AIとデータサイエンスにおける女性のエンパワーメントが重要な理由

企業は、プロセスを簡素化するために、これまで以上に迅速に人工知能を採用しています。たとえば、AIを使用して、カスタマーサービスのタスクを自動化したり、医師が病気を診断するのを支援したり、検索エンジンの結果を改善したり、自動運転車を制御したりできます。そのリストはどんどん増えていきます...

AIが日常生活に浸透するにつれて、テクノロジーにおける多様性とインクルージョンの問題は依然として重要な懸念事項です。特に、ジェンダーデータギャップを含む、データサイエンスとAIにおける女性の継続的な過小評価は、技術製品やアルゴリズムシステムにおける偏見のエンコードと増幅につながり、有害なフィードバックループを生み出します。

「真に多様性を持たせるには、異なる考え方を持つ人々をAIの世界に連れてくる必要があります。」

Kay Firth-Butterfield
AI & Machine Learning責任者、執行委員会メンバー

AIは、特に業界における女性の参加を後押しすることで、女性が目覚ましい成功を収めることができる分野の1つです。

データサイエンスと機械学習に情熱を注ぐLians Wanjiku氏を紹介します。彼女のデータサイエンスへの道のりをたどり、若い女性たちがテクノロジーの世界に足を踏み入れるきっかけとなるでしょう。

Liansは、ケニアのデダン・キマティ工科大学のデータサイエンスセンターで、最終学年の学生であり、リサーチアシスタントのインターンをしています。

データから洞察を抽出するのがいかに簡単かに気づき、Lianは機械学習に興味を持つようになりました。約1年前にデータサイエンスコミュニティに参加し、キャリアとして追求することに強い関心を持っています。Lianにとって、データサイエンスとAIが未来をどのように推進していくかは驚くべきことです。

動物種を検出するためのYOLOv5

LiansがYOLOv5を使い始めたのは数か月前です。さまざまな動物種の画像を使用し、物体検出モデルとしてのYOLOv5を使用する主な目標は、学校の保護区にいる動物種を分類することでした。プロジェクトの後半で、分類後、モデルがすべての画像に自動的にアノテーションを付けることができることに気付きました。これにより、人的労力を削減し、画像にアノテーションを付ける時間を節約することが容易になります。

Liansは、PyTorchの知識とスキルを習得する必要があったため、TFODやYOLOv3など、他の事前学習済みの物体検出モデルも試しました。しかし、調査を通じてYOLOv5を見つけた後、すぐに実装しました。Lianにとって、このモデルは軽量で使いやすく、最高の精度を提供するため、最高のパフォーマンスを発揮します。

「最も良い点は、ほんの数行のコードで始められることです！」

YOLOv5の価値

• データ拡張
• 推論速度
• モデルがいくつかのバリエーション（s、m、l、x）で利用可能であり、それぞれ検出精度とパフォーマンスが異なるという事実は、彼女にとって使いやすさを向上させました。

Liansは、この分野の初心者にはYOLOv5を推奨しています。彼女の言葉を借りれば、「YOLOv5は物体検出用に構築されているため、得意としています。操作や記述するコードが少ないため、YOLOはその速度と精度により、最も有名な物体検出アルゴリズムの1つです。」

LiansはGitHubでのコラボレーションを受け付けており、Twitterでチャットできます。また、彼女が取り組んでいるプロジェクトに関する記事も公開しています。彼女の記事「YOLOv5を使用した物体検出入門」をチェックしてください。

シマウマとインパラの両方がいるビデオで、物体検出モデルをいくつか展開しました.... この観点から、私は厨房に戻って、より多くのデータで作業し、モデルを完成させる必要があると思います。#100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
‍

‍

— lian.s__ (@lians___) 2022年11月29日

Liansの経験についてお読みいただきありがとうございます。Ultralyticsとして、この分野にさらに多くの女性が参加することを願っています。今後もAIを誰にとっても使いやすくしていきますので、ご期待ください！