克雷格·布蒂利耶是一位加拿大计算机科学家，其研究横跨人工智能与决策理论，特别关注自主系统在不确定性下如何做出选择。他以在偏好建模、马尔可夫决策过程方面的贡献以及将这些思想应用于大规模工业环境而闻名，尤其是在谷歌长期任职期间。他的工作既影响了人工智能的理论基础，也影响了被数百万人使用的推荐与优化系统的实际设计。
布蒂利耶的职业生涯跨越学术界与工业界，始于在多伦多大学担任教授，在那里他帮助培养了一代人工智能研究者，后来转至谷歌，将他的理论见解应用于广告、推荐和资源分配中的现实问题。在他的整个职业生涯中，他始终专注于使人工智能系统更加理性、透明，并与人类偏好保持一致。
早年生活与教育
克雷格·布蒂利耶出生于加拿大，早年对数学和哲学产生兴趣，这后来影响了他对人工智能的研究方法。他在多伦多大学完成了本科学习，获得计算机科学理学学士学位。他对逻辑、概率和决策制定交汇点的迷恋促使他在同一机构继续研究生学习。
他在多伦多大学完成了硕士和博士学位，并于1992年获得博士学位。他的博士论文专注于信念修正的条件逻辑及其在人工智能推理中的应用，为他后来在偏好变化和决策理论规划方面的工作奠定了基础。在研究生期间，他受到人工智能社区向概率和决策理论方法转变的广泛影响，逐渐远离纯符号方法。
多伦多大学的学术生涯
获得博士学位后，布蒂利耶于1992年加入多伦多大学计算机科学系，担任助理教授。他逐步晋升为正教授，并一直担任该职位至2008年。他的学术工作以对理论和应用的深入参与为特点，并因能够以计算上可处理的方式形式化复杂决策问题而闻名。
在多伦多，布蒂利耶教授人工智能、机器学习和决策理论课程，并指导了众多研究生，这些学生后来都成为了各自领域中的杰出研究者。他的研究小组是多伦多活跃的人工智能社区的一部分，该社区还包括机器学习和神经网络领域的先驱。他与包括经济学和哲学在内的跨系同事合作，反映了他的跨学科兴趣。
他这一时期被引用最多的贡献之一是开发了使用结构化表示求解马尔可夫决策过程的算法。他展示了如何利用决策问题的结构来更高效地计算最优策略，这一研究方向对机器人学、运筹学和自动规划等领域产生了持久影响。
对决策理论和偏好建模的贡献
布蒂利耶的研究始终围绕一个核心思想，即人工智能系统应被设计为做出与人类价值观和偏好一致的决策。他在偏好建模领域做出了重要贡献，开发了用于表示和推理关于结果和行动的偏好的形式化语言。他关于CP网的工作尤其引人注目；这些是图形模型，允许用户以紧凑、直观的方式表达偏好，并已在人工智能及其他领域被广泛采用。
他还推进了效用引导理论，该理论涉及如何从用户的选择或查询中学习用户的效用函数。这项工作在推荐系统中具有实际应用，因为理解用户偏好对于提供相关建议至关重要。布蒂利耶的方法通常将经济学中的思想（如效用理论和社会选择）与人工智能中的计算技术相结合，创建了一个丰富的跨学科框架。
此外，他还研究了决策理论规划，其目标是在时间上选择最大化期望效用的行动。他用于求解部分可观测马尔可夫决策过程和因子化马尔可夫决策过程的算法具有影响力，为具有大状态空间的领域提供了可扩展的方法。这些技术已被用于从对话系统到自动驾驶等各个领域。
转至谷歌与工业应用
2008年，布蒂利耶从学术界转向工业界，加入谷歌担任研究科学家。这一转变使他能够将理论工作应用于大规模的现实问题。在谷歌，他成为首席科学家，后来成为杰出研究科学家，在公司的人工智能研究部门工作，该部门后来演变为谷歌深度思维。
在谷歌，布蒂利耶专注于在线广告、推荐系统和资源分配相关问题。他开发了优化广告投放和出价策略的模型，考虑了用户行为和广告主目标。他在偏好引导和学习方面的工作被应用于提高搜索结果和产品推荐的相关性，直接影响了数十亿用户的体验。
他在谷歌的一项显著贡献是在机制设计领域，他帮助设计了既高效又公平的拍卖和定价方案。他还研究了大规模系统中的序贯决策问题，例如管理服务器资源或优化供应链。他连接理论与实践的能力使他在人工智能研究必须基于可衡量结果的环境中成为宝贵资产。
