利用 AI 做出更好的决策

随着人工智能越来越多地融入我们的日常生活，这些系统必须能够在现实世界中准确做出决策，并在复杂多变的环境中做出适当的反应。

这是宾夕法尼亚大学嵌入式计算和集成系统工程研究中心（PRECISE）电气与系统工程博士生Kaustubh Sridhar的研究目标。Sridhar 对 AI 决策的研究旨在使当前的世界模型更加准确，创建能够更好地从专家数据中学习的 AI 系统，并创建能够快速适应新情况的系统。

“我想在毕业后继续从事人工智能和决策研究，可能在工业界，这样我就可以帮助改善现实世界中的自主代理，”Sridhar说。“当然，我希望这些代理能够帮助人们完成从家务到自动驾驶的各种任务。

“在本科期间，我花了精力发明了四旋翼飞行器的控制算法，即具有四个旋翼的机器人，我真的很喜欢，”Sridhar说。“后来我扩大了我的边界，发现一般来说，智能决策是获得可以在现实世界中帮助人类的机器人最具挑战性的问题。

在他的博士学习期间，Sridhar一直致力于构建对任何机器人和任何决策代理来说既智能又安全的通用算法。他曾两次获得顶级机器学习会议的杰出审稿人奖。他的研究成果在2023年国际信息物理系统会议（ICCPS）上获得了最佳论文奖提名。他最近的研究重点是机器学习和决策应用的半参数方法，这些方法可用于机器人学习和支持学习的数字或物理系统，例如自动驾驶汽车、电网和云计算。

“关键的收获包括，将非参数组件的优势与神经网络相结合的简单方法，可以在学习动力学模型和策略时更好地泛化，”他说。“一些令我惊讶的结论是，半参数方法可以为不同领域的实际性能提供严格的保证，否则无法找到。

在《今日宾夕法尼亚工程》上阅读更多内容。