Danqi Chen (chino: 陈丹琦; pinyin: Chén Dānqí) es una informática china y profesora asistente en la Universidad de Princeton, especializada en el campo de la inteligencia artificial del procesamiento del lenguaje natural (NLP). Su investigación se centra en la comprensión de texto y la representación y razonamiento del conocimiento, con contribuciones notables en la respuesta a preguntas y la comprensión lectora neuronal. Es reconocida tanto por su trabajo académico en NLP como por su trayectoria en programación competitiva, incluida una medalla de oro en la Olimpiada Internacional de Informática de 2008.
Chen obtuvo su doctorado en la Universidad de Stanford y su licenciatura en la Universidad de Tsinghua. En 2019, se unió al grupo de NLP de Princeton, junto con Sanjeev Arora, Christiane Fellbaum y Karthik Narasimhan. Anteriormente fue científica visitante en Facebook AI Research (FAIR). Su tesis, Neural Reading Comprehension and Beyond, explora el uso de la inteligencia artificial para acceder al conocimiento en documentos ordinarios y estructurados.
Vida temprana y educación
Nacida en Changsha, China, Chen mostró una aptitud temprana en informática y programación competitiva. En 2008, ganó una medalla de oro en la Olimpiada Internacional de Informática, un logro que destacó sus habilidades algorítmicas. Posteriormente, cursó estudios de pregrado en la Universidad de Tsinghua, donde obtuvo su licenciatura. Luego se trasladó a la Universidad de Stanford para estudios de posgrado, completando su doctorado bajo la supervisión de Christopher Manning. Durante su tiempo en Stanford, desarrolló algoritmos que más tarde se volvieron fundamentales para SyntaxNet de Google, un analizador sintáctico para la comprensión del lenguaje natural.
Contribuciones a la investigación
Los principales intereses de investigación de Chen residen en la comprensión de texto y la representación y razonamiento del conocimiento. Su trabajo une el aprendizaje automático y el aprendizaje profundo para mejorar cómo las máquinas procesan y responden preguntas a partir de grandes corpus de texto. Uno de sus artículos más citados, Reading Wikipedia to Answer Open-Domain Questions, introdujo métodos para recuperar y razonar sobre pasajes de Wikipedia para responder consultas factuales. Este trabajo ha influido en desarrollos posteriores en la investigación de modelos de lenguaje grandes, particularmente en sistemas de respuesta a preguntas de dominio abierto.
Su tesis, Neural Reading Comprehension and Beyond, examinó cómo los modelos de red neuronal pueden entrenarse para extraer respuestas de documentos, abordando desafíos tanto en texto ordinario como en formatos estructurados. Esta investigación contribuyó al campo más amplio del procesamiento del lenguaje natural al avanzar técnicas para el aprendizaje secuencia a secuencia y los mecanismos de atención.
Carrera académica
Después de completar su doctorado, Chen trabajó como científica visitante en Facebook AI Research (FAIR), donde colaboró en proyectos relacionados con arquitecturas de transformadores y IA generativa. En 2019, se unió a la Universidad de Princeton como profesora asistente, formando parte del grupo de NLP de Princeton junto con investigadores como Sanjeev Arora, Christiane Fellbaum y Karthik Narasimhan. En Princeton, ha continuado investigando cómo los sistemas de IA pueden razonar sobre el conocimiento, con aplicaciones a la seguridad e interpretabilidad de la inteligencia artificial.
Chen también es conocida por su mentoría y contribuciones a la comunidad académica. Ha coautorado numerosos artículos de revistas y conferencias, y su trabajo ha sido citado extensamente en los campos del aprendizaje automático y el aprendizaje profundo. Su grupo de investigación en Princeton se centra en desarrollar modelos que puedan comprender y razonar sobre información textual compleja.
Legado en programación competitiva
Más allá de sus logros académicos, Chen es conocida entre amigos como CDQ, un acrónimo derivado de su nombre. Un algoritmo bien conocido en programación competitiva, CDQ Divide and Conquer, lleva el nombre de este acrónimo. Este algoritmo se utiliza para resolver problemas de programación dinámica con consultas fuera de línea y se ha convertido en una técnica estándar en los círculos de programación competitiva. Su medalla de oro en la Olimpiada Internacional de Informática de 2008 sigue siendo un punto culminante de su carrera temprana, y continúa siendo una inspiración para jóvenes programadores en China y en todo el mundo.
Vida personal
Chen está casada con Huacheng Yu, profesor asistente en ciencias de la computación teórica en la Universidad de Princeton. La pareja reside en Princeton, Nueva Jersey, donde ambos desarrollan carreras académicas. El trabajo de Chen ha sido reconocido con varios premios y honores, aunque los detalles específicos de estos galardones no están ampliamente publicados. Según la información más reciente disponible, sigue activa en investigación y docencia en Princeton.
Referencias
- 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.