Wikipédia

Michael Jordan (informaticien)

scientifique et informaticien américain
(Redirigé depuis Michael I. Jordan)
Page d’aide sur l’homonymie

Pour les articles homonymes, voir Jordan.

Page d’aide sur la paronymie

Cet article possède un paronyme, voir Michael Jordan (homonymie).

Michael Irwin Jordan[1] (né le ) est un scientifique américain, professeur à l'Université de Californie à Berkeley, et chercheur au Centre Inria de Paris, spécialisé en apprentissage automatique, statistiques et intelligence artificielle[2].

Michael I. Jordan
une illustration sous licence libre serait bienvenue
Biographie
Naissance
Nationalité
Formation
Activités
Autres informations
A travaillé pour
Université de Californie à Berkeley (depuis le )
Institut de technologie du Massachusetts ( - )Voir et modifier les données sur Wikidata
Membre de
Directeurs de thèse
Distinctions

modifier - modifier le code - modifier WikidataDocumentation du modèle

Jordan est élu membre de la National Academy of Engineering en 2010 pour ses contributions aux fondements et aux applications de l'apprentissage automatique.

Il est l'une des figures de proue de l'apprentissage automatique et, en 2016 , Science l'a qualifié d'informaticien le plus influent au monde[3],[4],[5].

En 2022, Jordan a remporté le premier prix WLA en informatique ou en mathématiques, "pour ses contributions fondamentales aux fondements de l'apprentissage automatique et de son application"[6],[7],[8].

Éducation

modifier

En 1978, Jordan obtient son Bachelor of Science avec mention magna cum laude en psychologie de la Louisiana State University. Il obtient son Master of Science en mathématiques en 1980 de l'Arizona State University et son doctorat en sciences cognitives en 1985 de l'Université de Californie à San Diego[9]. À l'Université de Californie à San Diego, Jordan est un étudiant de David Rumelhart et un membre du groupe Parallel Distributed Processing (PDP) dans les années 1980.

Carrière et recherche

modifier

Jordan est professeur émérite Pehong Chen à l'Université de Californie à Berkeley, où sa nomination est répartie entre l'informatique et les statistiques. Il a été professeur au Département des sciences cérébrales et cognitives du MIT de 1988 à 1998[9].

Dans les années 1980, Jordan commence le développements des réseaux de neurones récurrents en tant que modèle cognitif. Ces dernières années, ses travaux sont moins guidés par une perspective cognitive et davantage par les statistiques traditionnelles.

Jordan a popularisé les réseaux bayésiens dans la communauté de l'apprentissage automatique et est connu pour souligner les liens entre l'apprentissage automatique et les statistiques. Il a également joué un rôle important dans la formalisation des méthodes variationnelles pour l'inférence approximative[10] et la vulgarisation de l'algorithme espérance-maximisation[11] dans l'apprentissage automatique.

Démission de la revue Machine Learning

modifier

En 2001, Jordan et d'autres démissionnent du comité de rédaction de la revue Machine Learning . Dans une lettre publique, ils plaident pour un accès moins restrictif et se sont engagés à soutenir une nouvelle revue en libre accès, le Journal of Machine Learning Research, créée par Leslie Kaelbling pour soutenir l'évolution du domaine de l'apprentissage automatique[12].

Distinctions et récompenses

modifier

Jordan a reçu de nombreux prix, dont un prix du meilleur article étudiant[13] (avec X. Nguyen et M. Wainwright) à l'International Conference on Machine Learning 2004, un prix du meilleur article (avec R. Jacobs) à l'American Control Conference (ACC 1991), le ACM-AAAI Allen Newell Award, le IEEE Neural Networks Pioneer Award et un NSF Presidential Young Investigator Award. En 2002, il est nommé AAAI Fellow "pour ses contributions significatives au raisonnement dans l'incertitude, à l'apprentissage automatique et au contrôle moteur humain"[14]. En 2004, il a été nommé IMS Fellow "pour ses contributions aux modèles graphiques et à l'apprentissage automatique"[15]. En 2005, il est nommé IEEE Fellow[16]. En 2007, il a été nommé ASA Fellow[17]. En 2010, il est nommé membre de la Société des sciences cognitives[9],[18] et nommé membre de l'ACM "pour ses contributions à la théorie et à l'application de l'apprentissage automatique"[19]. En 2012, il est nommé SIAM Fellow "pour ses contributions à l'apprentissage automatique, en particulier les approches variationnelles de l'inférence statistique"[20]. Il est lauréat de la Chaire d'Excellence de la FSMP en 2012. En 2014, il est nommé membre de l'International Society for Bayesian Analysis "pour ses contributions exceptionnelles à la recherche à l'interface des statistiques, de l'informatique et des probabilités, pour son rôle de premier plan dans la promotion des méthodes bayésiennes dans l'apprentissage automatique, l'ingénierie et d'autres domaines, et pour ses vastes au service de l'ISBA dans de nombreux rôles."[21]

Jordan est membre de la National Academy of Sciences, membre de la National Academy of Engineering et membre de l'American Academy of Arts and Sciences.[réf. nécessaire]

Il a été nommé Neyman Lecturer et Medallion Lecturer par l'Institute of Mathematical Statistics. Il le prix David E. Rumelhart en 2015 et le prix ACM/AAAI Allen Newell en 2009. Il a également remporté la médaille John von Neumann 2020.

