotforsker og dekan for ingeniørvidenskab ved Ohio State University. Hendes forskning i bias i kunstig intelligens og menneskers overdrevne tillid – baseret på over 250 fagfællebedømte publikationer og bogen *Sex, Race, and Robots* – giver organisationer det videnskabelige grundlag for at styre indførelsen af kunstig intelligens, ikke blot at indføre den.
Full Profile
Hvorfor organisationer samarbejder med Ayanna Howard
- Hendes laboratorium udviklede de første peer-reviewede algoritmer, der kvantificerer, hvordan robotfejl undergraver menneskers tillid – herunder i nødsituationer, hvor folk fulgte automatiserede systemer væk fra tydeligt markerede udgange. Dette fund omformulerer spørgsmålet om AI-styring fra "er vores system nøjagtigt?" til "stoler vores medarbejdere farligt meget på det?"
- Hendes bog *Sex, Race, and Robots* (2021) fremfører et konkret, falsificerbart argument: AI-bias stammer fra designeren, ikke fra dataene. Dette argument ændrer, hvor ledelsesteamene placerer ansvaret – og hvad de skal gøre før implementering, ikke efter.
- Hun sidder i bestyrelsen hos Autodesk og Motorola Solutions, samtidig med at hun leder en af de største ingeniørskoler i USA. Hun forstår AI-beslutninger fra laboratoriet til bestyrelseslokalet, og hun taler til begge med lige stor autoritet.
- Zyrobotics, det firma, hun grundlagde på baggrund af sin forskning ved Georgia Tech, har kommercialiseret AI til børn med motoriske og kognitive udfordringer – hun har direkte produkt erfaring med at omsætte forskning til regulerede, virkelige anvendelser.
- Som ACM Athena-forelæser for 2021–2022 og medlem af IEEE, AAAI, AAAS og National Academy of Inventors har hendes meritter stor vægt i både tekniske due diligence-drøftelser og ledelsesmæssige samtaler.
Højdepunkter i biografien
- Dekan for College of Engineering, Ohio State University – den første kvinde i denne stilling; forvalter et årligt budget på 360 mio. dollar, 12 afdelinger og over 11.900 studerende
- Seniorforsker i robotteknologi og vicedirektør, Office of the Chief Scientist, NASA Jet Propulsion Laboratory – har bidraget til Mars-rover- og arktiske robotprogrammer
- Udnævnt til ACM Athena-forelæser for 2021–2022 for grundlæggende bidrag til tilgængelige menneske-robot-systemer og AI
- Forfatter til *Sex, Race, and Robots: How to Be Human in the Age of AI* (Audible Studios/Brilliance Audio, 2021)
- Fellow i IEEE, AAAI, AAAS og National Academy of Inventors; valgt medlem af American Academy of Arts and Sciences
- Uafhængigt bestyrelsesmedlem i Autodesk Inc. og Motorola Solutions Inc.
- Grundlægger af Zyrobotics – et spin-off fra Georgia Tech, der udvikler AI-baserede undervisnings- og terapiprodukter til børn med særlige behov
- Udnævnt til Forbes’ liste over Amerikas 50 mest indflydelsesrige kvinder inden for teknologi og Business Insiders liste over de 23 mest indflydelsesrige kvindelige ingeniører; omtalt i TIME, Vanity Fair, CNN og NPR
Biografi
Når et AI-system træffer en fejlagtig beslutning, giver de fleste organisationer dataene skylden. Ayanna Howards forskning fremfører et stærkere argument: bias i AI er en designfejl, og den kan spores direkte tilbage til dem, der bygger systemet. Hendes lydbog *Sex, Race, and Robots* (2021) bragte dette argument ud til et bredt publikum. Hendes mere end 250 peer-reviewede publikationer har forankret argumentet i den videnskabelige litteratur.
Hendes eksperimentelle arbejde skærper indsatsen. Howards Human-Automation Systems Lab udviklede de første algoritmer til at kvantificere, hvordan robotfejl undergraver menneskers tillid – herunder i nødsituationer, hvor forsøgspersoner fulgte en automatiseret vejledning væk fra tydeligt markerede udgange. Konsekvensen er klar: mennesker stoler for meget på AI-systemer på måder, der har betydning for afgørende beslutninger inden for sundhedsvæsenet, ansættelser og sikkerhed.
Hendes ekspertise inden for disse spørgsmål spænder over tre forskellige områder. Hun tilbragte tolv år ved NASAs Jet Propulsion Laboratory – som seniorforsker i robotteknologi og vicedirektør i Office of the Chief Scientist – hvor hun udviklede autonome systemer til Mars og arktisk terræn. Derefter ledede hun et af USA's mest produktive laboratorier inden for menneske-robot-interaktion ved Georgia Tech. Hun er nu dekan for ingeniørvidenskab ved Ohio State University – universitetets første kvindelige dekan – med ansvar for tolv afdelinger, et budget på 360 mio. dollar og mere end 11.900 studerende.
