Zoubin Ghahramani（波斯语：زوبین قهرمانی；1970年2月8日出生）是一位英国-伊朗裔的机器学习和人工智能研究者。他是Google DeepMind的研究副总裁，也是剑桥大学信息工程学教授，自2009年起担任圣约翰学院院士。他的工作集中于贝叶斯方法、概率建模和可扩展学习算法，应用范围从神经网络到计算神经科学。
Ghahramani曾在伦敦大学学院和卡内基梅隆大学担任学术职务，并曾担任Uber首席科学家和Google Brain负责人。他发表了300多篇论文，引用次数超过10万次，并获得了多项奖学金和奖项，包括当选皇家学会院士和皇家学会米尔纳奖。
教育背景
Ghahramani曾在西班牙马德里美国学校和宾夕法尼亚大学接受教育，并于1990年获得认知科学和计算机科学双学位。随后，他在麻省理工学院攻读研究生，获得脑与认知科学系认知神经科学博士学位。他的博士研究由Michael I. Jordan和Tomaso Poggio指导，两人都是机器学习和计算神经科学领域的杰出人物。
早期职业和博士后工作
完成博士学位后，Ghahramani于1995年移居多伦多大学，在人工智能实验室担任博士后研究员，与深度学习先驱Geoffrey Hinton合作。这段时期对他后来在概率机器学习方面的贡献具有形成性意义。从1998年到2005年，他在伦敦大学学院盖茨比计算神经科学部门担任教职，期间开发了用于近似贝叶斯推断的变分方法，并探索了图模型。
学术任命
Ghahramani于2003年至2012年在卡内基梅隆大学机器学习部门担任联合副研究教授。在此期间，他继续推进贝叶斯非参数模型和半监督学习。2009年，他成为剑桥大学圣约翰学院院士，随后在剑桥大学担任信息工程学教授。他还担任了艾伦·图灵研究所的创始剑桥联络主任，以及莱弗休姆未来智能中心的创始副主任，反映了他对AI社会影响的关注。
对机器学习的贡献
Ghahramani的研究对机器学习的多个领域产生了重大影响。他以概率建模的基础性贡献而闻名，包括使贝叶斯学习可扩展的变分推断方法。他开创了半监督学习和主动学习算法，减少了对标注数据的需求。他开发的稀疏高斯过程和无限潜在特征模型（如印度自助餐过程）在非参数贝叶斯统计中具有高度影响力。他的工作还涵盖计算神经科学、生物信息学和信息检索，为处理不确定性和决策提供了数学基础。
他的研究被广泛引用，引用次数超过10万次，h指数为132，使他成为该领域最具影响力的研究者之一。他还为政策报告做出了贡献，包括2017年皇家学会的机器学习报告和2023年英国的计算未来审查，后者涉及AI研究所需的计算基础设施。
工业界领导
2014年，Ghahramani与Gary Marcus、Doug Bemis和Ken Stanley共同创立了Geometric Intelligence，这是一家专注于AI研究的初创公司。该公司于2016年被Uber收购，之后Ghahramani转入Uber的AI实验室。他后来成为Uber的AI副总裁兼首席科学家，任职至2020年。在任期间，他负责将机器学习应用于叫车、路线规划和安全性。
2020年，Ghahramani加入Google Brain担任高级研究总监。他于2021年晋升为研究副总裁，并成为Google Brain负责人，领导该团队直至2023年4月与DeepMind合并组成Google DeepMind。他继续在合并后的组织中担任研究副总裁，为基础AI研究做出贡献。
奖项和荣誉
Ghahramani于2015年当选皇家学会院士（FRS）。他的当选证书强调了他对机器学习的领导作用，特别是他在概率建模、贝叶斯非参数方法和变分推断算法方面的贡献。证书还提到了他在半监督学习、主动学习和稀疏高斯过程方面的开创性工作。2021年，他因对概率机器学习的根本性贡献而获得皇家学会米尔纳奖。
遗产和持续工作
Ghahramani的影响力通过指导和合作延伸到他自己的研究之外。他指导了许多学生和博士后，他们已成为学术界和工业界的领导者。他对严格概率推理的倡导塑造了现代AI的发展，包括将不确定性量化整合到深度学习系统中。截至2025年，他继续领导Google DeepMind的研究，专注于可扩展贝叶斯方法和计算基础设施的未来。