लेस्ली काएलब्लिंग

लेस्ली पैक कैल्बलिंग एक अमेरिकी रोबोटिक्स विशेषज्ञ और मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी में पैनासोनिक प्रोफेसर ऑफ कंप्यूटर साइंस एंड इंजीनियरिंग हैं। उन्हें संचालन अनुसंधान से आंशिक रूप से अवलोकनीय मार्कोव निर्णय प्रक्रियाओं को कृत्रिम बुद्धिमत्ता और रोबोटिक्स में अनुप्रयोग के लिए अनुकूलित करने के लिए व्यापक रूप से मान्यता प्राप्त है। उनके काम ने आकार दिया है कि स्वायत्त प्रणालियाँ अनिश्चितता के बारे में कैसे तर्क करती हैं और गतिशील वातावरण में कैसे कार्य करती हैं।

कैल्बलिंग को 1997 में सुदृढीकरण सीखने को एम्बेडेड नियंत्रण प्रणालियों पर लागू करने और रोबोट नेविगेशन के लिए प्रोग्रामिंग उपकरण विकसित करने के लिए IJCAI कंप्यूटर्स एंड थॉट अवार्ड मिला। 2000 में, उन्हें एसोसिएशन फॉर द एडवांसमेंट ऑफ आर्टिफिशियल इंटेलिजेंस के फेलो के रूप में चुना गया। उनका शोध अनिश्चितता के तहत निर्णय लेने, मशीन लर्निंग और सेंसिंग तक फैला हुआ है, जिसमें रोबोट को वास्तविक दुनिया में विश्वसनीय रूप से संचालित करने में सक्षम बनाने पर ध्यान केंद्रित किया गया है।

प्रारंभिक जीवन और शिक्षा

कैल्बलिंग ने 1983 में स्टैनफोर्ड विश्वविद्यालय से दर्शनशास्त्र में ए.बी. अर्जित किया, उसके बाद 1990 में कंप्यूटर विज्ञान में पीएच.डी., स्टैनफोर्ड से भी। अपने स्नातक अध्ययन के दौरान, वह सेंटर फॉर द स्टडी ऑफ लैंग्वेज एंड इंफॉर्मेशन से संबद्ध थीं, जहाँ उन्होंने तर्क, तर्क और क्रिया के बीच संबंधों का पता लगाया। उनके डॉक्टरेट कार्य ने संभाव्य योजना और नियंत्रण में उनके बाद के योगदान के लिए आधार तैयार किया।

उनकी अंतःविषय पृष्ठभूमि - दर्शनशास्त्र को कंप्यूटर विज्ञान के साथ जोड़ना - ने एआई के प्रति उनके दृष्टिकोण को सूचित किया, विशेष रूप से बुद्धिमान व्यवहार को अनिश्चितता के तहत कार्य करने की समस्या के रूप में तैयार करने में। यह दृष्टिकोण उनके करियर की पहचान बन गया, जिसने सैद्धांतिक ढाँचे और व्यावहारिक रोबोटिक प्रणालियों दोनों को प्रभावित किया।

करियर प्रक्षेपवक्र

अपनी पीएच.डी. पूरी करने के बाद, कैल्बलिंग ने SRI इंटरनेशनल और संबद्ध रोबोटिक्स स्पिन-ऑफ टेलियोस रिसर्च में काम किया। SRI में, उन्होंने रोबोट नेविगेशन और एम्बेडेड नियंत्रण में शुरुआती प्रयासों में योगदान दिया, ऐसे उपकरण विकसित किए जो रोबोट को शोर सेंसर डेटा के आधार पर निर्णय लेने की अनुमति देते थे। टेलियोस रिसर्च में उनके समय ने शैक्षणिक शोध और वाणिज्यिक अनुप्रयोगों के बीच सेतु का काम किया, जिससे उन्हें एआई सिस्टम तैनात करने की व्यावहारिक चुनौतियों की अंतर्दृष्टि मिली।

