本页已被审阅,但并非由资助调查人员撰写。
卡塔尔世界杯小组赛最新赛程出炉Open Philanthropy向10名有前途的机器学习研究人员推荐了五年内总计约230万美元的博士奖学金支持,他们共同代表了2020届的开放菲尔AI奖学金.这是一个估计,因为未来一年的学费和货币汇率的不确定性。这个数字可能会随着成本的最终确定而更新。这些研究员是从380多名申请者中挑选出来的,他们的学术成就、技术知识、缜密的推理,以及对将人工智能的长期、大规模影响作为其研究中心的兴趣。这是我们关注的领域卡塔尔世界杯赛程时间表.
我们相信,人工智能的进步可能最终会导致人类文明的变化,其规模堪比农业或工业革命schar(59),而我们认为这最有可能导致人类福祉的显著改善。我们也看到了重大风险.Open Phil AI Fellows的任务很广泛,包括思考哪种研究可能最有价值,与志同道合的学生和教授分享想法,形成一个社区,并最终以他们认为最有可能提高AI进步成果的方式行事。
Open Phil AI奖学金的目的是支持一小群有前途的研究人员,并培养一个具有信任、辩论、兴奋和智力卓越的文化的社区。我们计划每年举办一到两次聚会,在那里研究员们可以相互了解,了解彼此的工作,并与其他有共同兴趣的研究人员联系。
2020届开放菲尔AI研究员
亚历克斯Tamkin
Alex是斯坦福大学计算机科学的博士生,在那里他的顾问是Noah Goodman和斯坦福NLP集团的成员。Alex的研究集中在无监督学习上:我们如何理解和引导学习世界通用表征的系统?Alex获得了斯坦福大学的计算机科学学士学位,并在谷歌大脑和语言研究团队工作了一段时间。欲了解更多信息,请访问他的网站网站.
克莱尔莱尔
Clare正在牛津大学攻读计算机科学博士学位,是罗兹奖学金获得者,导师是Yarin Gal和Marta Kwiatkowska。她感兴趣的是开发理论工具,以更好地理解现代ML方法的泛化特性,并基于这些见解创建原则性算法。她于2018年获得麦吉尔大学数学和计算机科学学士学位。欲了解更多信息,请参阅她网站.
科迪科尔曼
科迪是斯坦福大学计算机科学博士研究生,导师是Matei Zaharia教授和Peter Bailis教授。他的工作范围从硬件和软件系统的性能基准测试(例如,DAWNBench而且MLPerf)到主动学习和核心集选择的计算效率方法。他完成了学士学位和硕士学位。在麻省理工学院的电气工程和计算机科学专业。欲了解更多信息,请访问他的网站网站.
Dami崔
Dami是多伦多大学计算机科学专业的博士生,导师是David Duvenaud和Chris Maddison。Dami对如何通过归纳偏差使神经网络训练更快、更可靠、更容易解释感兴趣。此前,她在谷歌花了一年时间作为AI常驻人员,与George Dahl一起研究优化器,并加速神经网络训练。她获得了多伦多大学工程科学学士学位。你可以在她身上找到更多关于达米的研究学者页面.
丹Hendrycks
丹·亨德瑞克斯是加州大学伯克利分校的一名博士二年级学生,他的顾问是雅各布·斯坦哈特和道恩·宋。他的研究旨在将安全人工智能所需的组件分离和具体化。这使他致力于在不可预见的非分布场景中量化和改进模型的性能,并致力于构建任务来度量模型与人类价值的一致性。丹在芝加哥大学获得理学士学位。你可以在他的网站上找到更多关于他的研究网站.
伊桑·佩雷斯
Ethan是纽约大学计算机科学专业的博士生,与Facebook AI Research的Kyunghyun Cho和Douwe Kiela一起工作。他的研究重点是开发具有长期潜力的学习算法,以回答人类不能回答的问题。监督学习不能回答这些问题,即使在原则上,所以他正在研究其他的学习范式,以推广超越现有的监督。此前,Ethan在蒙特利尔学习算法研究所与Aaron Courville和Hugo Larochelle合作,他还在Facebook AI Research和谷歌工作过。伊森获得了莱斯大学工程系的学士学位。欲了解更多信息,请访问他的网站网站.
弗朗西丝丁
Frances是加州大学伯克利分校计算机科学专业的博士生,导师是Jacob Steinhardt和Moritz Hardt。她的研究旨在提高机器学习系统的可靠性,并确保它们具有积极、公平的社会影响。她感兴趣的是开发能够处理现实世界中的动态环境和自适应行为的算法,以及建立对现代ML方法的经验和理论理解。Frances获得了哈佛大学的生物学学士学位和硕士学位。在剑桥大学的机器学习专业。欲了解更多信息,请访问她网站.
Leqi刘
Leqi是卡内基梅隆大学机器学习专业的博士生,扎卡里·利普顿是她的顾问。她的研究旨在开发一种学习系统,可以从人们的行为中推断出他们的喜好,并更好地帮助人们实现他们的目标和幸福。她特别感兴趣的是将社会科学的理论引入算法设计。你可以了解更多关于她的研究网站.
彼得·亨德森
Peter是斯坦福大学的博士生,导师是Dan Jurafsky。他的研究重点是创建基于因果推理机制的健壮决策系统——特别是在自然语言领域。他还花时间研究可重复的和彻底的评估方法,以确保这些系统在部署时能按预期执行。Peter的其他工作涉及到在治理和法律中使用机器学习的政策和技术问题,以及将机器学习应用于积极的社会影响。此前,他在麦吉尔大学(McGill University)以Joelle Pineau和David Meger指导的深度强化学习的可再现性和可重用性论文获得了工学学士和理学硕士学位。欲了解更多信息,请参阅他的文章网站.
斯坦尼斯拉夫堡
Stanislav是斯坦福大学的博士生,导师是Surya Ganguli。他的研究重点是发展对深度学习的科学理解,以及机器学习和人工智能在物理科学中的应用,涉及的领域从x射线天体物理学到量子计算。Stanislav花了一年时间作为谷歌AI Resident,在那里他与谷歌Brain和DeepMind的同事合作,研究深度学习理论及其应用。他在剑桥大学三一学院获得物理学学士和硕士学位,在斯坦福大学获得硕士学位。欲了解更多信息,请访问他的网站网站.