Olga Russakovsky es profesora asociada de ciencias de la computación en la Universidad de Princeton. Su investigación se centra en la visión por computadora y el aprendizaje automático, con un énfasis particular en comprender y mitigar los sesgos sociales en los sistemas de reconocimiento visual. Fue una de las líderes del ImageNet Large Scale Visual Recognition Challenge, un esfuerzo fundamental en el desarrollo del aprendizaje profundo y la inteligencia artificial. Russakovsky ha sido reconocida por MIT Technology Review como una de las principales jóvenes innovadoras del mundo.
Russakovsky es ucraniano-estadounidense. Estudió matemáticas en la Universidad de Stanford y permaneció allí para sus estudios de doctorado. Inicialmente, descartó la ciencia de la computación y se sintió desconectada de la investigación, siendo la única mujer en su laboratorio. La llegada de Fei-Fei Li a Stanford cambió su trayectoria. Russakovsky completó su doctorado en visión por computadora en 2015, durante el cual trabajó con Li en la clasificación de imágenes. Desarrolló un algoritmo que podía separar objetos seleccionados del fondo, lo que la hizo muy consciente del sesgo humano en los datos. También trabajó en mecanismos para reducir la carga de la clasificación de imágenes en los anotadores humanos, haciendo preguntas menos numerosas y más generalizadas sobre las imágenes inspeccionadas. Junto con Li, Russakovsky desarrolló ImageNet, una base de datos de millones de imágenes que ahora se usa ampliamente en visión por computadora.
Investigación y carrera
Después de su doctorado, Russakovsky fue investigadora postdoctoral en la Universidad Carnegie Mellon. Luego se unió a la Universidad de Princeton como profesora asociada de ciencias de la computación. Su investigación investiga el sesgo histórico y social dentro del reconocimiento visual y el desarrollo de soluciones computacionales que promuevan la equidad algorítmica. Por ejemplo, en 2015, una nueva aplicación de identificación de fotos desarrollada por Google etiquetó a una pareja negra como "gorilas". En ese momento, solo el 2% de la fuerza laboral de Google era afroamericana. Russakovsky ha enfatizado que, aunque las fuerzas laborales que diseñan sistemas de inteligencia artificial no son lo suficientemente diversas, solo mejorar la diversidad de los científicos de la computación no será suficiente para corregir el sesgo algorítmico. En cambio, ha involucrado el entrenamiento de modelos de aprendizaje profundo que descorrelacionan características protegidas como la raza o el género. En 2019, recibió una subvención Schmidt DataX para estudiar la precisión en los sistemas de subtitulado de imágenes.
Participación pública
Russakovsky ha participado en varias iniciativas para mejorar el acceso a la ciencia de la computación y la comprensión pública de la inteligencia artificial. Forma parte de la junta de AI4ALL, una fundación que busca mejorar la diversidad en la IA. Como parte de AI4ALL, Russakovsky dirigió un campamento de verano para niñas de secundaria. Organizó el primer campamento de verano en 2015, llamado Programa de Verano de Divulgación del Laboratorio de Inteligencia Artificial de Stanford (SAILORS). Para 2018, se había expandido a otros seis campus de EE. UU. Ha lanzado iniciativas similares en la Universidad de Princeton. El campamento de verano busca mantener el sesgo fuera de la IA educando a personas de diversos orígenes sobre ciencia de la computación, aprendizaje automático y políticas.
Publicaciones seleccionadas
Russakovsky es la autora principal de "ImageNet Large Scale Visual Recognition Challenge", publicado en el International Journal of Computer Vision en 2015. El artículo describe la creación de un conjunto de datos disponible públicamente con millones de imágenes de objetos y escenas cotidianas, y su uso en una competencia anual entre algoritmos de reconocimiento visual de instituciones participantes. El artículo analiza los desafíos de crear un conjunto de datos tan grande, los avances en la clasificación y detección algorítmica de objetos que resultaron de la competencia, y el estado del campo de reconocimiento de objetos en el momento de la publicación. Según el sitio web de la revista, el artículo ha sido citado más de 5,000 veces. Según Google Scholar, que incluye citas de la preimpresión en arXiv, el artículo ha sido citado más de 13,000 veces en total. Russakovsky es autora de más de 20 otros artículos académicos, seis de los cuales han sido citados más de 100 veces cada uno, según Google Scholar.
Premios y honores
Los premios y honores de Russakovsky incluyen:
- 2015 Foreign Policy 100 Leading Global Thinkers
- 2016 PAMI Everingham Prize
- 2017 MIT Technology Review 35 under 35
- 2020 Anita Borg Early Career Award (BECA)