Chelsea Finn

Chelsea Finn
Finn jako doktorantka na UC Berkeley w 2017 roku
Alma Mater	University of California, Berkeley Massachusetts Institute of Technology
Znany z	Uczenie się głębokiego wzmacniania
Kariera naukowa
Instytucje	Uniwersytet Stanford
Praca dyplomowa	Nauka uczenia się z gradientami (2018)
Doradca doktorski	Siergiej Levine Pieter Abbeel
Strona internetowa	LABORATORIUM IRIS

Chelsea Finn jest amerykańskim informatykiem i adiunktem na Uniwersytecie Stanforda . Jej badania badają inteligencję poprzez interakcje robotów, z nadzieją na stworzenie robotycznych systemów, które mogą nauczyć się, jak się uczyć. Należy do Google Brain .

Wczesne życie i edukacja

Finn był studentem pierwszego stopnia elektrotechniki w Massachusetts Institute of Technology . Przeniosła się na Uniwersytet Kalifornijski w Berkeley , gdzie studiowała algorytmy oparte na gradiencie w Berkeley Artificial Intelligence Lab (BAIR). Takie algorytmy pozwalają maszynom „uczyć się, jak się uczyć”, co jest bardziej zbliżone do uczenia się człowieka niż tradycyjne systemy uczenia maszynowego. Te techniki „meta-uczenia się” szkolą maszyny w zakresie szybkiego dostosowywania się, dzięki czemu w przypadku napotkania nowych scenariuszy mogą szybko się uczyć. Jako doktorantka pracowała jako stażystka w Google Brain , gdzie pracowała nad algorytmami uczenia robotów z głębokich modeli predykcyjnych. Przeprowadziła ogromny otwarty kurs online na temat głębokiego uczenia się przez wzmacnianie . Była pierwszą kobietą, która zdobyła nagrodę CV & Daulat Ramamoorthy Distinguished Research Award.

Badania i kariera

Finn bada możliwości robotów w zakresie rozwijania inteligencji poprzez uczenie się i interakcję. Wykorzystała głębokiego uczenia się , aby jednocześnie uczyć się percepcji wzrokowej i kontrolować umiejętności robotów.

Opracowała metody meta-uczenia się, aby szkolić sieci neuronowe w zakresie przyjmowania kodu uczniów i generowania przydatnych informacji zwrotnych. Pokazała, że ​​system może się szybko dostosować bez zbytniego wkładu ze strony instruktora. Wypróbowała program na Code in Place, kursie dla 12 000 studentów organizowanym co roku przez Uniwersytet Stanforda . Odkryła, że ​​w 97,9% przypadków uczniowie zgadzali się z przekazywaną informacją zwrotną.

Nagrody i wyróżnienia

• 2016 CV i Daulat Ramamoorthy Distinguished Research Award
• 2017 Wschodząca Gwiazda Elektrotechniki i Informatyki
• Przegląd technologii MIT 2018 35 poniżej 35 lat
• Nagroda za rozprawę doktorską ACM 2018
• Badacz Roku 2020 Samsung Advanced Institute of Technology AI
• Nagroda wydziału Intel Rising Star 2020
• Biura Badań Marynarki Wojennej 2021 dla młodego badacza
• 2022 Nagroda IEEE Robotics and Automation Society Early Academic Career Career Award

Wybierz publikacje

• Finn, Chelsea; Abbeel, Pieter; Levine, Siergiej (2017-07-17). „Meta-uczenie się niezależne od modelu w celu szybkiej adaptacji głębokich sieci” . Międzynarodowa konferencja na temat uczenia maszynowego . PMLR: 1126–1135. ar Xiv : 1703.03400 .
•    Siergiej Levine; Chelsea Finn ; Trevora Darrella ; Pietera Abbeela (2016). „Kompleksowe szkolenie w zakresie głębokich zasad wzrokowo-ruchowych” . Dziennik badań nad uczeniem maszynowym . 17 (39): 1–40. ar Xiv : 1504.00702 . ISSN 1533-7928 . Wikidane Q90313375 .
•   Chelsea Finn ; Iana Goodfellowa ; Siergiej Levine (2016). „Uczenie się bez nadzoru interakcji fizycznej poprzez przewidywanie wideo” (PDF) . Postępy w neuronowych systemach przetwarzania informacji 29 . Postępy w systemach przetwarzania informacji neuronowych . Wikidane Q46993574 .