黄芙蓉，2010年毕业于浙江大学信电学院，美国马里兰大学助理教授，致力于开发值得信赖的人工智能和机器学习（AI/ML）模型，以服务于各种日常情况下的安全高效决策，应用场景十分广泛。她开发的模型可以从大数据中学习规律和知识，以便在变化的环境中根据未知的新数据进行自主决策，比如顶着恶劣天气在从未见过的道路上实现自动驾驶。
作为基础研究的一部分，黄芙蓉对非凸优化做出了突出贡献——非凸优化是深度学习使用的核心工具。她和同事首次证明了“对于非凸优化，一阶梯度信息会保证收敛到（局部）最优解”。这项开创性工作为深度学习的优化奠定了理论基础，并引发了后续工作的热潮。
此外，她在迁移学习方面的工作完善了动态变化环境中的自主决策系统，并且从理论上保证了有效性和高效性。她的工作首次提出了在截然不同的观察空间中完成知识迁移的方法，例如在 GPS 巡逻机器人与摄像头巡逻机器人之间完成知识迁移，为高效规划和长期自主决策提供了一种高度实用的方法。
与其设计一种临时机制来解决现有架构出现安全和隐私问题的风险，黄芙蓉接下来希望推进光谱方法（Spectral Method）来设计全新的深度神经网络架构，甚至在训练开始之前就保证模型的可解释性、公平性、隐私性和鲁棒性。
Huang, Furong
Assistant Professor
Department of Electrical and Computer Engineering
University of Maryland
Education
University of California, Irvine, Master's & Ph.D. in Machine Learning
Zhejiang University, Bachelor of Science in Electrical Engineering & Computer Science
https://ece.umd.edu/clark/faculty/989/Furong-Huang