Sara Hooker ist eine Informatikerin, die sich auf künstliche Intelligenz und maschinelles Lernen spezialisiert hat. Seit 2025 leitet sie Cohere for AI, die Forschungsabteilung des KI-Unternehmens Cohere, wo sie Bemühungen zur Förderung von Open-Source-KI-Forschung und verantwortungsvollen Entwicklungspraktiken anführt. Hooker ist weithin anerkannt für ihre Beiträge zur Modellinterpretierbarkeit, insbesondere für ihre Arbeit darüber, wie neuronale Netze lernen und Entscheidungen treffen, sowie für ihr Eintreten für mehr Transparenz in KI-Systemen.
Hookers Forschung liegt an der Schnittstelle von Deep Learning, Interpretierbarkeit und Fairness. Sie hat einflussreiche Arbeiten zu Themen wie Feature-Attribution, den Auswirkungen von Trainingsdaten auf das Modellverhalten und den Herausforderungen bei der Evaluierung großer KI-Modelle veröffentlicht. Ihre Arbeit war maßgeblich daran beteiligt, die Bedeutung des Verständnisses nicht nur dessen, was KI-Modelle tun, sondern auch warum sie es tun, hervorzuheben – eine Frage, die inzwischen zentral für das Feld der verantwortungsvollen KI ist.
Frühe Karriere und Ausbildung
Hooker absolvierte ihr Grundstudium in Informatik an der University of Toronto, wo sie erstmals ein Interesse an künstlicher Intelligenz entwickelte. Anschließend setzte sie ihr Studium an derselben Institution fort und erwarb einen Master-Abschluss und einen Doktortitel in Informatik. Während ihrer Doktorarbeit konzentrierte sie sich auf maschinelles Lernen und neuronale Netze und legte damit das Fundament für ihre spätere Arbeit zur Interpretierbarkeit.
Nach Abschluss ihrer Promotion arbeitete Hooker als Forscherin bei Google DeepMind, wo sie an Projekten mit groß angelegten maschinellen Lernmodellen beteiligt war. Ihre Zeit bei DeepMind ermöglichte es ihr, mit einigen der fortschrittlichsten KI-Systeme der Welt zu arbeiten und vertiefte ihr Interesse daran, deren innere Funktionsweise zu verstehen.
Forschungsschwerpunkte
Hookers Forschung hat sich mit mehreren grundlegenden Fragen der KI beschäftigt. Ein bemerkenswerter Beitrag ist das Konzept des „Vergessens“ in neuronalen Netzen, bei dem sie untersuchte, wie Modelle während des Trainings Informationen über bestimmte Datenpunkte verlieren. Ihre Arbeit zu diesem Thema lieferte Erkenntnisse über die Dynamik des Lernens und die potenziellen Verzerrungen, die durch die Datenauswahl entstehen können.
Darüber hinaus hat sich Hooker lautstark für die Bedeutung der Evaluierung in der KI-Forschung eingesetzt. In einem vielzitierten Papier argumentierte sie, dass die KI-Gemeinschaft sich zu stark auf einige wenige Benchmark-Datensätze verlässt, was zu irreführenden Schlussfolgerungen über die Modellleistung führen kann. Sie schlug strengere Evaluierungspraktiken vor, um die Robustheit und Zuverlässigkeit von KI-Systemen zu gewährleisten.
Neben ihrer technischen Arbeit hat sich Hooker ausführlich zu den gesellschaftlichen Auswirkungen von KI geäußert. Sie betont die Notwendigkeit von Vielfalt in der KI-Forschung und die Bedeutung der Berücksichtigung der Perspektiven marginalisierter Gemeinschaften bei der Entwicklung von KI-Technologien.
Führungsrolle bei Cohere for AI
Als Leiterin von Cohere for AI hat Hooker die Veröffentlichung mehrerer Open-Source-Modelle beaufsichtigt, darunter die Command-Serie von großen Sprachmodellen. Sie hat sich für einen kollaborativen und transparenten Ansatz in der KI-Forschung eingesetzt und dafür gearbeitet, Coheres Modelle und Forschung öffentlich zugänglich zu machen. Unter ihrer Führung hat sich Cohere for AI auch auf mehrsprachige KI konzentriert und Modelle entwickelt, die in einer Vielzahl von Sprachen gut funktionieren – eine Abkehr von der englisch-zentrierten Ausrichtung vieler KI-Systeme.
Hooker ist außerdem an der Verbesserung der Interpretierbarkeit großer Sprachmodelle beteiligt, die aufgrund ihrer Größe und Komplexität bekanntermaßen schwer zu analysieren sind. Ihr Team hat Werkzeuge und Techniken entwickelt, um diese Modelle zu untersuchen und die Mechanismen zu entschlüsseln, durch die sie Antworten generieren.
Anerkennung und Einfluss
Hookers Beiträge haben ihr Anerkennung in der KI-Gemeinschaft eingebracht. Sie wurde eingeladen, auf großen Konferenzen wie NeurIPS und ICML zu sprechen, und ihre Arbeiten werden häufig zitiert. Sie wurde auch in Medien als führende Stimme für verantwortungsvolle KI vorgestellt.
Ihre Arbeit hat sowohl die akademische Forschung als auch die industrielle Praxis beeinflusst. Viele KI-Labore priorisieren heute Interpretierbarkeit und Fairness in ihren Entwicklungsprozessen, nicht zuletzt aufgrund des Engagements von Forscherinnen wie Hooker. Sie hat außerdem zahlreiche Studierende und Nachwuchsforschende betreut und dazu beigetragen, die nächste Generation von KI-Wissenschaftlerinnen und -Wissenschaftlern zu formen.
Persönliches Leben und Engagement
Außerhalb ihrer beruflichen Arbeit engagiert sich Hooker für die Förderung von Vielfalt in der Technologiebranche. Sie spricht offen über die Herausforderungen, denen Frauen und unterrepräsentierte Gruppen in der KI begegnen, und setzt sich für integrativere Umgebungen in Forschungseinrichtungen ein. Sie ist auch an Initiativen beteiligt, die KI-Bildung in unterversorgte Gemeinschaften bringen.
Hooker bleibt eine aktive Forscherin und eine prominente Persönlichkeit in der KI-Landschaft. Ihre Arbeit veranschaulicht die wachsende Erkenntnis, dass der Aufbau leistungsfähiger KI-Systeme nicht nur technisches Fachwissen erfordert, sondern auch ein tiefes Verständnis ihrer gesellschaftlichen Auswirkungen.