Chelsea Finn (nacida el 8 de octubre de 1992) es una informática estadounidense y profesora asistente en la Universidad de Stanford. Su investigación se centra en cómo los robots pueden desarrollar inteligencia a través de la interacción, con el objetivo de crear sistemas robóticos que puedan "aprender a aprender". Anteriormente trabajó en Google y es cofundadora de la startup Physical Intelligence.
El trabajo de Finn se centra en el meta-aprendizaje, una subárea del aprendizaje automático que entrena algoritmos para adaptarse rápidamente a nuevas tareas, más parecido al aprendizaje humano que los sistemas tradicionales. Ha realizado contribuciones significativas al aprendizaje profundo y la robótica, especialmente en el desarrollo de algoritmos que permiten a los robots aprender a partir de la percepción visual y el control simultáneamente.
Primeros años y educación
Finn estudió ingeniería eléctrica y ciencias de la computación como estudiante de grado en el Instituto Tecnológico de Massachusetts. Luego se trasladó a la Universidad de California, Berkeley, donde obtuvo su doctorado en 2018 bajo la supervisión de los asesores Pieter Abbeel y Sergey Levine. Su investigación doctoral, realizada en el laboratorio Berkeley AI Research, se centró en algoritmos de meta-aprendizaje basados en gradientes. Estas técnicas permiten a las máquinas "aprender a aprender", posibilitando una adaptación rápida ante nuevos escenarios.
Durante sus estudios de doctorado, Finn realizó prácticas en Google Brain, donde trabajó en algoritmos robóticos utilizando modelos predictivos profundos. También impartió un curso masivo abierto en línea sobre aprendizaje por refuerzo profundo. En 2016, se convirtió en la primera mujer en ganar el Premio de Investigación Distinguida C.V. & Daulat Ramamoorthy.
Investigación y carrera
Finn investiga las capacidades de los robots para desarrollar inteligencia a través del aprendizaje y la interacción. Ha utilizado algoritmos de aprendizaje profundo para aprender simultáneamente la percepción visual y el control robótico, avanzando en el campo de la inteligencia artificial. Su trabajo tiene implicaciones para las redes neuronales y las aplicaciones de aprendizaje por refuerzo.
Un proyecto destacado consistió en desarrollar enfoques de meta-aprendizaje para entrenar redes neuronales que proporcionen retroalimentación a los estudiantes. Demostró que el sistema podía adaptarse rápidamente con una mínima intervención del instructor. En un ensayo en Code in Place, un curso impartido anualmente por la Universidad de Stanford con 12,000 estudiantes, estos estuvieron de acuerdo con la retroalimentación en el 97.9% de los casos.
La investigación de Finn ha sido influyente en la comunidad de robótica y es reconocida como una figura destacada en el meta-aprendizaje. También es cofundadora de Physical Intelligence, una startup enfocada en llevar la robótica inteligente a aplicaciones del mundo real.
Premios y honores
Finn ha recibido numerosos premios por sus contribuciones a la informática y la robótica. Entre ellos se incluyen:
- 2016: Premio de Investigación Distinguida C.V. & Daulat Ramamoorthy
- 2017: Estrella Emergente en Ingeniería Eléctrica y Ciencias de la Computación
- 2018: MIT Technology Review 35 Under 35
- 2018: Premio de Tesis Doctoral de la ACM
- 2020: Investigadora de IA del Año del Instituto Avanzado de Tecnología de Samsung
- 2020: Premio Intel Rising Star
- 2021: Premio al Joven Investigador de la Oficina de Investigación Naval
- 2022: Premio al Inicio de Carrera de la Sociedad de Robótica y Automatización del IEEE
Publicaciones seleccionadas
Finn ha publicado varios artículos influyentes en aprendizaje automático y robótica. Obras destacadas incluyen:
- Finn, Chelsea; Abbeel, Pieter; Levine, Sergey (2017). 'Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks.' International Conference on Machine Learning.
- Levine, Sergey; Finn, Chelsea; Darrell, Trevor; Abbeel, Pieter (2016). 'End-to-End Training of Deep Visuomotor Policies.' Journal of Machine Learning Research.
- Finn, Chelsea; Goodfellow, Ian; Levine, Sergey (2016). 'Unsupervised Learning for Physical Interaction through Video Prediction.' Advances in Neural Information Processing Systems.
Estas publicaciones han sido ampliamente citadas y han moldeado la investigación en meta-aprendizaje y aprendizaje robótico.
Referencias
El trabajo de Finn está documentado en la literatura académica y en su perfil de la Universidad de Stanford. Sus contribuciones a la inteligencia artificial continúan influyendo tanto en la investigación académica como en las aplicaciones industriales.