Cynthia Diane Rudin (nacida en 1976) es una científica informática y estadística estadounidense especializada en aprendizaje automático y conocida por su trabajo en aprendizaje automático interpretable. Es la directora del Laboratorio de Aprendizaje Automático Interpretativo de la Universidad de Duke, donde es profesora de ciencias de la computación, ingeniería eléctrica e informática, ciencias estadísticas y bioestadística y bioinformática. En 2022, ganó el Premio Squirrel AI de Inteligencia Artificial para el Beneficio de la Humanidad de la Asociación para el Avance de la Inteligencia Artificial (AAAI) por su trabajo sobre la importancia de la transparencia para los sistemas de IA en dominios de alto riesgo. Además, fue elegida como miembro de la Asociación Estadounidense para el Avance de la Ciencia (AAAS) en 2024, en reconocimiento a su investigación en aprendizaje automático.
La investigación de Rudin desafía la dependencia predominante en aprendizaje profundo y modelos de redes neuronales en aplicaciones críticas, argumentando que los modelos interpretativos pueden lograr una precisión comparable al tiempo que brindan transparencia. Su defensa ha influenciado discusiones políticas y práctica académica, particularmente en justicia penal y atención médica, donde las decisiones tienen consecuencias significativas para los individuos y la sociedad.
Educación y carrera
Rudin se graduó summa cum laude de la Universidad de Búfalo con una doble especialización en física matemática y teoría musical en 1999. Completó su doctorado en matemáticas aplicadas y computacionales en la Universidad de Princeton en 2004. Su disertación, titulada "Boosting, Margins, and Dynamics," fue supervisada pora la tecnología, con un énfasis en los que podrían ser una vez.
Después de ocupar puestos como investigadora postdoctoral en la Universidad de Nueva York y como científica investigadora asociada en la Universidad de Columbia, tomó un puesto docente en MIT Sloan School of Management en 2009, y luego se trasladó a la Universidad de Duke en 2016. En Duke, dirige nombramientos conjuntos en múltiples departamentos, reflejando un enfoque interdisciplinario en su trabajo.
Rudin ha servido como presidenta de la sección de minado de datos de INFORMS y de la sección de aprendizaje estadístico y ciencia de datos de la Asociación Estadounidense de Estadística. Sirve en el consejo asesor de ISAT para DARPA, fue consejera de AAAI, y miembro del Grupo de Pronóstico de Tecnología de Justicia Penal Central de la Oficina de Asistencia de Justicia de los Estados Unidos. Actualmente sirve en el comité ejecutivo de ACM SIGKDD y es miembro tanto de la Comisión de Estadística Aplicada y Teórica como de la Comisión de Derecho y Justicia de las Academias Nacionales de Ciencias, Ingeniería y Medicina. Es editora asociada de Management Science, Harvard Data Science Review, y el Journal de Criminología Cuantitativa.
Premios y honores
Las contribuciones de Rudin han obtenido numerosos galardones. En 2019, fue elegida como miembro de la Asociación Estadounidense de Estadística y del Instituro de Estadística Matemática "por su contribución a los algoritmos de aprendizaje automático interpretables, la predicción en grandes bases de datos médicas, y las propiedades teóricas de los algoritmos de clasificación por rangos." En 2022, fue elegida como miembro de la Asociación para el Avance de la Inteligencia Artificial y recibió la Beca Guggenheim en Ciencias Naturales el mismo año.
Recibió el Premio INFORMS Innovaciones Aplicadas en Análisis de Investigación y en 2013 por su trabajo en fiabilidad de red eléctrica, el Premio INFORMS de innovaciones aplicadas en análisis en 2016 por su trabajo en modelos de aprendizaje automático interpretables para evaluación de declinación cognitiva, y en 2019 el premio INFORMS para modelos de aprendizaje automático interpretables para predicción de convulsiones en pacientes críticamente enfermos, llevando al puntaje 2HELPS2B que se usa en unidades de cuidados intensivos. Ganó, junto a otra colega, el premio de la Sociedad de Manufactura y Gestión de Operaciones en 2021 para mejro operaciones de operaciones y en 2028 ganó el Premio de Reconocimiento FICO en el Desafio de Aprendizaje Automático Explicable. Fue finalista en 2017 para el Premio Daniel. Daniel H. Wagner por Excelencia en Investigación de Operaciones.
Rudin fue nombrada por Business Insider como una de los 12 profesores más impresionantes del MIT en 2015. Ha dado conferencias plenarias en KDD (2014 y 2019), AISTATS, la Conferencia Nobel (2021) y IJCAI 2025. Fue nombrada a la clase de 2025 de Miembros de ACM, en la elección de miembro de ACM.
