为让专注于人工智能的女性学者及其他贡献者获得应有的关注，TechCrunch推出系列访谈，聚焦为AI革命做出杰出贡献的女性。随着AI热潮持续升温，我们将全年发布多篇报道，突出展示常被忽视的关键工作。在此阅读更多人物专访。
弗朗辛·本内特是阿达·洛芙莱斯研究所董事会创始成员，现任该机构临时主任。此前她在生物技术领域利用AI寻找罕见病疗法，并联合创立了一家数据科学咨询公司，担任DataKind UK创始受托人，为英国慈善机构提供数据科学支持。
简要谈谈你是如何涉足人工智能领域的？是什么吸引了你进入这个领域？
我最初从事纯数学研究，对应用学科并不感兴趣——虽喜欢摆弄计算机，但认为应用数学只是计算，缺乏智力趣味。后来转向AI和机器学习时，我和同行逐渐意识到，数据的日益丰富开启了用新技术解决问题的全新可能，这比我之前认知的要有趣得多。
你在人工智能领域最自豪的工作是什么？
我最自豪的是那些技术复杂度并非最高、但能带来切实改善的工作。例如，利用机器学习在医院患者安全事件报告中发现未被注意的模式，帮助医疗人员改善预后。我也自豪于在英国AI安全峰会等活动中，强调以人为本和社会为中心的重要性。我认为，只有兼具与技术合作的热情及深入理解其实际影响的经验，才能权威地做到这一点。
你如何应对男性主导的科技行业及其延伸出的男性主导的人工智能行业的挑战？
主要是选择与看重个人技能而非性别的人共事，并利用影响力使这种态度成为常态。此外，尽可能在多元化团队中工作——处于平衡的团队而非作为突出的“少数群体”，氛围截然不同，更能发挥潜力。从更广层面看，AI具有多重复杂性且影响深远，尤其对边缘化社区，若要让AI运作良好，就需要各行各业的人参与构建和塑造。
你会给希望进入人工智能领域的女性什么建议？
尽情享受！这是一个有趣、充满智力挑战且不断变化的领域，总能找到有用且有拓展性的事情去做，还有许多尚未被想到但极其重要的应用场景。不必焦虑于掌握每一项技术细节（事实上没人能全知全能），只需从感兴趣的事开始，逐步深入即可。
随着人工智能的发展，它面临的最紧迫问题有哪些？
目前最突出的问题是缺乏关于“我们希望AI做什么”以及“社会能接受什么”的共同愿景。技术进步很可能对环境、财务和社会产生重大影响，但人们在未充分理解风险或意外后果时就急于推出新技术，且构建者和讨论者多来自狭窄群体。我们应抓住窗口期决定想要的AI形态。可借鉴其他技术演进经验，反思如何做得更好——例如针对AI产品，建立类似“新车碰撞测试”、“食物中毒追责”、“规划许可咨询受影响人群”以及“对AI决策提出上诉”等对应措施。
人工智能用户应该注意哪些问题？
我希望用户清楚了解工具的本质与能力，并能表达对AI的期望。人们易将AI视为不可控力量，但它只是一套工具集，人类应有能力掌控其使用。但这不应仅由使用者承担，政府和行业应创造条件，让用户能充满信心地使用这些工具。
负责任地构建人工智能的最佳方式是什么？
致力于让数据与AI服务于人民和社会的阿达·洛芙莱斯研究所常探讨此问题。从我个人角度看，有两点至关重要：
第一，愿意有时不构建某些系统，或在必要时停止开发。常见情况是AI系统势头强劲，开发者试图事后添加“护栏”减轻危害，却从未将自己置于可能选择停止的情境中。
第二，真正投入其中，努力理解各类人群的体验。若能深入体会真实经历，就更有可能实现积极、负责任的AI——即基于对“何为良好”的共同愿景，打造真正解决问题的产品，避免因生活差异而意外恶化他人处境。
例如，阿达·洛芙莱斯研究所与NHS合作开发了算法影响评估工具，开发者获取医疗数据访问权限时必须完成。这要求在实施前评估AI的社会影响，并纳入受影响个人和社区的亲身经历。
投资者如何更好地推动负责任的AI？
通过对其投资及前景提问：该系统如何在出色且负责任方面具体体现？哪些环节可能失控？对个人和社会有何连锁反应？如何判断需停止开发或调整，届时该采取什么行动？虽无放之四海皆准的方案，但仅仅通过提问并表明重视责任感，投资者就能促使企业将精力投入到正确方向上。