Chelsea Finn (née le 8 octobre 1992) est une informaticienne américaine et professeure adjointe à l'Université Stanford. Ses recherches portent sur la manière dont les robots peuvent développer une intelligence par l'interaction, visant à créer des systèmes robotiques capables d'« apprendre à apprendre ». Elle a précédemment travaillé chez Google et est cofondatrice de la startup Physical Intelligence.
Les travaux de Finn se concentrent sur le méta-apprentissage, un sous-domaine du apprentissage automatique qui entraîne des algorithmes à s'adapter rapidement à de nouvelles tâches, plus proches de l'apprentissage humain que les systèmes traditionnels. Elle a apporté des contributions significatives au apprentissage profond et à la robotique, en particulier dans le développement d'algorithmes permettant aux robots d'apprendre simultanément à partir de la perception visuelle et du contrôle.
Jeunesse et éducation
Finn a étudié le génie électrique et l'informatique en premier cycle au Massachusetts Institute of Technology. Elle a ensuite rejoint l'Université de Californie à Berkeley, où elle a obtenu son doctorat en 2018 sous la direction de Pieter Abbeel et Sergey Levine. Ses recherches doctorales, menées au laboratoire Berkeley AI Research, ont porté sur des algorithmes de méta-apprentissage basés sur le gradient. Ces techniques permettent aux machines d'« apprendre à apprendre », facilitant une adaptation rapide face à de nouveaux scénarios.
Durant ses études doctorales, Finn a effectué un stage chez Google Brain, où elle a travaillé sur des algorithmes d'apprentissage robotique utilisant des modèles prédictifs profonds. Elle a également dispensé un cours en ligne ouvert massif sur l'apprentissage par renforcement profond. En 2016, elle est devenue la première femme à remporter le prix de recherche distinguée C.V. & Daulat Ramamoorthy.
Recherche et carrière
Finn étudie les capacités des robots à développer une intelligence par l'apprentissage et l'interaction. Elle a utilisé des algorithmes de apprentissage profond pour apprendre simultanément la perception visuelle et le contrôle des compétences robotiques, faisant progresser le domaine de l'intelligence artificielle. Ses travaux ont des implications pour les réseaux neuronaux et les applications de apprentissage par renforcement.
Un projet notable a consisté à développer des approches de méta-apprentissage pour entraîner des réseaux neuronaux à fournir des retours sur le code des étudiants. Elle a démontré que le système pouvait s'adapter rapidement avec un apport minimal de l'instructeur. Lors d'un essai sur Code in Place, un cours de 12 000 étudiants dispensé chaque année par l'Université Stanford, les étudiants étaient d'accord avec les retours dans 97,9 % des cas.
Les recherches de Finn ont été influentes dans la communauté de la robotique, et elle est reconnue comme une figure de proue du méta-apprentissage. Elle est également cofondatrice de Physical Intelligence, une startup axée sur l'apport de la robotique intelligente à des applications réelles.
Prix et distinctions
Finn a reçu de nombreux prix pour ses contributions à l'informatique et à la robotique. Parmi ceux-ci :
- 2016 : Prix de recherche distinguée C.V. & Daulat Ramamoorthy
- 2017 : Étoile montante en génie électrique et informatique
- 2018 : MIT Technology Review 35 Under 35
- 2018 : Prix de thèse de doctorat de l'ACM
- 2020 : Chercheur de l'année en IA de l'Institut avancé de technologie Samsung
- 2020 : Prix Intel Rising Star Faculty
- 2021 : Prix du jeune chercheur de l'Office of Naval Research
- 2022 : Prix de carrière académique précoce de l'IEEE Robotics and Automation Society
Publications sélectionnées
Finn a rédigé plusieurs articles influents en apprentissage automatique et en robotique. Les travaux notables incluent :
- Finn, Chelsea ; Abbeel, Pieter ; Levine, Sergey (2017). « Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks. » Conférence internationale sur l'apprentissage automatique.
- 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.
Ces publications ont été largement citées et ont façonné la recherche en méta-apprentissage et en apprentissage robotique.
Références
Les travaux de Finn sont documentés dans la littérature académique et sur son profil à l'Université Stanford. Ses contributions à l'intelligence artificielle continuent d'influencer à la fois la recherche académique et les applications industrielles.