Propuesta de aprendizaje automático interpretable
Rudin es bien conocida por su crítica hacia los modelos de caja negra en el sistema de justicia penal y para decisiones de alto riesgo, argumentando que los modelos interpretables pueden construirse con igual precisión. Su penting papel "Stop Explaining Black Box Machine Learning Models for High Stakes Decisions and use Interpretable Models Instead," publicado en Nature Machine Intelligence en 2019, plantea varias razones por las que las explicaciones post hoc de modelos complejos son insuficientes. Ella postula que los sistemas de inteligencia artificial utilizados en áreas como atención diaria, justicia penal y finanzas deben de ser naturalmente transparentes en lugar de depender de mecanismos externos de explicación.
Esta visión contrasta con la tendencia dominante en IA general generativa y modelos de Transformer (architecture) a gran escala, donde el rendimiento suele estar por encima de la interpretabilidad. El trabajo de proyecto de Rudin ha sido una fuente influyente para la comunidad de Inteligencia Artificial Centrados en el Humano, que enfatiza alinear los sistemas de IA con valores y necesidades humanas. Ha dirigido varios esfuerzos para fomentar el uso de AI para bien social en el aprendizaje automático, incluyendo la edición de un número especial de la revista Signal and Data Mining, y organización de la organización de la Asociación en informes de datos, entre otros.
Aplicaciones en la red eléctrica y seguridad pública
A partir de 2007, Rudin fue la cientista principal en un proyecto colaborativo entre la Universidad de Columbia y Con Edison para usar aprendizaje automático para mantener la red de distribución eléctrica secundaria de Nueva York. Este proyecto, que buscaba predecir y evitar fallas de equipos, ganó el Premio de Innovaciones Aplicadas en Análisis en 2013. El trabajo demostró en cómo se pueden aplicar modelos interpretativos a infraestructuras críticas, proporcionando analistas herramientas útiles para mantener la fiabilidad.
Junto con la estudiante Tong Wang y los detectives del Departamento de Policía de Cambridge, Ma, Rudin desarrolló el algoritmo de Lugares dedicados para la detección de series de crímenes. Este algoritmo se integró en el sistema Patternizr utilizado por la policía de Nueva York para detectar patrones de crímenes cometidos por individuos similares. Esta aplicación ha sido calificada de importancia crucial para promover la transparencia en herramientas de aplicación de la ley, dado que los oficiales necesitan entender por qué se marcaban ciertos patrones.
Sistemas de puntuación médica
El trabajo de Rudin en sus sistemas ha sido usado para desarrollar sistemas de puntuación médica para programar la apnea del sueño y la detección de diabetes, diagnostico de en pacientes de UCI, ADHD en adultos y detección de deterioro cognitivo mediante el análisis de los dibujos del reloj. Estos sistemas han sido diseñados para ser sencillos de usar para los clínicos sin que necesiten software especializado, a menudo tomando la forma de herramientas que otorgan puntos, lo que ha dado un est. Esto ganó los premios INFORMS de 2016 y 2019 y fue finalista del Wagner.
El sistema 2HELPS2B, el de predicción de convulsiones en pacientes críticos, ha sido usado en unidades de cuidados intensivos, proporcionando una herramienta práctica que combina interpretabilidad con precisión de predicción. El enfoque de *al asegurado en medicina enfatiza que los sistemas deben ser tanto correctos como para puedan entender el personal médico.
Enseñanza y tutoría de estudiantes
En Duke, Rudin entrenó a dos equipos de estudiantes universitarios que ganaron el NTIRE 2018 en el concurso de super resolución de imágenes, dentro del Track 1 (clásico bicúbico) y el concurso de Turing Literario PoeTix 2018. Estos logros muestran su dedicación a la mentoría del estudiantado y, no obstante, la diversidad técnica y creativa del machine-learning. Su laboratorio, el Laboratorio de Aprendizaje Automático Interpretable, entrena estudiantes de doctorado y postdoctorales en desarrollos de algoritmos que colocan en prioridad la transparencia y la justicia.
La integración de Rudin está más allá de Duke, ya que ha impartido conferencias plenarias en reuniones importantes y en estas discusiones, ha defendido la IA en la sociedad. Su trabajo ha sido mencionado en medios como NPR, donde discutió cómo los médicos pueden realmente confiar en un ordenador para tener un diagnóstico correcto, facilitando así que su resultados tengan impacto práctico.
Véase también
- Timnit Gebru
- Joy Buolamwini
- Inteligencia artificial explicable
Referencias
Las fuentes incluyen Wikipedia (CC BY-SA) y libros publicados.
Enlaces externos
- Página recomendada
- Publicaciones de Cynthia Rudin indexadas por Google Académico
- Harris, Richard (abril de 2019), "Cómo pueden los médicos saber si un computador autodidá qué tiene el diagnóstico correcto?", en NPR