Emma Patricia Brunskill es una informática estadounidense cuya investigación combina el aprendizaje automático con la interacción persona-computadora, centrándose en cómo los sistemas de IA afectan aplicaciones centradas en el ser humano, como el software educativo y la atención sanitaria. Su trabajo también explora la teoría del aprendizaje por refuerzo en entornos donde los errores conllevan riesgos o costes elevados. Es profesora asociada de informática en la Universidad de Stanford, tiene un nombramiento de cortesía en la Escuela de Posgrado en Educación de Stanford y es afiliada del King Center on Global Development.
Las contribuciones de Brunskill han sido reconocidas con múltiples premios, incluido un premio CAREER de la Fundación Nacional de la Ciencia y su elección como miembro de la Asociación para el Avance de la Inteligencia Artificial. Su investigación ha influido en el diseño de tecnologías de aprendizaje adaptativo y algoritmos de toma de decisiones en dominios de seguridad crítica.
Educación y primeros años
Brunskill creció en Seattle y Edmonds, Washington, y entró en la Universidad de Washington a los 15 años. Se graduó magna cum laude en 2000 con una licenciatura en ingeniería informática y física. Una beca Rhodes la llevó al Magdalen College de Oxford, donde obtuvo un máster en neurociencia en 2002. Tras un verano trabajando en Ruanda, cursó estudios de doctorado en informática en el Instituto Tecnológico de Massachusetts, completando su doctorado en 2009. Su tesis, "Compact parametric models for efficient sequential decision making in high-dimensional, uncertain domains", fue supervisada por Nicholas Roy.
Tras su doctorado, Brunskill trabajó como investigadora postdoctoral de la NSF en la Universidad de California, Berkeley. En 2011, se incorporó a la Universidad Carnegie Mellon como profesora asistente de informática. Se trasladó a la Universidad de Stanford en 2017, donde se convirtió en profesora asociada y se afilió al Stanford AI Lab.
Contribuciones de investigación
La investigación de Brunskill se sitúa en la intersección de la inteligencia artificial, el aprendizaje automático y la interacción persona-computadora. Un tema central es el desarrollo de algoritmos de aprendizaje por refuerzo que puedan operar eficazmente en entornos del mundo real donde la exploración es costosa o peligrosa, como la tutoría personalizada o el apoyo a decisiones clínicas. Su trabajo a menudo implica la creación de modelos paramétricos compactos para manejar dominios de alta dimensión e inciertos, lo que permite una toma de decisiones secuencial más eficiente.
En educación, Brunskill ha investigado cómo los sistemas de IA pueden adaptarse a los estudiantes individuales, utilizando datos de las interacciones de los estudiantes para mejorar las estrategias de instrucción. Su enfoque integra conocimientos de la ciencia cognitiva y la psicología educativa con avances en métodos de aprendizaje profundo y redes neuronales. En atención sanitaria, ha explorado algoritmos que equilibran la necesidad de aprender con el imperativo de evitar errores perjudiciales, un desafío que se conecta con cuestiones más amplias en aprendizaje curricular y exploración segura.
Brunskill también ha contribuido a los fundamentos teóricos del aprendizaje por refuerzo, particularmente en la comprensión de cómo diseñar algoritmos que sean robustos ante la incertidumbre y los datos limitados. Su trabajo tiene implicaciones para los sistemas de tutoría basados en modelos de lenguaje grandes y otras herramientas educativas impulsadas por IA.
Reconocimientos y premios
Brunskill recibió el premio CAREER de la Fundación Nacional de la Ciencia en 2014 y el premio Young Investigator de la Oficina de Investigación Naval en 2015. En 2020, fue una de las dos exalumnas de la Escuela de Informática e Ingeniería de Computación Paul G. Allen de la Universidad de Washington honradas por los premios de impacto de exalumnos de la escuela. En 2025, fue elegida miembro de la Asociación para el Avance de la Inteligencia Artificial, citada "por sus contribuciones significativas al campo del aprendizaje por refuerzo y aplicaciones para el beneficio social, en particular la IA para la educación".
Impacto e influencia más amplia
La investigación de Brunskill ha ayudado a cerrar la brecha entre el aprendizaje por refuerzo teórico y las aplicaciones prácticas en educación y atención sanitaria. Su trabajo ha informado el desarrollo de plataformas de aprendizaje adaptativo y ha sido influyente en la configuración de cómo se diseñan los sistemas de IA para interactuar con los humanos en entornos de alto riesgo. Como afiliada del King Center on Global Development, también ha explorado cómo la IA puede abordar desafíos globales, incluida la mejora del acceso a una educación de calidad en entornos con recursos limitados.
Sus contribuciones se extienden a la mentoría y la construcción de comunidad en el campo de la investigación en IA, particularmente a través de sus roles en Stanford y su participación en conferencias académicas y talleres centrados en la IA para el bien social.