En 2022, Jordan reçoit le premier prix WLA de l'organisation non gouvernementale et à but non lucratif World Laureates Association, pour ses contributions fondamentales à l'apprentissage automatique et à ses applications[22],[23].

Point de vue sur l'intelligence artificielle

modifier

Michael Jordan souligne régulièrement que l'IA est une expression trompeuse : selon lui, les systèmes actuels d'IA relèvent surtout de l'ingénierie statistique et sont très éloignés d'une intelligence comparable à celle des humains (il estime, comme David Donoho's qu'il s'agit d'une « intelligence recyclée »[réf. souhaitée]), ce qui appelle à éviter les extrapolations excessives sur leurs capacités futures. Il défend une vision de l’IA comme infrastructure socio‑technique, tout en reconnaissant la nécessité de cadres économiques, mathématiques et institutionnels solides pour la déployer de manière fiable et bénéfique à grande échelle.

En 2016, Jordan est considéré par le projet Semantic Scholar comme "l'informaticien le plus influent", sur la base de ses publications[24].

En 2019, il fait valoir que la révolution de l'intelligence artificielle n'avait pas encore eu lieu et que la révolution de l'IA nécessitait un mélange d'informatique et de statistiques[25]. Dans un autre article[26], intitulé « Dr IA ou : Comment j'ai appris à arrêter de m'inquiéter et à aimer l'Économie », il explique utiliser l'expression « IA imitant l'humain », pour chercher à « délimiter certains des thèmes qui ont dominé le débat public, afin de les mettre momentanément de côté et de permettre une réflexion sur d'autres types d'enjeux intellectuels, technologiques et sociaux »[26]. Selon lui, « il est irréaliste — et cela détourne notre attention — de considérer que l'objectif majeur des technologies de l'information, à notre époque, consiste à introduire la « pensée » dans un ordinateur, dans l'attente que des « machines pensantes » puissent résoudre nos problèmes et améliorer nos vies ». Il soutient « que la microéconomie devrait être intégrée, à part entière, au mélange d'informatique et de statistiques que l'on désigne aujourd'hui sous le terme d'« intelligence artificielle » (...) Les systèmes de recommandation constituent une excellente illustration de cette alliance entre informatique et statistiques (...) Ce sont des « machines à prédiction » et, à ce titre, ils ne constituent qu'une forme limitée d'« intelligence »[26] ». Jordan, donne comme exemple les systèmes de recommandation classiques (type Waze ou application de choix de restaurants) qui, dans des contextes de rareté peuvent générer des embouteillages ou des concentrations artificielles faute de connaître les préférences fines et instantanées des utilisateurs. Jordan, dans une approche néoclassique de la micro-économie suggère de remplacer cette logique par celle de marchés bidirectionnels où les deux côtés — usagers et ressources (routes, restaurants, etc. — interagissent directement via des mécanismes de marché et des recommandations, permettant des choix contextualisés et une allocation plus efficace que quand l'IA propose des choix algorithmiquement calculés sur la base de nos seules préférences antérieures. « Dans cette optique, les modèles économiques fondés sur les technologies de l'information modernes ne devraient pas tant viser à proposer des « avatars » ou des « services » basés sur l'IA — conçus pour nous éblouir (voire pour nous supplanter dans nos emplois) et monétisés par la publicité faute de générer une valeur économique suffisante pour le consommateur — que chercher à établir de nouvelles connexions entre des producteurs (d'un genre nouveau) et des consommateurs. (...) Tisser ces liens, dans le cadre d'une nouvelle discipline d'ingénierie qui bâtirait des mécanismes de marché en s'appuyant sur des flux de données, permettrait de créer des « marchés intelligents » qui, à ce jour, n'existent pas. De tels marchés seraient générateurs d'emplois et stimuleraient la créativité »[26]. Selon lui, créer des plateformes intelligentes capables de gérer des choix complexes (comme répartir des trajets ou des recommandations) demande une nouvelle forme d'ingénierie mêlant analyse de données, théorie des jeux, conception de marchés et réflexion sur les règles sociales et juridiques. Et les mécanismes de marché, s'ils ne sont pas une panacé, doivent néanmoins être intégrés dans les algorithmes, car ils sont, selon Jordan « une source précieuse de concepts algorithmiques pour la construction de systèmes intelligents ; les ignorer serait prendre un risque inconsidéré. Nous observons déjà l'émergence de systèmes d'intelligence artificielle qui soulèvent des enjeux en matière d'équité, de congestion et de biais. Il est nécessaire de repenser ces problématiques de sorte que les mécanismes de marché puissent être intégrés au niveau algorithmique, en tant qu'éléments constitutifs de l'« intelligence » globale du système. (...) Les marchés doivent, bien entendu, être régulés ; la définition de mécanismes de régulation appropriés requiert du temps et de l'expérience »[26]. « Les forces du marché offrent une forme d'intelligence algorithmique complémentaire à celle que recherchent les chercheurs en IA classique, davantage axés sur la notion de "pensée" » ajoutait-il[26].

