Исследовательница-лауреат учит роботов оценивать неопределённость

Разработанный Куо подход, названный Diff-DAgger, использует диффузионные модели для оценки неопределенности при выполнении задач. Это помогает роботу понять, когда его действия могут привести к ошибке, и скорректировать поведение. Такой метод сокращает объем необходимого человеческого контроля, повышает процент успешного выполнения операций и создает основу для внедрения более сложных алгоритмов с большими требованиями к данным.

Куо родилась на Тайване и с детства увлекалась устройством окружающего мира. В школе она заинтересовалась программированием, а позже получила степени бакалавра и магистра в Национальном университете Тайваня. После стажировки в Google исследовательница получила предложение о постоянной работе и несколько лет занималась проектами, объединяющими компьютерное зрение и обработку естественного языка. Этот опыт, по ее словам, лишь укрепил желание разобраться во внутренних механизмах нейронных сетей, поэтому она вернулась в MIT для получения докторской степени.

Сейчас Куо работает на стыке когнитивных и компьютерных наук и надеется, что ее исследования помогут специалистам эффективнее собирать данные для обучения роботов. По словам ученой, понимание того, как люди учатся и делают выводы, может стать ключом к созданию по-настоящему адаптивных искусственных систем.