后期职业生涯与持续影响
布蒂利耶在谷歌工作了十多年，继续发表有影响力的论文，同时指导初级研究人员。他一直是更广泛人工智能社区的活跃参与者，担任NeurIPS、ICML和IJCAI等主要会议的程序委员会委员，并担任多家期刊的编辑。他的工作获得了众多奖项的认可，包括顶级会议的最佳论文奖。
在2010年代末和2020年代初，他越来越关注将人工智能系统与人类价值观对齐的挑战，这一话题随着人工智能系统变得更加强大而日益突出。他参与了关于如何确保自主代理以与用户和社会偏好一致的方式行动的讨论。他基于决策理论的视角对塑造该领域在人工智能安全和伦理方面的方法产生了影响。
布蒂利耶还与学术界保持联系，进行受邀讲座并与各机构的研究人员合作。他曾担任顾问委员会成员，并为人工智能课程的发展做出贡献，帮助培养下一代研究者。
奖项与荣誉
在他的职业生涯中，布蒂利耶获得了多项荣誉，反映了其工作的影响。他于2010年当选为人工智能促进协会会士，以表彰他在决策理论规划和偏好建模方面的贡献。他还是计算机协会会士，该荣誉于2015年授予，以表彰他对人工智能的持续贡献。
他的论文在国际机器学习会议和人工智能不确定性会议等场合获得了最佳论文奖。这些认可凸显了同行对其研究的高度评价。他还受邀在主要会议上发表主题演讲，他在人工智能与决策理论交汇处的见解广受好评。
遗产与影响
克雷格·布蒂利耶的遗产在于他将抽象数学理论与实际人工智能系统联系起来的能力。他在偏好建模和决策理论规划方面的工作提供了现在已成为该领域标准的工具，而他的工业应用则展示了这些思想在现实环境中的价值。他帮助确立了决策理论作为人工智能核心组成部分的重要性，影响了研究者对理性和自主性的思考方式。
他的指导也留下了持久的印记，他的许多前学生现在在领先的大学和科技公司任职。通过他的教学、写作和合作精神，布蒂利耶为一种严谨、有原则的人工智能研究文化做出了贡献，这种文化优先考虑理论优雅和实际效用。
随着人工智能的持续发展，布蒂利耶职业生涯中一直致力于解决的问题，，如何建模偏好、如何做出最优决策以及如何将人工智能与人类价值观对齐，，仍然处于核心地位。他的工作为持续努力构建不仅智能而且对社会有益的人工智能系统奠定了基础。
精选出版物
布蒂利耶撰写或合著了150多篇同行评审论文。他一些最有影响力的作品包括：
- 'CP-nets: A Tool for Representing and Reasoning with Conditional Ceteris Paribus Preference Statements'（2004年），该文介绍了CP网，并已成为标准参考。
- 'Decision-Theoretic Planning: Structural Assumptions and Computational Leverage'（1999年），一篇帮助定义该领域的全面综述。
- 'Preference-Based Constraint Optimization with CP-nets'（2004年），该文将CP网扩展到约束满足问题。
- 'Robust Optimization for Sequential Decision Making'（2013年），该文解决了模型参数中的不确定性。
这些出版物以及其他作品已被引用数万次，反映了它们在人工智能、运筹学和经济学中的广泛影响。
个人生活与兴趣
布蒂利耶以注重隐私而闻名，关于他个人生活的细节并未广泛公开。他居住在旧金山湾区，谷歌总部所在地。在业余时间，据说他喜欢远足和古典音乐，但这些细节尚未得到证实。他仍然活跃于人工智能社区，参加研讨会和会议，并继续通过研究和指导为该领域做出贡献。
他的职业轨迹，，从大学教授到领先的工业研究者，，体现了人工智能中学术界与工业界日益增长的协同作用。布蒂利耶在两种环境中都能蓬勃发展的能力，使他成为寻求广泛影响的研究者的典范。