1990 के दशक के मध्य में, कैल्बलिंग ब्राउन विश्वविद्यालय के संकाय में शामिल हुईं, जहाँ उन्होंने सुदृढीकरण सीखने और संभाव्य रोबोटिक्स पर केंद्रित एक शोध समूह स्थापित किया। ब्राउन में, उन्होंने सहयोगियों के साथ मूलभूत पत्रों पर सहयोग किया जिसने परिभाषित किया कि रोबोट बातचीत से कैसे सीख सकते हैं और आंशिक अवलोकन के तहत योजना कैसे बना सकते हैं। वह 1999 तक ब्राउन में रहीं, जब वह मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी चली गईं।

MIT में, कैल्बलिंग पैनासोनिक प्रोफेसर ऑफ कंप्यूटर साइंस एंड इंजीनियरिंग बनीं, एक पद जो वह आज भी धारण करती हैं। MIT के कंप्यूटर साइंस एंड आर्टिफिशियल इंटेलिजेंस लेबोरेटरी में उनकी प्रयोगशाला ने कार्य और गति योजना, पदानुक्रमित निर्णय लेने और एकीकृत धारणा-क्रिया प्रणालियों पर प्रभावशाली काम किया है। उन्होंने कई छात्रों को मार्गदर्शन दिया है जो शिक्षा और उद्योग में प्रमुख करियर के लिए आगे बढ़े हैं।

सुदृढीकरण सीखने में योगदान

कैल्बलिंग का सुदृढीकरण सीखने में प्रारंभिक कार्य ने क्षेत्र को एआई शोध के मूल क्षेत्र के रूप में स्थापित करने में मदद की। उनका 1996 का सर्वेक्षण, "सुदृढीकरण सीखना: एक सर्वेक्षण," माइकल एल. लिटमैन और एंड्रयू डब्ल्यू. मूर के साथ सह-लेखक, क्षेत्र में सबसे अधिक उद्धृत संदर्भों में से एक बना हुआ है। सर्वेक्षण ने मौजूदा एल्गोरिदम, सैद्धांतिक परिणामों और अनुप्रयोगों को व्यवस्थित रूप से व्यवस्थित किया, जो बाद के शोध के लिए एक रोडमैप प्रदान करता है।

उनका 1997 का IJCAI कंप्यूटर्स एंड थॉट अवार्ड एम्बेडेड नियंत्रण प्रणालियों पर सुदृढीकरण सीखने को लागू करने में उनके योगदान को मान्यता देता है। इस काम ने प्रदर्शित किया कि रोबोट अपने वातावरण के स्पष्ट मॉडल की आवश्यकता के बिना, अनुभव से सीधे नीतियाँ सीख सकते हैं। उन्होंने रोबोट नेविगेशन के लिए प्रोग्रामिंग उपकरण भी विकसित किए जो शोधकर्ताओं को उच्च-स्तरीय लक्ष्य निर्दिष्ट करने की अनुमति देते थे जबकि सिस्टम निम्न-स्तरीय अनिश्चितता को संभालता था।

कैल्बलिंग के दृष्टिकोण ने अनिश्चितता को स्पष्ट रूप से प्रस्तुत करने के महत्व पर जोर दिया। पूर्ण ज्ञान मानने के बजाय, उनकी प्रणालियों ने संभावित राज्यों पर संभाव्यता वितरण बनाए रखा और क्रिया चयन का मार्गदर्शन करने के लिए इनका उपयोग किया। यह दृष्टिकोण रोबोटिक्स में विशेष रूप से प्रभावशाली था, जहाँ सेंसर शोर हैं और एक्चुएटर अशुद्ध हैं।

