चेल्सी फिन (जन्म 8 अक्टूबर, 1992) एक अमेरिकी कंप्यूटर वैज्ञानिक और स्टैनफोर्ड विश्वविद्यालय में सहायक प्रोफेसर हैं। उनका शोध यह जांचता है कि रोबोट अंतःक्रिया के माध्यम से बुद्धिमत्ता कैसे विकसित कर सकते हैं, जिसका उद्देश्य रोबोटिक प्रणालियाँ बनाना है जो 'सीखना सीख' सकें। उन्होंने पहले Google में काम किया है और स्टार्टअप Physical Intelligence की सह-संस्थापक हैं।
फिन का काम मेटा-लर्निंग पर केंद्रित है, जो मशीन लर्निंग का एक उपक्षेत्र है जो एल्गोरिदम को नए कार्यों के लिए तेजी से अनुकूलित करने के लिए प्रशिक्षित करता है, जो पारंपरिक प्रणालियों की तुलना में मानव सीखने के अधिक समान है। उन्होंने डीप लर्निंग और रोबोटिक्स में महत्वपूर्ण योगदान दिया है, विशेष रूप से ऐसे एल्गोरिदम विकसित करने में जो रोबोट को दृश्य धारणा और नियंत्रण को एक साथ सीखने में सक्षम बनाते हैं।
प्रारंभिक जीवन और शिक्षा
फिन ने मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी में स्नातक के रूप में इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान का अध्ययन किया। फिर वह कैलिफोर्निया विश्वविद्यालय, बर्कले चली गईं, जहाँ उन्होंने 2018 में सलाहकारों पीटर एबील और सर्गेई लेविन के अधीन पीएच.डी. अर्जित की। उनका डॉक्टरेट शोध, बर्कले एआई रिसर्च प्रयोगशाला में आयोजित, ग्रेडिएंट-आधारित मेटा-लर्निंग एल्गोरिदम पर केंद्रित था। ये तकनीकें मशीनों को 'सीखना सीखने' की अनुमति देती हैं, जिससे नए परिदृश्यों का सामना करने पर तेजी से अनुकूलन संभव होता है।
अपने डॉक्टरेट अध्ययन के दौरान, फिन ने Google Brain में इंटर्नशिप की, जहाँ उन्होंने गहरे भविष्यवाणी मॉडल का उपयोग करके रोबोट सीखने के एल्गोरिदम पर काम किया। उन्होंने गहरे सुदृढीकरण सीखने पर एक बड़ा खुला ऑनलाइन पाठ्यक्रम भी दिया। 2016 में, वह C.V. और Daulat Ramamoorthy Distinguished Research Award जीतने वाली पहली महिला बनीं।
शोध और करियर
फिन रोबोटों की सीखने और अंतःक्रिया के माध्यम से बुद्धिमत्ता विकसित करने की क्षमताओं की जांच करती हैं। उन्होंने डीप लर्निंग एल्गोरिदम का उपयोग करके दृश्य धारणा और रोबोटिक कौशल नियंत्रण को एक साथ सीखने के लिए काम किया है, जिससे कृत्रिम बुद्धिमत्ता के क्षेत्र को आगे बढ़ाया गया है। उनके काम का तंत्रिका नेटवर्क और सुदृढीकरण सीखने के अनुप्रयोगों पर प्रभाव है।
एक उल्लेखनीय परियोजना में छात्र कोड पर प्रतिक्रिया प्रदान करने के लिए तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए मेटा-लर्निंग दृष्टिकोण विकसित करना शामिल था। उन्होंने प्रदर्शित किया कि सिस्टम न्यूनतम प्रशिक्षक इनपुट के साथ तेजी से अनुकूलित हो सकता है। Code in Place पर एक परीक्षण में, जो स्टैनफोर्ड विश्वविद्यालय द्वारा प्रतिवर्ष दिया जाने वाला 12,000-छात्र पाठ्यक्रम है, छात्रों ने 97.9% समय प्रतिक्रिया से सहमति व्यक्त की।
फिन का शोध रोबोटिक्स समुदाय में प्रभावशाली रहा है, और उन्हें मेटा-लर्निंग में एक अग्रणी व्यक्ति के रूप में मान्यता प्राप्त है। वह Physical Intelligence की सह-संस्थापक भी हैं, जो वास्तविक दुनिया के अनुप्रयोगों में बुद्धिमान रोबोटिक्स लाने पर केंद्रित एक स्टार्टअप है।
पुरस्कार और सम्मान
फिन ने कंप्यूटर विज्ञान और रोबोटिक्स में योगदान के लिए कई पुरस्कार प्राप्त किए हैं। इनमें शामिल हैं:
- 2016: C.V. और Daulat Ramamoorthy Distinguished Research Award
- 2017: इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान में उभरता सितारा
- 2018: MIT टेक्नोलॉजी रिव्यू 35 अंडर 35
- 2018: ACM डॉक्टरेट शोध प्रबंध पुरस्कार
- 2020: सैमसंग एडवांस्ड इंस्टीट्यूट ऑफ टेक्नोलॉजी एआई रिसर्चर ऑफ द ईयर
- 2020: इंटेल राइजिंग स्टार फैकल्टी अवार्ड
- 2021: नौसेना अनुसंधान कार्यालय युवा अन्वेषक पुरस्कार
- 2022: IEEE रोबोटिक्स और ऑटोमेशन सोसाइटी प्रारंभिक शैक्षणिक करियर पुरस्कार
चयनित प्रकाशन
फिन ने मशीन लर्निंग और रोबोटिक्स में कई प्रभावशाली पत्र लिखे हैं। उल्लेखनीय कार्यों में शामिल हैं:
- फिन, चेल्सी; एबील, पीटर; लेविन, सर्गेई (2017)। 'मॉडल-अज्ञेय मेटा-लर्निंग फॉर फास्ट एडेप्टेशन ऑफ डीप नेटवर्क्स।' इंटरनेशनल कॉन्फ्रेंस ऑन मशीन लर्निंग।
- लेविन, सर्गेई; फिन, चेल्सी; डैरेल, ट्रेवर; एबील, पीटर (2016)। 'एंड-टू-एंड ट्रेनिंग ऑफ डीप विज़ुओमोटर पॉलिसीज़।' जर्नल ऑफ मशीन लर्निंग रिसर्च।
- फिन, चेल्सी; गुडफेलो, इयान; लेविन, सर्गेई (2016)। 'अनसुपरवाइज़्ड लर्निंग फॉर फिजिकल इंटरैक्शन थ्रू वीडियो प्रेडिक्शन।' एडवांसेज इन न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम्स।
इन प्रकाशनों को व्यापक रूप से उद्धृत किया गया है और इन्होंने मेटा-लर्निंग और रोबोट सीखने में शोध को आकार दिया है।
संदर्भ
फिन का काम शैक्षणिक साहित्य और उनकी स्टैनफोर्ड विश्वविद्यालय प्रोफ़ाइल में प्रलेखित है। कृत्रिम बुद्धिमत्ता में उनके योगदान शैक्षणिक शोध और उद्योग अनुप्रयोगों दोनों को प्रभावित करते रहते हैं।