Columbia ösztöndíjakkal támogatja a mesterséges intelligencia kutatóit

Általánosítható modellek és biztonságos AI-ügynökök

Sruthi Sudhakar, a Columbia elsőéves doktorandusza, a 2026 Apple Scholars in AIML ösztöndíj egyik kedvezményezettje. Carl Vondrick és Richard Zemel témavezetésével olyan általánosítható gépi tanulási modelleken és ügynökökön dolgozik, amelyek a világról erős reprezentációkat tanulnak, és ezáltal képesek interakcióra. Kiemelt érdeklődési területe a generalizáció, a kompozicionalitás, a hatékony tanulás és az egészségügyi alkalmazások.

A mesterséges intelligencia ügynökeinek biztonságát kutatja Jun Ren, aki Zhuo Zhang témavezetésével dolgozik. Kutatási területe az ügynökbiztonság, a megbízható ügynökalapú rendszerek és a szoftverfejlesztés automatizálása. Ren korábban mobilfelületek tesztelésével és alapmodellek értékelésével foglalkozott a The University of Texas at Dallas kutatójaként, valamint az Ant Groupnál, a Fudan Egyetemen és az Oak Ridge National Laboratorynál is szerzett kutatási és ipari tapasztalatot.

Sid Srikanth, a RoboPIL Lab elsőéves doktorandusza, általános célú robotikai alapmodellek fejlesztésén dolgozik Yunzhu Li témavezetésével. Különösen az érdekli, hogyan lehet ezeket a robotokat emberi környezetben alkalmazni úgy, hogy megtanuljanak együtt dolgozni az emberekkel és támogatást nyújtsanak nekik.

Elméleti gépi tanulás és számítógépes rendszerek

Az NSF Graduate Research Fellowships Program támogatottjai között szerepel Marten Garicano, Mithra Karamchedu és Edward Guo. Garicano Daniel Hsu és Adam Block vezetésével a gépi tanulás elméletét, ezen belül a tanuláselméletet és az optimalizálást vizsgálja. Azt kutatja, hogy az adatok, a feladatpéldányok és az interaktív környezetek szerkezete miként vezethet erősebb tanulási garanciákhoz.

Karamchedu a kombinatorikus algoritmusok és a komplexitáselmélet területén dolgozik a Theory Group tagjaként, témavezetői Josh Alman, Xi Chen, Toniann Pitassi és Rocco Servedio. Az NSF-ösztöndíj mellett Goldwater Scholar is volt, és több, a Harvey Mudd College által odaítélt elismerést kapott.

Edward Guo Kostis Kaffes és Asaf Cidon témavezetésével a számítógépes rendszereket kutatja. Célja, hogy gyorsabbá és hatékonyabbá tegye a virtuális gépeket és a homokozókat. Emellett a nagy léptékű számítások erőforrás-megosztását, valamint a mesterségesintelligencia-ügynökök rendszerszintű alkalmazásait vizsgálja.

Az SEAS Doctoral Fellowship kedvezményezettje Egor Petrov, aki Eugene Wu és Kostis Kaffes mellett a tanítás utáni hatékonyságot és optimalizálást kutatja. Érdeklődése kiterjed a nagy léptékű nagy nyelvi modellek tanítására, az előtanításra, a tanítás utáni folyamatokra és a skálázásra. Optimalizálási és aszinkron csővezeték-párhuzamosítási kutatásai az ICLR 2026 és az ICML 2026 fő programjában is megjelentek.

Biológiai ihletésű modellek és oksági kutatás

A National Institutes of Health Research Training in Biomedical Informatics, vagyis a T15 program támogatottja Ryan Shea. A másodéves doktorandusz Zhou Yu témavezetésével biológiailag valószerűbb AI-rendszereket fejleszt, köztük az ideghálózatok tanításának biológia által inspirált módszereit és realisztikusabb hálózati architektúrákat. Célja, hogy a biológia és az idegtudomány elveit hatékonyabb és jobban skálázható modellek építésére alkalmazza.

Argha Talukder gépi tanulást használ a számításbiológiában. Kutatása több forrásból származó biológiai jelekből tanulható azonosítható és szétválasztott reprezentációkra összpontosít. A negyedéves doktoranduszt Itsik Pe’er és David A. Knowles vezeti.

Terry Tong a számítás, a statisztika és az okság metszetét vizsgálja az Elias Bareinboim által vezetett CausalAI Labban. Kutatásának célja a modern AI és a mélytanulás elméleti alapjainak feltárása, hogy a statisztikai gépeket oksági rendszerekké lehessen alakítani.

Nyelvtechnológia és digitális bölcsészet

A Presidential Fellowship egyik kedvezményezettje Leanne M. Annor-Adjaye, aki Julia Hirschberg témavezetésével az alacsony erőforrású afrikai nyelvek beszéd- és nyelvtechnológiáin dolgozik. Korábbi munkái között twi nyelvű, felügyelet nélküli automatikus beszédfelismerő rendszerek építése szerepel.

Sophie Wu kutatása a digitális bölcsészet és a természetesnyelv-feldolgozás kapcsolatára összpontosít Kathleen McKeown témavezetésével. Azt vizsgálja, miként segíthetik a nyelvi modellek az emberi kultúra megértését, illetve hogyan járulhat hozzá a bölcsészettudomány elmélete kulturálisan összehangoltabb és társadalmilag hasznosabb AI-rendszerek létrehozásához.

A Columbia közlése szerint az ösztöndíjak a doktoranduszok kutatásának következő szakaszát támogatják. A bemutatott témák alapján a programok az AI gyakorlati alkalmazásai mellett annak elméleti, rendszerszintű, biztonsági, biológiai és társadalmi kérdéseit is lefedik.