Od najm\u0142odszych lat Cathy Wu uwielbia\u0142a znajdowa\u0107 rozwi\u0105zania problem\u00f3w, kt\u00f3re mog\u0142yby poprawi\u0107 jako\u015b\u0107 \u017cycia ludzi. Jako dziecko imigrant\u00f3w z Tajwanu sp\u0119dza\u0142a sporo czasu w domu wraz z rodze\u0144stwem ze wzgl\u0119du na d\u0142ugie dojazdy ojca do pracy oraz zgie\u0142k panuj\u0105cy na ruchliwych ulicach. W\u0142a\u015bnie w tym okresie znalaz\u0142a ukojenie w grach komputerowych, a zw\u0142aszcza w \u201cSimCity\u201d. Nie\u015bwiadomie rado\u015b\u0107, jak\u0105 czerpa\u0142a z projektowania w tej grze skomplikowanych, wydajnych miast, po\u0142o\u017cy\u0142a wczesne fundamenty pod jej p\u00f3\u017aniejsze zami\u0142owanie do bezpiecznych i wydajnych system\u00f3w transportowych.<\/p>\n
Dzisiaj Wu jest profesorem nadzwyczajnym na Wydziale In\u017cynierii L\u0105dowej i \u015arodowiskowej (CEE) oraz w Instytucie Danych, System\u00f3w i Spo\u0142ecze\u0144stwa (IDSS) na MIT. Nieustannie motywuje j\u0105 ch\u0119\u0107 ulepszania infrastruktury poprzez innowacyjne rozwi\u0105zania. Podkre\u015bla, \u017ce projektowanie system\u00f3w transportowych wymaga analizy niezliczonych wariant\u00f3w \u2013 zadania, z kt\u00f3rym proste oprogramowanie i r\u0119czne procedury maj\u0105 trudno\u015bci. Na szcz\u0119\u015bcie uczenie si\u0119 przez wzmocnienie (RL) da\u0142o promyk nadziei, oferuj\u0105c mo\u017cliwo\u015b\u0107 wyobra\u017cania sobie i projektowania system\u00f3w wykraczaj\u0105cych daleko poza ograniczenia istniej\u0105cych narz\u0119dzi.<\/p>\n
W miar\u0119 jak Wu pod\u0105\u017ca\u0142a swoj\u0105 \u015bcie\u017ck\u0105 akademick\u0105, jej inspiracje i wp\u0142ywy ulega\u0142y zmianom. To w\u0142a\u015bnie swojej starszej siostrze przypisuje rozbudzenie w sobie ch\u0119ci wywierania pozytywnego wp\u0142ywu na \u017cycie innych ludzi. Wu zainteresowa\u0142a si\u0119 transportem, postrzegaj\u0105c go jako spos\u00f3b na wywieranie wp\u0142ywu na wszystkich, poniewa\u017c transport z natury rzeczy stanowi integraln\u0105 cz\u0119\u015b\u0107 naszego codziennego \u017cycia. \u201cWszyscy z niego korzystamy, do\u015bwiadczamy go i zmagamy si\u0119 z jego wyzwaniami \u2013 wi\u0119c naturalnie wszyscy byliby\u015bmy zainteresowani ulepszeniem tego systemu\u201d \u2013 zauwa\u017cy\u0142a.<\/p>\n
Jej fascynacja wykorzystaniem sztucznej inteligencji w transporcie zrodzi\u0142a si\u0119 jeszcze w czasie studi\u00f3w licencjackich na MIT, a impulsem do tego by\u0142 wyk\u0142ad na temat pojazd\u00f3w autonomicznych wyg\u0142oszony przez nie\u017cyj\u0105cego ju\u017c profesora Setha Tellera. By\u0142 to dla niej moment ol\u015bnienia, kt\u00f3ry utwierdzi\u0142 j\u0105 w postanowieniu skupienia si\u0119 na badaniach w dziedzinie transportu. W nast\u0119pstwie tego inspiruj\u0105cego kursu Wu zacz\u0119\u0142a zg\u0142\u0119bia\u0107 \u015bwiat robotaks\u00f3wek pod kierunkiem profesor Danieli Rus.<\/p>\n
Po uko\u0144czeniu studi\u00f3w magisterskich na MIT kontynuowa\u0142a swoj\u0105 misj\u0119 na Uniwersytecie Kalifornijskim w Berkeley, gdzie uzyska\u0142a tytu\u0142 doktora. Zauwa\u017cy\u0142a, \u017ce naukowcy po\u015bwi\u0119cali lata na udoskonalanie metod optymalizacji wy\u0142\u0105cznie dla jednego wariantu systemu. Wykorzystuj\u0105c swoj\u0105 wiedz\u0119 z zakresu informatyki, wprowadzi\u0142a do procesu uczenie si\u0119 oparte na wzmocnieniu (RL), osi\u0105gaj\u0105c znacz\u0105cy wzrost wydajno\u015bci. Na ostatnim roku studi\u00f3w w Berkeley zwr\u00f3ci\u0142a na siebie uwag\u0119 \u015brodowiska naukowego, wykorzystuj\u0105c uczenie si\u0119 przez wzmocnienie (RL) do analizy wp\u0142ywu pojazd\u00f3w autonomicznych na p\u0142ynno\u015b\u0107 ruchu drogowego.<\/p>\n
