Aleksandra Faust 是一位塞尔维亚裔美国计算机科学家，现任 Genesis Molecular AI 的首席人工智能官。她因在强化学习、机器人运动规划以及生物分子结构基础模型方面的贡献而受到认可。Faust 此前曾在 Google DeepMind 和桑迪亚国家实验室担任研究领导职务，并荣获 IEEE 机器人与自动化领域早期职业奖。
Faust 的研究涵盖人工智能、机器学习和深度学习，重点关注可扩展自主性和学习智能体的自动化设计。她共同创立了自动化强化学习（AutoRL）领域，并推动了能够在不同物理环境中运行的通用机器人模型的发展。她近期的工作包括领导 Web Agents 的开发，并共同撰写了“AGI 等级”框架。
教育背景
Faust 在贝尔格莱德大学获得了数学与计算机科学学士学位。随后，她于 2004 年在伊利诺伊大学厄巴纳-香槟分校获得了计算机科学硕士学位。2014 年，她在新墨西哥大学获得了计算机科学博士学位，其博士研究由 Lydia Tapia 指导。她的研究生学习专注于算法机器人和运动规划，为日后基于学习的方法研究奠定了基础。
桑迪亚国家实验室职业生涯
从 2006 年到 2015 年，Faust 在美国能源部下属的桑迪亚国家实验室担任高级研发工程师。在此期间，她将计算方法应用于复杂的机器人系统和自主导航挑战。她在桑迪亚的工作涉及整合感知、规划和控制，这为她后续在强化学习和运动规划方面的研究提供了启示。这段经历也塑造了她对连接理论算法与实际硬件约束的兴趣。
Waymo 与 Google Brain
2015 年，Faust 加入了 Google 旗下的自动驾驶项目 Waymo，专注于将机器学习应用于自动驾驶车辆的运动规划。她在 Waymo 的工作解决了动态交通环境中的实时决策问题，为开发更安全的导航系统做出了贡献。
2017 年，Faust 加入了深度学习研究小组 Google Brain。在该小组与 DeepMind 整合后，她晋升为 Google DeepMind 的研究总监。在此职位上，她领导了关于可扩展自主性和强化学习的研究，负责监督旨在使学习算法更高效并适用于大规模系统的项目。她的领导工作为神经网络训练方法和基于智能体的学习的进步做出了贡献。
自动化强化学习（AutoRL）
Faust 共同撰写了确立自动化强化学习（AutoRL）的论文，她的研究被公认创造了这一术语。AutoRL 自动化了学习智能体本身的设计，包括架构、奖励函数和超参数的选择，从而减少了手动调整的需求。她还共同撰写了该领域的首篇综述，系统化了该领域的方法和开放性问题。
Faust 在 2023 年担任了 AutoML 会议的程序主席，帮助组织了围绕自动化机器学习的学术社区。她在 AutoRL 方面的工作影响了研究人员处理超参数优化和强化学习中架构搜索的方式，使这些方法对非专家也更容易使用。
机器人与运动规划
在机器人领域，Faust 开发了使用机器学习连接感知、运动规划和控制的方方法。她创建了 PRM-RL，这是一种将基于采样的规划与强化学习相结合的技术，以实现长距离自主导航。这项工作在 2018 年的 ICRA（顶级机器人会议）上获得了服务机器人最佳论文奖。
Faust 是通用机器人模型的早期倡导者，这类模型无需针对每个环境重新训练即可在不同的物理空间中导航。她为这种泛化建立了理论基础，展示了学习到的策略如何在不同机器人平台和设置之间迁移。她还为基于学习的机器人技术栈开发了自监督方法，避免了计算成本高昂的训练过程。
后来，Faust 将这种方法扩展到软硬件协同设计，描述了传感器、计算和机器学习模型之间的依赖关系。这项跨学科工作获得了 2020 年 IEEE 计算机架构通讯最佳论文亚军奖和 2023 年 IEEE Micro 顶级选择荣誉奖。她对机器人领域的贡献使她在 2020 年获得了 IEEE 机器人与自动化早期职业奖。
生成式人工智能与自主智能体
Faust 领导了 Web Agents 的开发，该技术被认为是首个在网络上运行的完全自主、开放式任务智能体。这些智能体可以执行多步骤任务，例如研究、预订或数据收集，无需人工干预。该技术已集成到 Google Assistant 中，使用户能够委托复杂的在线活动。
为了衡量行业在高级 AI 方面的进展，Faust 共同撰写了“AGI 等级”，这是一个将通往通用人工智能的道路操作化的框架。该框架定义了从狭义 AI 到完全 AGI 的能力阶段，并已被彭博社、经济学人和福布斯等媒体报道讨论。它为研究人员和政策制定者评估 AI 系统提供了通用词汇。
Genesis Molecular AI 首席人工智能官
2025 年 6 月，Faust 被任命为 Genesis Molecular AI（原 Genesis Therapeutics）的首席人工智能官。该公司专注于将 AI 应用于药物发现和分子设计。2025 年 10 月，Faust 和她的团队发布了“Pearl”基础模型的技术报告，该模型处理生物分子结构中的原子放置问题。据报道，Pearl 是第一个在此任务上超越 AlphaFold 3 的模型，代表了计算生物学领域的一项重大进步。
这项工作将大型语言模型技术和transformer架构应用于分子问题，建立在 Faust 在可扩展学习系统方面的专业知识之上。该模型旨在提高预测分子构象的准确性，这对药物开发和蛋白质工程至关重要。
奖项与荣誉
Faust 在其职业生涯中获得了无数奖项。她于 2026 年被任命为 IEEE 会士，引文表彰了她在可扩展学习自主性和基础模型方面的技术领导力贡献。2023 年，她被女性机器人组织列入“你需要了解的 50 位机器人领域女性”名单。
她的其他荣誉包括 IEEE 计算机架构通讯最佳论文亚军奖（2020 年）、IEEE 机器人与自动化早期职业奖（2020 年）以及 ICRA 服务机器人最佳论文奖（2018 年）。这些奖项反映了她在机器人、机器学习和计算机架构领域的影响力。
演讲活动
Faust 是 AI 和机器人领域广受欢迎的演讲者。她在 2025 年 IAEA 新兴技术研讨会上发表了主题演讲，并参加了世界人工智能峰会的全体会议小组讨论。她曾担任美国国家科学院的小组成员，为关于 AI 安全和部署的政策讨论做出贡献。Faust 还在女性工程师协会 WE17 会议上向 15,000 名与会者发表了全体会议演讲，倡导工程领域的多样性。
她的公开活动强调 AI 研究的实际应用以及负责任发展的重要性。Faust 经常讨论自主系统和基础模型对工业和社会的影响，借鉴了她在国家实验室、科技公司和初创公司的经验。
参考文献
Faust 的工作在学术出版物和技术报告中有所记录。她关于 AutoRL、PRM-RL 和 Web Agents 的研究论文在机器学习和机器人社区中被广泛引用。“AGI 等级”框架已成为讨论 AI 进展的参考点。她关于 Pearl 基础模型的近期工作详见 Genesis Molecular AI 于 2025 年 10 月发布的技术报告。