Michael I. Jordan: Makine Öğrenmesinin İstatistikçi Baba Figürü

Bir başka Michael Jordan

İlk gelen çağrışım basket. Ama bilgisayar bilimi dünyasında "Michael Jordan" demek Berkeley'in istatistikçi profesörünü demek. Modern makine öğrenmesinin akademik baba figürlerinden biri.

Aralarındaki kafa karışıklığını Berkeley Jordan şöyle anlatmıştır:

"E-posta adresim mjordan@cs.berkeley.edu. Yıllarca basketçi sandılar. Hâlâ haftada bir Chicago Bulls'tan mektup geliyor."

Atlanta → Louisiana → Cognitive Science

1956 Atlanta doğumlu. Louisiana State Üniversitesi'nde matematik (1978). Arizona State'te master, ardından UC San Diego'da bilişsel bilim doktorası (1985). Doktora konusu: insan motor kontrolü. Yani başlangıçta sinir bilimciydi.

MIT'de yıllarca öğretti, 1998'de Berkeley'e geçti. Berkeley'de istatistik ve bilgisayar bilimi bölümlerinde ortak profesör — modern ML'in bu iki alanın birleşim noktasında durduğunu gösteren bir konumlandırma.

"Köprü" rolü

Jordan'ın temel akademik katkısı tek bir teorem değil, bir köprü kurması:

• 1990'larda istatistik dünyası "Bayes çıkarımı, MCMC, optimizasyon" konuştu.
• Bilgisayar bilimi dünyası "sinir ağları, sembolik AI, arama" konuştu.
• İki taraf birbirinden habersizdi.

Jordan bu iki dilin aynı problemleri çözdüğünü gösterdi. Olasılıksal grafiksel modeller çatısı bunun ana ürünüdür: hem istatistikteki Bayes ağları hem bilgisayar bilimindeki bağıntı problemleri tek bir çerçevede birleştirildi.

Değişkensel çıkarım (Variational Inference)

Jordan ve öğrencileri (özellikle Tommi Jaakkola, Zoubin Ghahramani, Lawrence Saul) 1990'ların sonunda variational inference alanını yeniden inşa etti.

MCMC (Monte Carlo) tabanlı Bayes çıkarımı doğru ama yavaştı. Variational yaklaşım optimizasyon problemi olarak çözer: posterior dağılımı tahmin etmek yerine, bilinen bir aileden en yakın dağılımı bul. Yavaş örnekleme yerine hızlı gradyan inişi.

Bu yaklaşım modern VAE (Variational Autoencoder)'ın matematiksel temelidir. Jordan'ın grubu olmadan VAE de olmazdı.

LDA — sessiz devrim

1990'ların sonunda öğrencisi David Blei ile birlikte Latent Dirichlet Allocation (LDA) modelini geliştirdi (2003). Belgeleri "konu karışımları" olarak modelleyen yöntem. Sonraki 15 yıl boyunca metin analizinin standart yöntemi oldu.

LDA'nın yaygınlığı şuradan: Google Scholar'da 60.000+ atıf. Bilgisayar bilimi tarihinin en çok atıf alan makalelerinden biri.

Akademik soyağacı

Jordan'ın yetiştirdiği öğrenciler modern ML'in akademik haritasını çizer:

• Andrew Ng (Stanford, Coursera, Google Brain) — doktora öğrencisi
• David Blei (Columbia) — LDA ortağı
• Zoubin Ghahramani (Cambridge, Uber AI eski başı)
• Tommi Jaakkola (MIT)
• Lawrence Saul (UCSD)
• Yoshua Bengio (kısa süre postdoc) — Turing Ödülü 2018
• Pieter Abbeel (kısa post-doc; sonra Berkeley meslektaşı)

Bu liste fazla uzun — modern ML kürsülerinin %30'undan fazlasında bir Jordan öğrencisi vardır. Akademide "Jordan ağacı" ifadesi sık kullanılır.

"Hype'a karşı" duruşu

Jordan, derin öğrenme patlamasının coşkulu söylemine karşı temkinli olmasıyla bilinir. 2014 IEEE röportajı ses getirdi:

"Yapay zekânın gerçekte ne kadar uzakta olduğunu anlamak için 'mucize' kelimesini kullanmayı bırakmalıyız. AI bir mühendislik problemidir, sihir değil."

2018 ve sonrası yazılarında, AI ekonomisinin tek tip büyük modellere yönelmesi eleştirisi öne çıkar. Onun "Modern AI" tezi: piyasa odaklı, milyonlarca küçük modelin etkileşim halinde olduğu bir ekosistem daha sağlıklı.

ACM Turing semineri çağrısı

2019'da Jordan'ın Turing Ödülü almaması çoğu akademisyen tarafından sürpriz karşılandı. Hinton, Bengio, LeCun "derin öğrenme" ile ödüllendirildi; Jordan'ın "istatistiksel ML" alanına katkısı resmen tanınmadı. Bu, modern AI'da istatistik geleneğinin görünmezliğine dair bir tartışma açtı.

Jordan'ın kendi tepkisi sade oldu: "Yaptığım iş üniversitelere ders kitabı olarak girdi. Bu yeter."

Sade ders

Jordan hikâyesinden iki şey:

1. Akademik soyağacı, alanın yapısını belirler. Bir profesörün doktora ağacı yıllar içinde kürsüleri doldurur, alanın yönünü çizer.
2. İstatistik ve ML aynı şeydir — sadece farklı dillerde konuşur. Jordan'ın kurduğu köprü, "veri bilimi" tabirinin akademik temelini oluşturur.

Bağlam

LDA temeli için: [[lda-latent-dirichlet-allocation-konu-modelleme]] (eğer varsa). Bayes ağı için: [[bayes-aglari-judea-pearl]]. Variational inference uygulaması: [[vae-variational-autoencoder-ureten-modeller]]. Öğrencileri için: [[andrew-ng-ai-yi-herkese-acan-adam]], [[pieter-abbeel-robotik-ve-pekistirmeli-ogrenmenin-pratik-yuzu]].