Sara Hooker é uma cientista da computação especializada em inteligência artificial e aprendizado automático. Em 2025, ela atua como chefe da Cohere for AI, a divisão de pesquisa da empresa de IA Cohere, onde lidera esforços para avançar a pesquisa em IA de código aberto e promover práticas de desenvolvimento responsável. Hooker é amplamente reconhecida por suas contribuciones à interpretabilidade de modelos, particularmente por seu trabalho sobre como redes neurais aprendem e tomam decisões, e por defender uma maior transparencia nos sistemas de IA.
A pesquisa de Hooker se situa na interseção entre aprendizado profundo, interpretabilidade e imparcialidade. Ela publicou artigos influentes sobre temas como atribuição de características, o impacto dos dados de treinamento no comportamento dos modelos e os desafios de avaliar modelos de IA em grande escala. Seu trabalho foi fundamental para destacar a importância de entender não apenas o que os modelos de IA fazem, mas por que o fazem, uma preocupação que se tornou central no campo da IA responsável.
Início de Carreira e Educação
Hooker completou seus estudos de licenciatura em ciência da computação na Universidade de Toronto, onde se interessou pela primeira vez pela inteligência artificial. Posteriormente, realizou estudos de pós-graduação na mesma instituição, obtendo um mestrado e um doutorado em ciência da computação. Durante sua pesquisa doctoral, se concentró em aprendizado automático e redes neurais, estabelecendo as bases para seu trabalho posterior sobre interpretabilidade.
Depois de obter seu doutorado, Hooker trabalhou como cientista de pesquisa em Google DeepMind, onde contribuiu a projetos que envolviam modelos de aprendizado automático em grande escala. Seu tempo no DeepMind lhe permitió interagir com alguns dos sistemas de IA mais avançados do mundo e aprofundou seu interesse em comprender seu funcionamento interno.
Contribuciones de Pesquisa
A pesquisa de Hooker abordou várias questões fundamentales em IA. Uma de suas contribuciones notables é o conceito de "esquecimento" em redes neurais, onde investigó como os modelos perdem informação sobre certos pontos de dados durante o treinamento. Seu trabalho sobre este tema proporcionó insights sobre a dinámica do aprendizado e os possíveis vieses que podem surgir da seleção de dados.
Ela também foi uma defensora vocal da importância da avaliação na pesquisa em IA. Em um artigo amplamente citado, argumentó que a comunidade de IA muitas vezes depende excessivamente de alguns conjuntos de dados de referência, o que pode levar a conclusões enganosas sobre o desempeño dos modelos. Propuso práticas de avaliação mais rigorosas para garantir que os sistemas de IA sejam robustos e confiables.
Além de seu trabalho técnico, Hooker escrebiu e faló extensamente sobre as implicaciones sociais da IA. Ela enfatizó a necessidade de diversidade na pesquisa em IA e a importância de considerar as perspectivas de comunidades marginalizadas ao desenvolver tecnologias de IA.
Liderazgo na Cohere for AI
Como chefe da Cohere for AI, Hooker supervisó o lançamento de vários modelos de código aberto, incluindo a série Command de modelos de linguagem de grande escala. Ela defendió a ideia de que a pesquisa em IA deve ser colaborativa e transparente, e trabaló para tornar os modelos e pesquisas da Cohere acessibles ao público. Sob sua liderança, Cohere for AI também se concentró em IA multilíngue, desenvolvendo modelos que funcionan bem em uma amplia gama de idiomas, o que representa uma desviación do enfoque centrado no inglês de muitos sistemas de IA.
Hooker também esteve envolvida em esforços para melhorar a interpretabilidade dos modelos de linguagem de grande escala, que são notoriamente difíceis de analizar devido a seu tamanho e complexidad. Sua equipe desenvolvió herramientas e técnicas para sondar estos modelos, com o objetivo de descobrir os mecanismos pelos quais generan respuestas.
Reconocimiento e Impacto
Las contribuciones de Hooker le han valido reconocimiento dentro de la comunidad de IA. Ha sido invitada a hablar en conferencias importantes, incluyendo NeurIPS e ICML, y sus artículos han sido ampliamente citados. También ha aparecido en medios de comunicación como una voz líder en IA responsable.
Su trabajo ha influido tanto en la investigación académica como en la práctica industrial. Muchos laboratorios de IA ahora priorizan la interpretabilidad y la imparcialidad en sus procesos de desarrollo, en parte debido a la defensa de investigadores como Hooker. También ha asesorado a numerosos estudiantes e investigadores en etapas tempranas de su carrera, ayudando a formar a la próxima generación de científicos de IA.
Vida Personal y Defensa
Fuera de su trabajo profesional, Hooker es conocida por su compromiso con aumentar la diversidad en la tecnología. Ha hablado abiertamente sobre los desafíos que enfrentan las mujeres y los grupos subrepresentados en IA y ha trabajado para crear entornos más inclusivos en entornos de investigación. También ha participado en iniciativas para llevar la educación en IA a comunidades desatendidas.
Hooker continúa siendo una investigadora activa y una figura prominente en el panorama de la IA. Su trabajo ejemplifica el creciente reconocimiento de que construir sistemas de IA poderosos requiere no solo experiencia técnica, sino también una comprensión profunda de su impacto social.