AWS 和加州理工学院通过新的研究协作携手加快人工智能和机器学习的发展

Ames 教授的研究方向为机器人、非线性控制、混合系统、自治和网络物理系统，重点是机器人系统的基础理论和实验实现。他的实验室设计、构建和测试新型双足机器人和假肢，目标是实现像人类一样行走的双足机器人，并将这些功能转化为机器人辅助设备。

Anandkumar 教授的研究兴趣在大规模机器学习、非凸优化和高维统计等领域。特别是，她是开发和分析机器学习张量算法的先锋。张量分解方法属于尴尬平行并可扩展到巨大的数据集。它们保证收敛到全局最优，并对许多概率模型 (如主题模型、社区模型和隐马尔可夫模型) 提供一致的估计。更通俗地讲，Anandkumar 教授一直在研究高效的技术来加快非凸优化，如有效避开鞍点。

Perona 教授的研究在理解我们如何看和如何建造会“看”的机器方面起到了关键作用。Perona 教授的主要研究领域是视觉识别，更具体地说就是视觉分类。他正在研究机器如何能够以最少的人类监督学会识别青蛙、汽车、面孔和树木，以及我们如何让大型图像集合，甚至是 Web 可以按图像内容进行搜索。通过与研究员 Anderson 和 Dickinson 合作，Perona 教授正在建立视觉系统和统计技术来衡量果蝇和小鼠的行为和活动。这使得遗传学家和神经行为学家可以探究基因、大脑和行为之间的关系。Perona 教授还对研究人类如何执行视觉任务 (如搜索和识别图像内容) 感兴趣。他最近的一个项目是研究如何利用网络上数以千计人的视觉能力来分类和搜索图像内容。

Tropp 教授的工作涉及应用数学、电气工程、计算机科学和统计学。其研究涵盖数据分析的理论和计算方面、稀疏建模、随机线性代数和随机矩阵理论。

Wierman 教授的研究集中在三个看似截然不同的领域：云计算、经济和能源。尽管很多样化，但是这些领域对于他的更广泛的研究目标来说都至关重要：轻松地将可再生能源纳入 IT，更通俗地讲就是纳入电网。他的工作在领域和技术方面也呈现出多样性。这些工作利用算法、网络、运筹学、经济学和控制等工具，并且从理论开始，一直到产业转移。

Yue 教授的研究兴趣主要在于统计机器学习的理论和应用。他对开发结构化预测、时空推理、自适应学习系统以及在循环中与人类一道学习的新方法特别感兴趣。过去，他的研究已经应用于信息检索、内容推荐、文本分类、从丰富的用户界面学习、分析隐含的人类反馈、数据驱动的动画、运动分析、机器人策略学习以及自适应路由和分配问题。