Emma Patricia Brunskill是一位美国计算机科学家，其研究将机器学习与人机交互相结合，重点关注AI系统如何影响以人为中心的应用，例如教育软件和医疗保健。她的工作还探讨了在错误会带来高风险或高成本的场景中强化学习的理论。她是斯坦福大学计算机科学副教授，在斯坦福大学教育学院担任礼聘职务，并且是King全球发展中心（King Center on Global Development）的附属研究员。
Brunskill的贡献获得了多项奖项的认可，包括美国国家科学基金会CAREER奖，以及当选为人工智能促进协会（Association for the Advancement of Artificial Intelligence）会士。她的研究影响了自适应学习技术和安全关键领域决策算法的设计。
教育与早期生涯
Brunskill在华盛顿州的西雅图和埃德蒙兹长大，15岁时进入华盛顿大学。她于2000年以优异成绩毕业，获得计算机工程和物理学学士学位。一项罗德奖学金将她带到牛津大学马格达伦学院，并于2002年获得神经科学硕士学位。在卢旺达度过一个夏天后，她在麻省理工学院攻读计算机科学博士学位，并于2009年完成博士学业。她的博士论文《高维、不确定领域中高效序贯决策的紧凑参数模型》由Nicholas Roy指导。
获得博士学位后，Brunskill在加州大学伯克利分校担任NSF博士后研究员。2011年，她加入卡内基梅隆大学担任计算机科学助理教授。她于2017年移居斯坦福大学，在那里成为副教授，并隶属于斯坦福AI实验室。
研究贡献
Brunskill的研究处于人工智能、机器学习和人机交互的交汇点。一个核心主题是开发能够在探索成本高昂或危险的现实环境中有效运作的强化学习算法，例如个性化辅导或临床决策支持。她的工作通常涉及创建紧凑参数模型来处理高维、不确定的领域，从而实现更高效的序贯决策。
在教育领域，Brunskill研究了AI系统如何适应个体学习者，利用学生互动的数据来改进教学策略。她的方法将认知科学和教育心理学的见解与深度学习和神经网络方法的进展相结合。在医疗保健领域，她探索了在学习需求与避免有害错误的必要性之间取得平衡的算法，这一挑战与课程学习和安全探索中的更广泛问题相关联。
Brunskill还为强化学习的理论基础做出了贡献，特别是在理解如何设计对不确定性和有限数据具有鲁棒性的算法方面。她的工作对基于大语言模型的辅导系统及其他AI驱动的教育工具有着启示意义。
认可与奖项
Brunskill于2014年获得美国国家科学基金会CAREER奖，并于2015年获得海军研究局青年研究员奖。2020年，她是华盛顿大学Paul G. Allen计算机科学与工程学院的两位校友之一，获该学院校友影响力奖表彰。2025年，她当选为人工智能促进协会会士，引文为“对强化学习领域以及面向社会福祉的应用（尤其是AI用于教育）做出了重大贡献”。
影响与更广泛的作用
Brunskill的研究帮助弥合了理论强化学习与教育和医疗保健实际应用之间的差距。她的工作为自适应学习平台的发展提供了信息，并影响了在高风险环境中AI系统与人类互动方式的设计。作为King全球发展中心的附属研究员，她还探索了AI如何应对全球挑战，包括改善资源有限环境中优质教育的获取。
她的贡献还延伸到AI研究领域的指导和社区建设，特别是通过她在斯坦福大学的角色，以及她参与专注于AI造福社会的学术会议和研讨会。