Emma Patricia Brunskill est une informaticienne américaine dont les recherches combinent l'apprentissage automatique avec l'interaction homme-machine, en se concentrant sur la manière dont les systèmes d'IA affectent des applications centrées sur l'humain, telles que les logiciels éducatifs et les soins de santé. Ses travaux explorent également la théorie de l'apprentissage par renforcement dans des contextes où les erreurs comportent des risques ou des coûts élevés. Elle est professeure associée d'informatique à l'Université Stanford, détient une nomination de courtoisie à la Graduate School of Education de Stanford et est affiliée au King Center on Global Development.
Les contributions de Brunskill ont été reconnues par de nombreux prix, notamment un prix CAREER de la National Science Foundation et son élection comme membre de l'Association for the Advancement of Artificial Intelligence. Ses recherches ont influencé la conception de technologies d'apprentissage adaptatif et d'algorithmes de prise de décision dans des domaines critiques pour la sécurité.
Éducation et début de carrière
Brunskill a grandi à Seattle et à Edmonds, dans l'État de Washington, et est entrée à l'Université de Washington à l'âge de 15 ans. Elle a obtenu son diplôme avec mention magna cum laude en 2000, avec un baccalauréat en génie informatique et en physique. Une bourse Rhodes l'a menée au Magdalen College d'Oxford, où elle a obtenu une maîtrise en neurosciences en 2002. Après un été passé au Rwanda, elle a poursuivi des études doctorales en informatique au Massachusetts Institute of Technology, obtenant son doctorat en 2009. Sa thèse, intitulée « Compact parametric models for efficient sequential decision making in high-dimensional, uncertain domains », a été supervisée par Nicholas Roy.
Après son doctorat, Brunskill a travaillé comme chercheuse postdoctorale NSF à l'Université de Californie, Berkeley. En 2011, elle a rejoint l'Université Carnegie Mellon en tant que professeure adjointe d'informatique. Elle a déménagé à l'Université Stanford en 2017, où elle est devenue professeure associée et affiliée au Stanford AI Lab.
Contributions de recherche
Les recherches de Brunskill se situent à l'intersection de l'intelligence artificielle, de l'apprentissage automatique et de l'interaction homme-machine. Un thème central est le développement d'algorithmes d'apprentissage par renforcement capables de fonctionner efficacement dans des contextes réels où l'exploration est coûteuse ou dangereuse, comme le tutorat personnalisé ou le soutien à la décision clinique. Ses travaux impliquent souvent la création de modèles paramétriques compacts pour gérer des domaines à haute dimension et incertains, permettant une prise de décision séquentielle plus efficace.
Dans le domaine de l'éducation, Brunskill a étudié comment les systèmes d'IA peuvent s'adapter aux apprenants individuels, en utilisant les données des interactions des étudiants pour améliorer les stratégies pédagogiques. Son approche intègre des perspectives issues des sciences cognitives et de la psychologie de l'éducation avec les avancées en apprentissage profond et en méthodes de réseaux de neurones. Dans le domaine de la santé, elle a exploré des algorithmes qui équilibrent le besoin d'apprentissage avec l'impératif d'éviter des erreurs nuisibles, un défi qui se connecte à des questions plus larges en apprentissage par curriculum et en exploration sûre.
Brunskill a également contribué aux fondements théoriques de l'apprentissage par renforcement, en particulier pour comprendre comment concevoir des algorithmes robustes face à l'incertitude et aux données limitées. Ses travaux ont des implications pour les systèmes de tutorat basés sur les grands modèles de langage et d'autres outils éducatifs pilotés par l'IA.
Reconnaissance et prix
Brunskill a reçu le prix CAREER de la National Science Foundation en 2014 et le prix du jeune chercheur de l'Office of Naval Research en 2015. En 2020, elle a été l'une des deux anciens élèves de la Paul G. Allen School of Computer Science and Engineering de l'Université de Washington honorés par les Alumni Impact Awards de l'école. En 2025, elle a été élue membre de l'Association for the Advancement of Artificial Intelligence, citée « pour ses contributions significatives au domaine de l'apprentissage par renforcement et aux applications pour le bénéfice sociétal, en particulier l'IA pour l'éducation ».
Impact et influence plus large
Les recherches de Brunskill ont aidé à combler l'écart entre l'apprentissage par renforcement théorique et les applications pratiques dans l'éducation et les soins de santé. Ses travaux ont informé le développement de plateformes d'apprentissage adaptatif et ont été influents pour façonner la manière dont les systèmes d'IA sont conçus pour interagir avec les humains dans des environnements à enjeux élevés. En tant qu'affiliée du King Center on Global Development, elle a également exploré comment l'IA peut relever des défis mondiaux, notamment l'amélioration de l'accès à une éducation de qualité dans des contextes à ressources limitées.
Ses contributions s'étendent au mentorat et à la construction d'une communauté dans le domaine de la recherche en IA, notamment à travers ses rôles à Stanford et sa participation à des conférences et ateliers académiques axés sur l'IA pour le bien social.