Chelsea Finn (nascida em 8 de outubro de 1992) é uma cientista da computação americana e professora assistente na Universidade de Stanford. Sua pesquisa investiga como robôs podem desenvolver inteligência por meio da interação, visando criar sistemas robóticos que possam "aprender a aprender". Ela trabalhou anteriormente no Google e é cofundadora da startup Physical Intelligence.
O trabalho de Finn concentra-se em meta-aprendizagem, um subcampo do aprendizado de máquina que treina algoritmos para se adaptarem rapidamente a novas tarefas, mais semelhante ao aprendizado humano do que aos sistemas tradicionais. Ela fez contribuições significativas para o aprendizado profundo e a robótica, particularmente no desenvolvimento de algoritmos que permitem que robôs aprendam com percepção visual e controle simultaneamente.
Início da vida e educação
Finn estudou engenharia elétrica e ciência da computação como graduanda no Instituto de Tecnologia de Massachusetts. Em seguida, mudou-se para a Universidade da Califórnia, Berkeley, onde obteve seu doutorado em 2018 sob a orientação de Pieter Abbeel e Sergey Levine. Sua pesquisa de doutorado, conduzida no laboratório Berkeley AI Research, concentrou-se em algoritmos de meta-aprendizagem baseados em gradiente. Essas técnicas permitem que máquinas "aprendam a aprender", possibilitando adaptação rápida ao encontrar novos cenários.
Durante seus estudos de doutorado, Finn estagiou no Google Brain, onde trabalhou em algoritmos de aprendizado de robôs usando modelos preditivos profundos. Ela também ministrou um curso online aberto massivo sobre aprendizado por reforço profundo. Em 2016, tornou-se a primeira mulher a ganhar o Prêmio de Pesquisa Distinta C.V. & Daulat Ramamoorthy.
Pesquisa e carreira
Finn investiga as capacidades dos robôs de desenvolver inteligência por meio de aprendizado e interação. Ela usou algoritmos de aprendizado profundo para aprender simultaneamente percepção visual e habilidades de controle robótico, avançando o campo da inteligência artificial. Seu trabalho tem implicações para redes neurais e aplicações de aprendizado por reforço.
Um projeto notável envolveu o desenvolvimento de abordagens de meta-aprendizagem para treinar redes neurais a fornecer feedback sobre código de estudantes. Ela demonstrou que o sistema poderia se adaptar rapidamente com mínimo input do instrutor. Em um teste no Code in Place, um curso com 12.000 estudantes ministrado anualmente pela Universidade de Stanford, os estudantes concordaram com o feedback 97,9% das vezes.
A pesquisa de Finn tem sido influente na comunidade de robótica, e ela é reconhecida como uma figura líder em meta-aprendizagem. Ela também é cofundadora da Physical Intelligence, uma startup focada em levar robótica inteligente para aplicações do mundo real.
Prêmios e honrarias
Finn recebeu inúmeros prêmios por suas contribuições à ciência da computação e à robótica. Estes incluem:
- 2016: Prêmio de Pesquisa Distinta C.V. & Daulat Ramamoorthy
- 2017: Estrela Emergente em Engenharia Elétrica e Ciência da Computação
- 2018: MIT Technology Review 35 Under 35
- 2018: Prêmio de Tese de Doutorado da ACM
- 2020: Pesquisadora de IA do Ano do Instituto Avançado de Tecnologia da Samsung
- 2020: Prêmio de Faculdade Estrela Emergente da Intel
- 2021: Prêmio de Jovem Investigadora do Escritório de Pesquisa Naval
- 2022: Prêmio de Carreira Acadêmica Inicial da Sociedade de Robótica e Automação da IEEE
Publicações selecionadas
Finn é autora de vários artigos influentes em aprendizado de máquina e robótica. Trabalhos notáveis incluem:
- Finn, Chelsea; Abbeel, Pieter; Levine, Sergey (2017). 'Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks.' Conferência Internacional sobre Aprendizado de Máquina.
- Levine, Sergey; Finn, Chelsea; Darrell, Trevor; Abbeel, Pieter (2016). 'End-to-End Training of Deep Visuomotor Policies.' Jornal de Pesquisa em Aprendizado de Máquina.
- Finn, Chelsea; Goodfellow, Ian; Levine, Sergey (2016). 'Unsupervised Learning for Physical Interaction through Video Prediction.' Avanços em Sistemas de Processamento de Informação Neural.
Essas publicações foram amplamente citadas e moldaram a pesquisa em meta-aprendizagem e aprendizado de robôs.
Referências
O trabalho de Finn está documentado na literatura acadêmica e em seu perfil na Universidade de Stanford. Suas contribuições para a inteligência artificial continuam a influenciar tanto a pesquisa acadêmica quanto as aplicações industriais.