Aleksandra Faust é uma cientista da computação sérvio-americana que exerce como Chief AI Officer na Genesis Molecular AI. É reconhecida por suas contribuciones à aprendizagem por reforço, planejamento de movimento robótico e modelos fundacionais para estruturas biomoleculares. Faust ocupou anteriormente posições de liderança em pesquisa no Google DeepMind e nos Sandia National Laboratories, e foi homenageada com o IEEE Early Career Award in Robotics and Automation.
A pesquisa de Faust abarca inteligência artificial, aprendizagem automática e aprendizagem profunda, com foco em autonomía escalável e design automatizado de agentes de aprendizagem. Co-fundou o campo de Automated Reinforcement Learning (AutoRL) e avançou modelos robóticos generalistas capaces de operar em diversos ambientes físicos. Seu trabalho recente incluye liderar o desenvolvimento de Web Agents e co-autorar o framework 'Levels of AGI'.
Educação
Faust obtuvo um Bachelor of Science em Matemáticas e Ciências da Computação na Universidade de Belgrado. Posteriormente, completó um Master of Science em Ciências da Computação na Universidade de Illinois em Urbana-Champaign em 2004. Em 2014, recebiu seu Ph.D. em Ciências da Computação na Universidade do Novo México, onde sua pesquisa doctoral foi supervisionada por Lydia Tapia. Seus estudos de pós-graduação focaron em robótica algorítmica e planejamento de movimento, estabelecendo as bases para seu trabalho posterior em abordagens baseadas em aprendizagem.
Carreira nos Sandia National Laboratories
De 2006 a 2015, Faust trabalhou como Senior R&D Engineer nos Sandia National Laboratories, uma instalação do Departamento de Energía dos Estados Unidos. Durante este período, aplicó métodos computacionais a sistemas robóticos complexos e desafíos de navegación autónoma. Seu trabalho em Sandia envolviu integrar sensoriamento, planejamento e control, o que informó sua pesquisa subsequente em aprendizaje por reforço e planejamento de movimento. A experiência também moldó seu interesse em unir algoritmos teóricos com restricciones práticas de hardware.
Waymo e Google Brain
Em 2015, Faust se unió a Waymo, o projeto de carro autónomo sob Google, onde se focó em aplicar aprendizagem automática ao planejamento de movimento para vehículos autónomos. Seu trabalho em Waymo abordó a tomada de decisões em tempo real em ambientes de tráfico dinámicos, contribuyendo ao desenvolvimento de sistemas de navegación más seguros.
Em 2017, Faust se trasladó a Google Brain, um grupo de pesquisa em aprendizagem profunda. Ascendió a Directora de Pesquisa no Google DeepMind após a integração do grupo com DeepMind. Neste rol, lideró pesquisa sobre autonomía escalable e aprendizagem por reforço, supervisando projetos que buscaban fazer os algoritmos de aprendizagem más eficientes e aplicables a sistemas de grande escala. Sua liderança contribuyó a avanços em métodos de treinamento de redes neuronales e aprendizagem baseada em agentes.
Automated Reinforcement Learning (AutoRL)
Faust co-autoró o artigo que estabeleció Automated Reinforcement Learning (AutoRL), um termo cuja pesquisa é creditada por acuñar. AutoRL automatiza o design dos próprios agentes de aprendizagem, incluindo elecciones de arquitectura, funciones de recompensa e hiperparámetros, reduciendo a necessidade de ajuste manual. Também co-autoró o primeiro survey do campo, que sistematizó abordagens e problemas abertos nesta área.
Faust servió como Program Chair para a conferencia AutoML em 2023, ajudando a organizar a comunidade académica em torno da aprendizagem automática automatizada. Seu trabalho em AutoRL influyó em como os pesquisadores abordam optimización de hiperparámetros e busca de arquitectura em aprendizagem por reforço, fazendo estos métodos más acessibles para não expertos.
Robótica e Planejamento de Movimento
Em robótica, Faust desenvolviu métodos que unen sensoriamento, planejamento de movimento e control usando aprendizagem automática. Crió PRM-RL, uma técnica que combina planejamento baseado em muestreo com aprendizagem por reforço para habilitar navegación autónoma de longo alcance. Este trabalho ganó o Best Paper in Service Robotics na ICRA 2018, uma conferencia líder em robótica.