आंशिक रूप से अवलोकनीय मार्कोव निर्णय प्रक्रियाएँ

कैल्बलिंग के करियर का एक केंद्रीय योगदान संचालन अनुसंधान से एआई और रोबोटिक्स में आंशिक रूप से अवलोकनीय मार्कोव निर्णय प्रक्रियाओं (POMDP) का अनुकूलन है। POMDP निर्णय लेने के लिए एक गणितीय ढाँचा प्रदान करते हैं जब कोई एजेंट अपने वातावरण की पूरी स्थिति को सीधे नहीं देख सकता है। कैल्बलिंग और उनके सहयोगियों ने दिखाया कि इन मॉडलों का उपयोग रोबोट नेविगेशन और योजना के लिए कैसे किया जा सकता है।

उनका 1998 का पेपर, "आंशिक रूप से अवलोकनीय स्टोकेस्टिक डोमेन में योजना और अभिनय," लिटमैन और एंथोनी आर. कैसेंड्रा के साथ सह-लेखक, POMDP को हल करने के लिए कुशल एल्गोरिदम पेश किया और मोबाइल रोबोट नेविगेशन के लिए उनके अनुप्रयोग का प्रदर्शन किया। इस काम ने सैद्धांतिक एआई और व्यावहारिक रोबोटिक्स के बीच सेतु बनाया, यह दिखाते हुए कि POMDP वास्तविक दुनिया की सेंसिंग में निहित अनिश्चितता को संभाल सकते हैं।

कैसेंड्रा और जेम्स ए. क्यूरियन के साथ मोबाइल-रोबोट नेविगेशन के लिए कैल्बलिंग का संबंधित कार्य असतत बायेसियन मॉडल पर, सेंसर डेटा का उपयोग करके रोबोट के स्थान के बारे में विश्वासों को अद्यतन करने के लिए ठोस तरीके प्रदान करता है। ये तकनीकें बाद में एक साथ स्थानीयकरण और मैपिंग (SLAM) और अधिक व्यापक रूप से संभाव्य रोबोटिक्स में विकास के लिए मूलभूत बन गईं।

जर्नल ऑफ मशीन लर्निंग रिसर्च

2000 के वसंत में, कैल्बलिंग ने एआई में खुली पहुँच आंदोलन में एक महत्वपूर्ण भूमिका निभाई। उन्होंने और क्लूवर-स्वामित्व वाली पत्रिका मशीन लर्निंग के संपादकीय बोर्ड के दो-तिहाई ने अपने भुगतान-से-पहुँच अभिलेखागार और लेखकों के लिए सीमित वित्तीय मुआवजे के विरोध में इस्तीफा दे दिया। इस्तीफा अनुसंधान तक पहुँच को प्रतिबंधित करने वाले वाणिज्यिक प्रकाशन मॉडल को चुनौती देने के लिए एक समन्वित कार्रवाई थी।

कैल्बलिंग ने जर्नल ऑफ मशीन लर्निंग रिसर्च (JMLR) की सह-स्थापना की और इसके पहले प्रधान संपादक के रूप में कार्य किया। JMLR एक सहकर्मी-समीक्षित खुली पहुँच पत्रिका थी जो शोधकर्ताओं को मुफ्त में लेख प्रकाशित करने, कॉपीराइट बनाए रखने और अभिलेखागार को ऑनलाइन स्वतंत्र रूप से उपलब्ध कराने की अनुमति देती थी। यह मॉडल उस समय क्रांतिकारी था और तब से कई एआई प्रकाशनों के लिए एक मानक बन गया है।

सामूहिक इस्तीफे के जवाब में, क्लूवर ने अपनी प्रकाशन नीति बदल दी ताकि लेखकों को सहकर्मी समीक्षा के बाद अपने पेपर ऑनलाइन स्व-संग्रह करने की अनुमति मिल सके। कैल्बलिंग ने कहा कि यह नीति उचित थी और एक वैकल्पिक पत्रिका के निर्माण को अनावश्यक बना देती। हालाँकि, उन्होंने देखा कि नीति परिवर्तन केवल इस्तीफे की धमकी और JMLR की वास्तविक स्थापना के बाद आया, जो विद्वानों के प्रकाशन में सामूहिक कार्रवाई के महत्व को रेखांकित करता है।

