BIOGRAFÍA
Michael I. Jordan (Aberdeen, Maryland, Estados Unidos, 1956) es máster en Matemáticas (Estadística) por la Universidad Estatal de Arizona (1980) y doctor en Ciencias Cognitivas en la Universidad de California en San Diego (1985). Su carrera se ha desarrollado en el Instituto Tecnológico de Massachusetts (1988-1998), donde fue catedrático del Departamento de Ciencias Cognitivas y del Cerebro; y en la Universidad de California en Berkeley, a la que se incorporó a continuación y donde ha sido Pehong Chen Distinguished Professor en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación y en el Departamento de Estadística. En la actualidad es catedrático emérito en ambos departamentos. Es, además, investigador sénior en el Instituto Nacional de Investigación en Ciencias y Tecnologías Digitales (INRIA), en París (Francia), y director de la cátedra Mercados y Aprendizaje Automático en la Fundación INRIA. Autor de más de 230 publicaciones en revistas científicas, ha sido presidente de la Sociedad Internacional de Análisis Bayesiano y forma parte del Consejo Editorial de revistas como Statistics and Computing o Stochastic Analysis and Applications.
CONTRIBUCIÓN
Michael I. Jordan ha desarrollado técnicas matemáticas y computacionales que están detrás de multitud de aplicaciones de la inteligencia artificial, desde los sistemas de recomendación de restaurantes hasta los modelos de lenguaje generativo como ChatGPT. El galardonado fue uno de los pioneros en el desarrollo de los llamados métodos de inferencia variacional, en los que se aproxima la solución a un problema matemático que no es factible resolver con los recursos computacionales disponibles. Esta técnica es un componente central de las aplicaciones de aprendizaje profundo como la inteligencia artificial generativa de ChatGPT y otros modelos de lenguaje.
En la década de los 2000, Jordan desarrolló algoritmos para ejecutar los programas de aprendizaje automático en cientos o miles de ordenadores en lugar de en solo uno, dando lugar a la creación de la plataforma Ray que sirve de base a ChatGPT, numerosas empresas de comercio electrónico y muchas más aplicaciones de aprendizaje profundo. Más recientemente, el galardonado se ha centrado en estudiar las aplicaciones del aprendizaje automático a la economía, construyendo sistemas de recomendación que reflejen las preferencias de las personas y les permitan colaborar dentro de un mismo sistema (por ejemplo, eligiendo itinerarios diversos dentro de una aplicación GPS para no sobrecargar el tráfico de la vía en principio más favorable).
