Danqi Chen (chinesisch: 陈丹琦; Pinyin: Chén Dānqí) ist eine chinesische Informatikerin und Assistenzprofessorin an der Princeton University, die sich auf das KI-Feld der Verarbeitung natürlicher Sprache (NLP) spezialisiert hat. Ihre Forschung konzentriert sich auf Textverständnis sowie Wissensrepräsentation und -schlussfolgerung, mit bemerkenswerten Beiträgen zur Beantwortung von Fragen und zum neuronalen Leseverständnis. Sie ist sowohl für ihre akademische Arbeit im Bereich NLP als auch für ihren Hintergrund im Wettbewerbsprogrammieren bekannt, einschließlich einer Goldmedaille bei der Internationalen Informatik-Olympiade 2008.
Chen promovierte an der Stanford University und erwarb ihren Bachelor-Abschluss an der Tsinghua University. 2019 trat sie der Princeton-NLP-Gruppe bei, neben Sanjeev Arora, Christiane Fellbaum und Karthik Narasimhan. Zuvor war sie Gastwissenschaftlerin bei Facebook AI Research (FAIR). Ihre Dissertation, Neural Reading Comprehension and Beyond, untersucht die Nutzung künstlicher Intelligenz für den Zugriff auf Wissen in gewöhnlichen und strukturierten Dokumenten.
Frühes Leben und Ausbildung
Geboren in Changsha, China, zeigte Chen früh eine Begabung für Informatik und Wettbewerbsprogrammieren. 2008 gewann sie eine Goldmedaille bei der Internationalen Informatik-Olympiade, eine Leistung, die ihre algorithmischen Fähigkeiten hervorhob. Anschließend absolvierte sie ihr Grundstudium an der Tsinghua University, wo sie ihren Bachelor-Abschluss erwarb. Danach wechselte sie für ihr Graduiertenstudium an die Stanford University und schloss ihre Promotion unter der Betreuung von Christopher Manning ab. Während ihrer Zeit in Stanford entwickelte sie Algorithmen, die später grundlegend für Google's SyntaxNet wurden, einen syntaktischen Parser für das Verständnis natürlicher Sprache.
Forschungsbeiträge
Chens primäre Forschungsinteressen liegen im Textverständnis sowie in der Wissensrepräsentation und -schlussfolgerung. Ihre Arbeit verbindet Machine learning und Deep learning, um zu verbessern, wie Maschinen Fragen aus großen Textkorpora verarbeiten und beantworten. Einer ihrer am häufigsten zitierten Artikel, Reading Wikipedia to Answer Open-Domain Questions, führte Methoden zum Abrufen und Schlussfolgern über Passagen aus Wikipedia ein, um faktische Anfragen zu beantworten. Diese Arbeit hat nachfolgende Entwicklungen in der Large language model-Forschung beeinflusst, insbesondere bei Systemen zur Beantwortung offener Fragen.
Ihre Dissertation, Neural Reading Comprehension and Beyond, untersuchte, wie Neural network-Modelle trainiert werden können, um Antworten aus Dokumenten zu extrahieren, und behandelte Herausforderungen sowohl in gewöhnlichem Text als auch in strukturierten Formaten. Diese Forschung trug zum breiteren Feld der Natural language processing bei, indem sie Techniken für Sequence-to-Sequence (Seq2Seq)-Lernen und Aufmerksamkeitsmechanismen vorantrieb.
Akademische Karriere
Nach Abschluss ihrer Promotion arbeitete Chen als Gastwissenschaftlerin bei Facebook AI Research (FAIR), wo sie an Projekten zu Transformer (architecture)-Architekturen und Generative AI mitwirkte. 2019 trat sie der Princeton University als Assistenzprofessorin bei und wurde Teil der Princeton-NLP-Gruppe neben Forschern wie Sanjeev Arora, Christiane Fellbaum und Karthik Narasimhan. In Princeton hat sie weiterhin untersucht, wie KI-Systeme über Wissen schlussfolgern können, mit Anwendungen für Artificial intelligence-Sicherheit und Interpretierbarkeit.
Chen ist auch für ihre Mentoring-Arbeit und Beiträge zur akademischen Gemeinschaft bekannt. Sie hat zahlreiche Zeitschriftenartikel und Konferenzbeiträge mitverfasst, und ihre Arbeit wurde in den Bereichen Machine learning und Deep learning umfassend zitiert. Ihre Forschungsgruppe in Princeton konzentriert sich auf die Entwicklung von Modellen, die komplexe textuelle Informationen verstehen und darüber schlussfolgern können.
Vermächtnis im Wettbewerbsprogrammieren
Über ihre akademischen Leistungen hinaus ist Chen unter Freunden als CDQ bekannt, ein Akronym, das von ihrem Namen abgeleitet ist. Ein bekannter Algorithmus im Wettbewerbsprogrammieren, CDQ Divide and Conquer, ist nach diesem Akronym benannt. Dieser Algorithmus wird verwendet, um dynamische Programmierprobleme mit Offline-Abfragen zu lösen, und ist zu einer Standardtechnik in Wettbewerbsprogrammierkreisen geworden. Ihre Goldmedaille bei der Internationalen Informatik-Olympiade 2008 bleibt ein Höhepunkt ihrer frühen Karriere, und sie inspiriert weiterhin junge Programmierer in China und weltweit.
Persönliches Leben
Chen ist mit Huacheng Yu verheiratet, einem Assistenzprofessor für theoretische Informatik an der Princeton University. Das Paar lebt in Princeton, New Jersey, wo beide akademische Karrieren verfolgen. Chens Arbeit wurde durch verschiedene Auszeichnungen und Ehrungen anerkannt, obwohl spezifische Details dieser Auszeichnungen nicht weit verbreitet sind. Nach den neuesten verfügbaren Informationen bleibt sie aktiv in Forschung und Lehre an der Princeton University.
Referenzen
- Chen, D., & Manning, C. (2014). A Fast and Accurate Dependency Parser using Neural Networks. Proceedings of EMNLP.
- Chen, D., Fisch, A., Weston, J., & Bordes, A. (2017). Reading Wikipedia to Answer Open-Domain Questions. Proceedings of ACL.
- Chen, D. (2018). Neural Reading Comprehension and Beyond. Ph.D. Dissertation, Stanford University.