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 y hoy es catedrático emérito. Es, además, investigador sénior y director de la cátedra Mercados y Aprendizaje Automático en el Instituto Nacional de Investigación en Ciencias y Tecnologías Digitales (INRIA), en París (Francia). 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 y el desarrollo de herramientas de apoyo para la toma de decisiones en el ámbito empresarial, los avances logrados por Jordan han sido decisivos para poder emplear estos sistemas en la vida real. Además de sentar las bases teóricas de todas estas aplicaciones, el premiado ha llevado algunas de ellas al mercado a través de colaboraciones con empresas.
El galardonado comenzó su carrera investigando los modelos que se utilizan para establecer relaciones probabilísticas entre diferentes variables y son un componente clave de los sistemas de recomendación y de análisis de texto e imágenes. Además, durante los años 1990 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, reduciéndolo a un problema de optimización. Esta técnica es un componente central del aprendizaje automático, y en especial 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 se planteó cómo multiplicar las posibilidades del aprendizaje automático, ejecutando los programas en cientos o miles de ordenadores en lugar de en uno solo. Los algoritmos que desarrolló para hacer posible la distribución de este tipo de computaciones condujeron a la creación de la empresa Anyscale, cuya plataforma Ray sirve de base a ChatGPT, a numerosas empresas de comercio electrónico y a muchas más aplicaciones del aprendizaje profundo.
Más recientemente, el galardonado se ha centrado en estudiar las aplicaciones del aprendizaje automático a la economía. En contextos en los que existen múltiples actores tomando decisiones sobre un mismo sistema, los sistemas de recomendación necesitan adaptarse para no crear congestión. Por ejemplo, una aplicación GPS que se emplee en una ciudad de cientos de miles de habitantes podría recomendar el mismo itinerario hacia el aeropuerto a mil personas, sobrecargando el tráfico. Jordan trabaja para desarrollar sistemas de aprendizaje automático que eviten esta situación, reflejando las preferencias de las personas y permitiéndoles colaborar dentro de un mismo sistema (por ejemplo, eligiendo itinerarios diversos para generar un tráfico moderado en cada uno de ellos). “No se trata de construir sistemas enormes que nos dicen lo que tenemos que hacer”, afirma el premiado. “Creo que lo que tiene que hacer la inteligencia artificial es ayudarnos a conectar mejor los unos con los otros y colaborar de manera más eficaz. Quiero empoderar a los humanos, no hacer que la inteligencia artificial nos diga lo que tenemos que hacer”.