科琳娜·科尔特斯是一位丹麦计算机科学家，担任谷歌纽约研究院负责人。她最为人所知的是在机器学习领域的基础性工作，尤其是共同开发了支持向量机（SVM），这是一种广泛用于分类和回归任务的监督学习模型。她的研究涵盖数据挖掘、大规模学习以及学习算法的理论基础等多个领域。
科尔特斯出生于丹麦，并在计算机科学领域追求学术生涯。她在多伦多大学获得博士学位，师从杰弗里·辛顿，后者是神经网络和深度学习的先驱。她的博士论文专注于学习算法及其应用，为日后在该领域的贡献奠定了基础。
支持向量机
20世纪90年代初，科尔特斯在AT&T贝尔实验室（现诺基亚贝尔实验室）与弗拉基米尔·瓦普尼克合作开发支持向量机。他们1995年的论文《支持向量网络》引入了在高维空间中最大化类别间隔的概念，这一方法在模式识别中被证明极为有效。SVM成为人工智能和机器学习的基石，影响了后续核方法和大间隔分类器的发展。该技术至今仍广泛应用于从文本分类到生物信息学的各类场景。
谷歌职业生涯
科尔特斯于2003年加入谷歌，并在研究和工程领域担任领导职务。作为谷歌纽约研究院负责人，她领导一个科学家团队，研究大规模机器学习、自然语言处理和算法公平性等课题。她在谷歌的工作包括对公司排序系统的贡献，以及开发用于分析海量数据集的工具。在她的领导下，纽约办公室已成为生成式人工智能和大语言模型等领域的研究中心，并与谷歌深度思维及其他部门团队开展合作。
对学习理论的贡献
除SVM外，科尔特斯还对学习算法的理论理解做出了重要贡献。她发表了多篇有影响力的论文，涉及提升方法、集成学习以及学习系统的稳定性等主题。她关于泛化误差与假设空间复杂性之间关系的研究，帮助塑造了现代模型选择和正则化的方法。她还探索了数据挖掘中的实际问题，包括处理不平衡数据集和噪声标签的挑战。
奖项与荣誉
科尔特斯的工作获得了众多赞誉。她是ACM会士，并曾担任多本知名期刊的编委，包括《机器学习研究杂志》。她的贡献获得了诸如AT&T贝尔实验室杰出技术成员奖等荣誉。她经常受邀在NeurIPS和ICML等主要会议上发表演讲，并曾担任这些会议的程序委员会委员和领域主席。
影响与遗产
科尔特斯工作的影响力超越了学术界，延伸至工业实践。SVM成为机器学习工具包中的标准工具，而她对大规模学习的见解为全球公司所用系统的设计提供了指导。作为谷歌的领导者，她指导了一代研究人员，并帮助弥合了理论研究与实际部署之间的鸿沟。她持续的工作继续应对构建稳健、可扩展且公平的人工智能系统所面临的挑战。
科尔特斯在研究界仍然是一位活跃人物，倡导严格的评估方法和负责任的人工智能技术开发。她的职业生涯体现了基础理论与应用创新的结合，使她成为现代机器学习发展中的关键人物。