Howard sidder desuden i bestyrelsen hos Autodesk og Motorola Solutions og har grundlagt Zyrobotics, der omsætter hendes forskning til AI-baserede undervisnings- og terapiprodukter til børn med særlige behov. Hun er Fellow i IEEE, AAAI, AAAS og National Academy of Inventors samt ACM Athena-forelæser for 2021–2022. Til bestyrelser og ledelsesteam, der stiller alvorlige spørgsmål om AI-styring, tilbyder hun peer-reviewet forskning, institutionel skala og direkte kommerciel ansvarlighed – alt sammen i én og samme person.
Vigtigste foredragstemaer
- AI-bias og ansvarligt systemdesign
- Menneskers overdrevne tillid til automatiserede systemer
- Interaktion mellem mennesker og robotter og tillid
- Hjælpemiddel- og sundhedsrobotik
- AI-styring og etik
- AI i erhvervslivet: risici og muligheder
- Teknisk lederskab og mangfoldighed i arbejdsstyrken inden for STEM
Ideel for
- Bestyrelser og ledere på C-niveau med ansvar for AI-styring
- Teknologichefer og digitale chefer, der har ansvaret for implementeringen af AI
- F&U- og innovationsledere i teknologi-, sundheds- og produktionsvirksomheder
- Udviklingsprogrammer for ledere inden for ingeniørvidenskab og teknologi
Resultater for målgruppen
- En specifik omformulering af ansvarlighed inden for AI: bias er et designansvar, ikke et dataproblem – med implikationer for, hvem i organisationen der har ansvaret for det
- Evidensbaseret forståelse af, hvordan mennesker stoler for meget på automatiserede systemer, og hvad det betyder for beslutninger om styring og implementering
- Praktiske kriterier til evaluering af AI-systemer, før de indsættes i roller med betydelige konsekvenser
- En klarere forståelse af, hvor mangfoldighed i tekniske teams påvirker AI-resultaterne – og hvordan man argumenterer for dette internt
- En mere selvsikker og evidensbaseret holdning for bestyrelser og ledelsesteam, der skal træffe beslutninger om indførelse af AI
Samtaler
Undersøger, hvordan kunstig intelligens og robotteknologi ændrer beskæftigelsen og den sociale mobilitet, og hvad organisationer og undervisere skal gøre for at opbygge en kompetent og inkluderende teknisk arbejdsstyrke.
Vigtige pointer:
- Hvordan man effektivt integrerer STEM-undervisning på tværs af aldersgrupper, fra den tidlige barndom til videregående uddannelse
- Hvordan man skaber vedvarende interesse og kompetencer inden for AI-relaterede områder blandt underrepræsenterede grupper
- Hvad organisationer kan gøre for at understøtte rekrutteringen af tekniske talenter, som AI-økonomien efterspørger
Med udgangspunkt i hendes meget populære TED Talk undersøger denne præsentation, hvordan man ved at indarbejde principper fra menneskelig adfærd og neurovidenskab kan gøre AI-systemer sikrere, mere effektive og bedre tilpasset de sociale normer.
Vigtige pointer:
- Hvordan menneskelig intelligens og adfærd kan danne grundlag for udformningen af robot- og AI-systemer
- Hvorfor det er afgørende at indarbejde regler for interaktion for at sikre en sikker og effektiv interaktion mellem mennesker og robotter
- Konsekvenserne af mere menneskelignende AI-systemer for teknologivirksomheder, erhvervslivet og forbrugerne
Undersøger robotteknologiens og kunstig intelligens’ rolle inden for sundhedssektoren, især i forbindelse med støtte til børn med særlige behov og ældre patienter, med udgangspunkt i Howards egen forskning og kommerciel produktudvikling.
Vigtige pointer:
- Hvordan robotsystemer kan understøtte fysioterapi og rehabilitering for børn med motoriske begrænsninger
- Potentialet for AI-baserede robotter til at overvåge helbredet og yde følelsesmæssig støtte
- Praktiske overvejelser i forbindelse med integration af hjælperobotter i sundhedsvæsenet
En faciliteret session, der undersøger både de operationelle fordele og de utilsigtede konsekvenser af implementeringen af kunstig intelligens – med det formål at hjælpe ledere med at vurdere risici og forberede sig på en ansvarlig implementering.
Vigtige pointer:
- Hvordan AI-værktøjer kan forbedre dataanalysen og den operationelle effektivitet
- Vigtige spørgsmål, som organisationer bør stille sig, inden de implementerer AI-systemer
- Hvordan man identificerer og mindsker risici, herunder krænkelse af privatlivets fred, misbrug af data og utilsigtede diskriminerende konsekvenser
Undersøger, hvordan menneskelige fordomme bliver indlejret i AI-systemer, og hvordan overdreven tillid til automatiserede beslutninger medfører etiske og samfundsmæssige konsekvenser, som organisationer ofte ikke er klar over.
Vigtige pointer:
- Hvordan fordomme præger udviklingen og resultaterne af AI-algoritmer
- Risiciene ved overdreven afhængighed af automatiserede systemer i beslutninger med store konsekvenser
- Strategier til at mindske eller forhindre fordomme i næste generations AI-teknologier