Sept ans plus tard, interrogé par le journal Libération, il affirme que la superintelligence relève encore de la science-fiction[27].

Liens externes

modifier

Références

modifier
  1. ↑ « Royal Society elects outstanding new Fellows and Foreign Members », The Royal Society, (consulté le )
  2. ↑ Jacobs, Jordan, Nowlan et Hinton, « Adaptive Mixtures of Local Experts », Neural Computation, vol. 3, no 1,‎ , p. 79–87 (PMID 31141872, DOI 10.1162/neco.1991.3.1.79, S2CID 572361)
  3. ↑ (en) Austria, « IST Austria: Lecture by Michael I. Jordan available on IST Austria's YouTube channel », ist.ac.at (consulté le )
  4. ↑ « Who's the Michael Jordan of Computer Science? New Tool Ranks Researchers' Influence | Careers | Communications of the ACM », cacm.acm.org (consulté le )
  5. ↑ (en) « Michael I. Jordan », awards.acm.org (consulté le )
  6. ↑ « Winners of the Inaugural WLA Prize Announced, RMB 10 Million for Each Prize - News - WLA Prize », www.thewlaprize.org (consulté le )
  7. ↑ (en) Santillan, « Michael I. Jordan wins inaugural World Laureates Association Prize », EECS at UC Berkeley, (consulté le )
  8. ↑ 曹梓楠, « Forum honors top scientists in Shanghai », www.chinadaily.com.cn (consulté le )
  9. 1 2 3 Jordan, « Vitae », Michael I. Jordan (consulté le )
  10. ↑ Zeliadt, « Profile of Michael I. Jordan », Proceedings of the National Academy of Sciences, vol. 110, no 4,‎ , p. 1141–1143 (PMID 23341554, PMCID 3557047, DOI 10.1073/pnas.1222664110, Bibcode 2013PNAS..110.1141Z)
  11. ↑ M.I. Jordan et R.A. Jacobs, Hierarchical mixtures of experts and the EM algorithm, vol. 2, (ISBN 978-0-7803-1421-4, DOI 10.1109/IJCNN.1993.716791, S2CID 67000854, CiteSeerx 10.1.1.41.8567, lire en ligne), p. 1339–1344
  12. ↑ Editorial Board of the Kluwer Journal, Machine Learning: Resignation Letter (2001)
  13. ↑ « Long Nguyen's Publications », Stat.lsa.umich.edu (consulté le )
  14. ↑ « Elected AAAI Fellows », AAAI Awards, AAAI (consulté le )
  15. ↑ « New IMS Fellows 2005: Congratulations to you all! », IMS Bulletin, vol. 34, no 8,‎ , p. 5 (lire en ligne, consulté le )
  16. ↑ « IEEE Fellows Directory — Chronological Listing », IEEE, IEEE (consulté le )
  17. ↑ « ASA Fellows », American Statistical Association (consulté le )
  18. ↑ « Fellows », Cognitive Science Society, Cognitive Science Society (consulté le )
  19. ↑ « ACM Names 41 Fellows from World's Leading Institutions — Association for Computing Machinery » [archive du ], Acm.org (consulté le )
  20. ↑ « Class of 2012 », All SIAM Fellows, SIAM (consulté le )
  21. ↑ Petrone, « ISBA Fellows », The ISBA Bulletin, vol. 21, no 3,‎ , p. 5–6 (lire en ligne, consulté le )
  22. ↑ « Michael I. JORDAN - 2022 - WLA Prize », www.thewlaprize.org (consulté le )
  23. ↑ « About - WLA Prize », www.thewlaprize.org (consulté le )
  24. ↑ « Who's the Michael Jordan of computer science? New tool ranks researchers' influence », Science | AAAS,‎ (lire en ligne, consulté le ).
  25. ↑ « Artificial Intelligence—The Revolution Hasn't Happened Yet. » https://hdsr.mitpress.mit.edu/pub/wot7mkc1/release/9.
  26. 1 2 3 4 5 6 (en) Michael I. Jordan, « Dr. AI or: How I Learned to Stop Worrying and Love Economics », hdsr.mitpress.mit.edu, The MIT Press, vol. 1, no 1,‎ (ISSN 2644-2353 et 2688-8513, DOI 10.1162/99608f92.b9006d09, lire en ligne, consulté le ).
  27. ↑ « Michael I. Jordan sur l’IA : «La superintelligence relève de la science-fiction» », Libération,‎ (lire en ligne, consulté le ).
Ce document provient de « https://fr.wikipedia.org/w/index.php?title=Michael_Jordan_(informaticien)&oldid=240418439 ».