Emma Patricia Brunskill ist eine US-amerikanische Informatikerin, deren Forschung Machine learning mit der Mensch-Computer-Interaktion verbindet und sich darauf konzentriert, wie KI-Systeme menschenzentrierte Anwendungen wie Bildungssoftware und Gesundheitswesen beeinflussen. Ihre Arbeit untersucht auch die Theorie des Reinforcement Learning in Umgebungen, in denen Fehler mit hohen Risiken oder Kosten verbunden sind. Sie ist außerordentliche Professorin für Informatik an der Stanford University, hat eine Gastprofessur an der Stanford Graduate School of Education inne und ist assoziiertes Mitglied des King Center on Global Development.
Brunsills Beiträge wurden mit mehreren Auszeichnungen gewürdigt, darunter ein CAREER Award der National Science Foundation und die Wahl zum Fellow der Association for the Advancement of Artificial Intelligence. Ihre Forschung hat die Gestaltung adaptiver Lerntechnologien und Entscheidungsalgorithmen in sicherheitskritischen Bereichen beeinflusst.
Ausbildung und frühe Karriere
Brunskill wuchs in Seattle und Edmonds, Washington, auf und trat im Alter von 15 Jahren in die University of Washington ein. Sie schloss 2000 magna cum laude mit einem Bachelor-Abschluss in Computertechnik und Physik ab. Ein Rhodes-Stipendium führte sie an das Magdalen College in Oxford, wo sie 2002 einen Master-Abschluss in Neurowissenschaften erwarb. Nach einem Sommer in Ruanda promovierte sie in Informatik am Massachusetts Institute of Technology und schloss ihre Promotion 2009 ab. Ihre Dissertation mit dem Titel „Compact parametric models for efficient sequential decision making in high-dimensional, uncertain domains“ wurde von Nicholas Roy betreut.
Nach ihrer Promotion arbeitete Brunskill als NSF-Postdoktorandin an der University of California, Berkeley. 2011 trat sie der Carnegie Mellon University als Assistenzprofessorin für Informatik bei. 2017 wechselte sie an die Stanford University, wo sie außerordentliche Professorin wurde und sich dem Stanford AI Lab anschloss.
Forschungsbeiträge
Brunsills Forschung liegt an der Schnittstelle von Artificial intelligence, Machine learning und Mensch-Computer-Interaktion. Ein zentrales Thema ist die Entwicklung von Reinforcement-Learning-Algorithmen, die in realen Umgebungen effektiv funktionieren können, in denen Erkundung kostspielig oder gefährlich ist, wie etwa bei personalisierter Nachhilfe oder klinischer Entscheidungsunterstützung. Ihre Arbeit umfasst oft die Erstellung kompakter parametrischer Modelle zur Bewältigung hochdimensionaler, unsicherer Bereiche, was eine effizientere sequenzielle Entscheidungsfindung ermöglicht.
Im Bildungsbereich hat Brunskill untersucht, wie KI-Systeme sich an einzelne Lernende anpassen können, indem sie Daten aus Schülerinteraktionen nutzen, um Unterrichtsstrategien zu verbessern. Ihr Ansatz integriert Erkenntnisse aus der Kognitionswissenschaft und der Bildungspsychologie mit Fortschritten bei Deep learning- und Neural network-Methoden. Im Gesundheitswesen hat sie Algorithmen erforscht, die das Bedürfnis nach Lernen mit der Notwendigkeit, schädliche Fehler zu vermeiden, in Einklang bringen – eine Herausforderung, die mit breiteren Fragen im Curriculum Learning und der sicheren Erkundung verbunden ist.
Brunskill hat auch zu den theoretischen Grundlagen des Reinforcement Learning beigetragen, insbesondere zum Verständnis, wie Algorithmen entworfen werden können, die robust gegenüber Unsicherheit und begrenzten Daten sind. Ihre Arbeit hat Auswirkungen auf Large language model-basierte Nachhilfesysteme und andere KI-gesteuerte Bildungswerkzeuge.
Anerkennung und Auszeichnungen
Brunskill erhielt 2014 den CAREER Award der National Science Foundation und 2015 den Young Investigator Award des Office of Naval Research. 2020 war sie eine von zwei Alumni der Paul G. Allen School of Computer Science and Engineering der University of Washington, die mit den Alumni Impact Awards der Schule geehrt wurden. 2025 wurde sie zum Fellow der Association for the Advancement of Artificial Intelligence gewählt, mit der Begründung „für bedeutende Beiträge auf dem Gebiet des Reinforcement Learning und Anwendungen zum gesellschaftlichen Nutzen, insbesondere KI für Bildung“.
Wirkung und breiterer Einfluss
Brunsills Forschung hat dazu beigetragen, die Lücke zwischen theoretischem Reinforcement Learning und praktischen Anwendungen in Bildung und Gesundheitswesen zu schließen. Ihre Arbeit hat die Entwicklung adaptiver Lernplattformen informiert und war einflussreich bei der Gestaltung, wie KI-Systeme mit Menschen in Umgebungen mit hohem Einsatz interagieren. Als assoziiertes Mitglied des King Center on Global Development hat sie auch untersucht, wie KI globale Herausforderungen bewältigen kann, einschließlich der Verbesserung des Zugangs zu qualitativ hochwertiger Bildung in ressourcenbeschränkten Umgebungen.
Ihre Beiträge erstrecken sich auf Mentoring und den Aufbau einer Gemeinschaft im KI-Forschungsfeld, insbesondere durch ihre Rollen an der Stanford University und ihre Beteiligung an akademischen Konferenzen und Workshops, die sich auf KI für das Gemeinwohl konzentrieren.