चयनित कार्य और प्रभाव

कैल्बलिंग के प्रकाशन रिकॉर्ड में कई अत्यधिक प्रभावशाली पेपर शामिल हैं। लिटमैन और मूर के साथ उनका 1996 का सुदृढीकरण सीखने पर सर्वेक्षण, जर्नल ऑफ आर्टिफिशियल इंटेलिजेंस रिसर्च में दिखाई दिया और हजारों बार उद्धृत किया गया है। लिटमैन और कैसेंड्रा के साथ 1998 का POMDP पेपर, आर्टिफिशियल इंटेलिजेंस में प्रकाशित, समान रूप से एक आधारशिला संदर्भ बन गया।

टॉमस लोज़ानो-पेरेज़ के साथ उनका पदानुक्रमित कार्य और गति योजना पर काम, असतत कार्य-स्तरीय योजना को निरंतर गति योजना के साथ संयोजित करने की चुनौती को संबोधित करता है। उनका 2011 का पेपर, "अभी में पदानुक्रमित कार्य और गति योजना," वास्तविक समय में योजना और निष्पादन को अंतःस्थापित करने के तरीके प्रस्तुत करता है, जिससे रोबोट जटिल हेरफेर कार्यों को संभाल सकते हैं। शोध की यह पंक्ति शिक्षा और उद्योग दोनों में रोबोट हेरफेर के आधुनिक दृष्टिकोणों को प्रभावित करती रही है।

कैल्बलिंग ने विलियम डी. स्मार्ट के साथ निरंतर स्थानों में व्यावहारिक सुदृढीकरण सीखने में भी योगदान दिया, 2000 में इंटरनेशनल कॉन्फ्रेंस ऑन मशीन लर्निंग में प्रस्तुत एक पेपर में। इस काम ने उच्च-आयामी, निरंतर राज्य स्थानों पर सुदृढीकरण सीखने को स्केल करने की चुनौती को संबोधित किया, एक समस्या जो आधुनिक गहन सुदृढीकरण सीखने के लिए केंद्रीय बनी हुई है।

विरासत और मान्यता

कैल्बलिंग का प्रभाव उनके अपने शोध से परे फैला हुआ है। MIT में प्रोफेसर के रूप में, उन्होंने रोबोटिक्स और एआई शोधकर्ताओं की अगली पीढ़ी को आकार दिया है। सिद्धांतवादी संभाव्य तरीकों पर उनका जोर रोबोटिक्स में मानक अभ्यास बन गया है, जो स्वायत्त ड्राइविंग से लेकर घरेलू रोबोट तक के क्षेत्रों को प्रभावित करता है।

2000 में एसोसिएशन फॉर द एडवांसमेंट ऑफ आर्टिफिशियल इंटेलिजेंस के फेलो के रूप में उनका चुनाव क्षेत्र में उनके निरंतर योगदान को मान्यता देता है। IJCAI कंप्यूटर्स एंड थॉट अवार्ड, एआई में सर्वोच्च सम्मानों में से एक, ने उनके प्रारंभिक करियर की उपलब्धियों को स्वीकार किया। JMLR की स्थापना में उनकी भूमिका का भी एआई शोध के प्रसार पर स्थायी प्रभाव पड़ा, खुली पहुँच को व्यापक आंदोलन बनने से पहले बढ़ावा दिया।

कैल्बलिंग का काम प्रासंगिक बना हुआ है क्योंकि एआई सिस्टम तेजी से अनिश्चित, वास्तविक दुनिया के वातावरण में काम करते हैं। POMDP और सुदृढीकरण सीखने में उनके मूलभूत योगदान रोबोटिक्स और निर्णय लेने में कई आधुनिक दृष्टिकोणों को रेखांकित करते हैं, गोदाम स्वचालन से लेकर स्वायत्त वाहनों तक। उनका करियर सैद्धांतिक कठोरता के व्यावहारिक अनुप्रयोग के साथ एकीकरण का उदाहरण है, एक मॉडल जो एआई और रोबोटिक्स में शोधकर्ताओं को प्रेरित करता रहता है।