Faust foi uma defensora inicial de modelos robóticos generalistas que podem navegar diversos espaços físicos sem re-treinar para cada ambiente. Estableció fundamentos teóricos para esta generalización, mostrando como políticas aprendidas podían transferirse através de diferentes plataformas robóticas e configurações. Também desenvolviu métodos auto-supervisados para uma stack robótica baseada em aprendizagem, evitando procedimientos de treinamento computacionalmente costosos.
Posteriormente, Faust expandió esta abordagem ao co-design de hardware-software, caracterizando dependencias entre sensores, computação e modelos de aprendizagem automática. Este trabalho interdisciplinario ganó o Best of IEEE Computer Architecture Letters runner-up award em 2020 e uma IEEE Micro Top Picks Honorable Mention em 2023. Suas contribuciones à robótica foram reconhecidas com o IEEE Early Career Award in Robotics and Automation em 2020.
IA Generativa e Agentes Autónomos
Faust lideró o desenvolvimento de Web Agents, reconhecidos como os primeiros agentes de tarefas totalmente autónomos e de final aberto operando na web. Estes agentes podem realizar tarefas de múltiples passos como pesquisa, reservas ou coleta de dados sem intervención humana. A tecnologia foi integrada no Google Assistant, habilitando aos usuários delegar atividades online complexas.
Para medir o progresso da indústria hacia IA avançada, Faust co-autoró 'Levels of AGI', um framework que operacionaliza o caminho hacia inteligencia artificial general. O framework define estágios de capacidade, desde IA estreita até AGI completa, e foi discutido em meios de comunicação como Bloomberg News, The Economist e Forbes. Proporciona um vocabulário comum para pesquisadores e formuladores de políticas que avalúan sistemas de IA.
Chief AI Officer na Genesis Molecular AI
Em junho de 2025, Faust foi nomeada Chief AI Officer de Genesis Molecular AI, anteriormente Genesis Therapeutics. A empresa se focó em aplicar IA ao descobrimento de fármacos e design molecular. Em outubro de 2025, Faust e sua equipe publicaron o informe técnico para o modelo fundacional 'Pearl', que maneja a colocación atómica em estruturas biomoleculares. Pearl é supostamente o primeiro modelo em superar a AlphaFold 3 nesta tarefa, representando um avanço significativo em biología computacional.
Este trabalho aplica técnicas de modelos de linguagem grande e arquitecturas transformer a problemas moleculares, baseándose na experiência de Faust em sistemas de aprendizagem escalables. O modelo busca melhorar a precisión na predicción de conformaciones moleculares, o que é crítico para o desenvolvimento de fármacos e engeniería de proteínas.
Prêmios e Honores
Faust recebiu numerosos prêmios ao longo de sua carreira. Fue nomeada Fellow do IEEE em 2026, com a cita reconociendo suas contribuciones à liderança técnica em aprendizagem autónoma escalable e modelos fundacionais. Em 2023, foi incluída na lista '50 Women in Robotics you need to know about' por Women in Robotics.
Seus outros honores incluyen o Best Paper of IEEE Computer Architecture Letters runner-up (2020), o IEEE Early Career Award in Robotics and Automation (2020), e o ICRA Best Paper in Service Robotics (2018). Estes prêmios refletem seu impacto através da robótica, aprendizagem automática e arquitectura de computadores.
Compromisos de Conferencias
Faust é uma oradora procurada sobre temas de IA e robótica. Entregó a conferencia magistral de 2025 no Emerging Technologies Workshop da IAEA e participó em um painel plenario no World Summit AI. Servió como panelista para a National Academy of Sciences, contribuyendo a discusiones de políticas sobre segurança e implantación de IA. Faust também se dirigió a 15.000 asistentes como oradora plenaria na conferencia Society of Women Engineers WE17, defendiendo a diversidade em campos de engeniería.
Seus compromisos públicos enfatizan as aplicaciones práticas da pesquisa em IA e a importância do desenvolvimento responsável. Faust discute frequentemente as implicaciones de sistemas autónomos e modelos fundacionais para a indústria e sociedade, baseándose em sua experiência através de laboratorios nacionais, empresas de tecnologia e startups.
Referencias
O trabalho de Faust está documentado em publicaciones académicas e informes técnicos. Seus artículos de pesquisa sobre AutoRL, PRM-RL e Web Agents foram citados amplamente nas comunidades de aprendizaje automático e robótica. O framework 'Levels of AGI' se converteu em um ponto de referencia em discusiones sobre o progresso da IA. Seu trabalho recente sobre o modelo fundacional Pearl está detalhado no informe técnico de outubro de 2025 de Genesis Molecular AI.