Jednak droga do post\u0119pu nie zawsze by\u0142a prosta. Wu ponownie po\u0142\u0105czy\u0142a si\u0142y ze swoimi kolegami z wydzia\u0142u MIT, aby zmierzy\u0107 si\u0119 z problemem nieprzewidywalno\u015bci uczenia si\u0119 opartego na wzmocnieniu (RL). Odkryli, \u017ce modele RL by\u0142y rzeczywi\u015bcie wra\u017cliwe, co cz\u0119sto prowadzi\u0142o do niesp\u00f3jnych wynik\u00f3w. Jednak do 2023 roku, dzi\u0119ki wytrwa\u0142o\u015bci, poprowadzi\u0142a sw\u00f3j zesp\u00f3\u0142 do odkrycia skutecznej techniki pozwalaj\u0105cej opanowa\u0107 t\u0119 wra\u017cliwo\u015b\u0107, zwi\u0119kszaj\u0105c wydajno\u015b\u0107 uczenia si\u0119 opartego na wzmocnieniu w r\u00f3\u017cnych problemach i poprawiaj\u0105c efektywno\u015b\u0107 w zadziwiaj\u0105cym tempie \u2013 a\u017c 30-krotnie w por\u00f3wnaniu z poprzednim stanem.<\/p>\n
Niedawno badania Wu jeszcze bardziej rozszerzy\u0142y granice potencja\u0142u uczenia si\u0119 opartego na wzmocnieniu (RL) w zakresie optymalizacji transportu, wykazuj\u0105c w zaskakuj\u0105cy spos\u00f3b, \u017ce ekologiczna jazda mo\u017ce zmniejszy\u0107 emisje pojazd\u00f3w o 11 do 22 procent. Te pouczaj\u0105ce badania mog\u0105 wp\u0142yn\u0105\u0107 na kszta\u0142t przysz\u0142ej polityki i przyczyni\u0107 si\u0119 do dalszego zwi\u0119kszania wydajno\u015bci i ekologiczno\u015bci system\u00f3w transportowych.<\/p>\n
Opr\u00f3cz inspiruj\u0105cej i prze\u0142omowej pracy badawczej jest r\u00f3wnie\u017c oddan\u0105 nauczycielk\u0105 i mentork\u0105, kt\u00f3ra bardzo ceni sobie kontakty ze studentami. \u201cTen moment ol\u015bnienia, kiedy student rozumie jak\u0105\u015b koncepcj\u0119 \u2013 to sprawia, \u017ce mam dobry dzie\u0144\u201d \u2013 przyznaje z rado\u015bci\u0105. Zaanga\u017cowanie Wu w swoj\u0105 prac\u0119 przynios\u0142o jej wiele wyr\u00f3\u017cnie\u0144, w szczeg\u00f3lno\u015bci nagrod\u0119 National Science Foundation Faculty Early Career Development Award w 2023 roku.<\/p>\n
Je\u015bli chodzi o rady dla os\u00f3b, kt\u00f3re chc\u0105 zmierzy\u0107 si\u0119 ze z\u0142o\u017conymi problemami spo\u0142ecznymi, jej s\u0142owa s\u0105 proste, ale g\u0142\u0119bokie. \u201cZacznijcie od drobnych krok\u00f3w i b\u0105d\u017acie cierpliwi. Wp\u0142yw na spo\u0142ecze\u0144stwo wymaga czasu. B\u0105d\u017acie pomocni, zachowajcie ciekawo\u015b\u0107 i nie zapominajcie zadawa\u0107 pyta\u0144\u201d \u2013 m\u00f3wi.<\/p>\n
Od grania w \u201eSimCity\u201d w dzieci\u0144stwie po karier\u0119 uznanej profesor \u2013 droga Cathy Wu jest dowodem na si\u0142\u0119 pasji, ci\u0119\u017ckiej pracy i wytrwa\u0142o\u015bci. Aby dowiedzie\u0107 si\u0119 wi\u0119cej o \u017cyciu i badaniach Cathy Wu, odwied\u017a stron\u0119 artyku\u0142 oryginalny<\/a>.<\/p>\n Je\u015bli Twoja organizacja poszukuje rozwi\u0105za\u0144 w zakresie automatyzacji opartej na sztucznej inteligencji, nie wahaj si\u0119 sprawdzi\u0107, w jaki spos\u00f3b implementi.ai mo\u017ce usprawni\u0107 Twoje procesy i zwi\u0119kszy\u0107 wydajno\u015b\u0107.<\/p>","protected":false},"excerpt":{"rendered":" Ever since she was a young girl, Cathy Wu loved finding solutions to problems that had the potential to improve people’s lives. An immigrant child from a Taiwanese family, she spent considerable time indoors with her siblings due to her father\u2019s long work commutes and the hustle and bustle of the busy streets outside. It was during this period that she found solace in computer games, most notably \u201cSimCity.\u201d Unknowingly, her joy of designing intricate, efficient cities within that game laid the early foundations for her passion for safe and efficient transportation systems later in life. Fast forward to today, […]<\/p>\n","protected":false},"author":4,"featured_media":9738,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46],"tags":[],"class_list":["post-9737","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/9737","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=9737"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/9737\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/9738"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=9737"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=9737"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=9737"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}