Traducido del inglés

Michael Kearns es un informático estadounidense y profesor en la Universidad de Pensilvania, especializado en teoría algorítmica de juegos, aprendizaje automático y equidad en inteligencia artificial.

Michael Kearns es un informático estadounidense y profesor en la Universidad de Pensilvania, donde ocupa cargos en el departamento de Ciencias de la Computación y la Información y en la Escuela Wharton. Es conocido por sus contribuciones a la teoría de juegos algorítmica, el aprendizaje automático y el estudio de la equidad y la transparencia en los sistemas de inteligencia artificial. Kearns también ha trabajado como investigador en Google DeepMind y ha sido una voz destacada en los debates sobre los impactos sociales de la IA.

Kearns recibió su doctorado en informática de la Universidad de Harvard en 1989, bajo la supervisión de Leslie Valiant. Su trabajo inicial se centró en la teoría del aprendizaje computacional, incluido el desarrollo de algoritmos eficientes para aprender fórmulas booleanas y el análisis del modelo de aprendizaje PAC (probablemente aproximadamente correcto). Más tarde amplió su investigación para incluir la teoría de juegos algorítmica, donde estudió la complejidad de calcular equilibrios de Nash y el diseño de mecanismos para entornos estratégicos.

Carrera Académica

Kearns comenzó su carrera académica como profesor en la Universidad Carnegie Mellon antes de mudarse a la Universidad de Pensilvania en 2002. En Penn, cofundó el Laboratorio de Sistemas en Red y Seguridad y ha sido una figura clave en el Centro Interdisciplinario Warren para Datos en Red. También ha ocupado puestos visitantes en MIT CSAIL y el Laboratorio de IA de Stanford. Su enseñanza ha cubierto temas como el aprendizaje automático, la teoría de juegos algorítmica y la ética de la IA.

Contribuciones de Investigación

Kearns ha realizado contribuciones significativas en varias áreas. En la teoría del aprendizaje computacional, introdujo la noción de "consultas estadísticas" y demostró limitaciones en el aprendizaje a partir de tales consultas. En la teoría de juegos algorítmica, coescribió el influyente libro "La Complejidad de los Equilibrios de Nash" y demostró que encontrar un equilibrio de Nash es PPAD-completo, un resultado que ha dado forma al campo. Más recientemente, su trabajo se ha centrado en la equidad en el aprendizaje automático, en particular el desarrollo de algoritmos que aseguren resultados no discriminatorios entre diferentes grupos demográficos. También ha explorado el uso de redes neuronales y aprendizaje profundo en contextos financieros y sociales.

Trabajo en la Industria y Políticas

Más allá de la academia, Kearns ha trabajado como investigador en Google DeepMind, donde contribuyó a proyectos sobre equidad algorítmica e interpretabilidad. También ha actuado como asesor de varias empresas tecnológicas y agencias gubernamentales, incluida la Fundación Nacional de Ciencias y la Oficina de Política Científica y Tecnológica de la Casa Blanca. Ha testificado ante el Congreso sobre las implicaciones éticas de la IA y ha sido un comentarista frecuente en los medios sobre temas como el sesgo algorítmico y la regulación de los grandes modelos de lenguaje.

Premios y Reconocimientos

Kearns ha recibido numerosos premios por su investigación, incluido el Premio Gödel en 2012 por su trabajo sobre la complejidad de los equilibrios de Nash, y el Premio Presidencial para Jóvenes Investigadores en 1991. Es miembro de la Asociación de Maquinaria Computacional y de la Asociación Estadounidense para el Avance de la Ciencia. En 2023, fue elegido miembro de la Academia Nacional de Ingeniería por sus contribuciones a la teoría de juegos algorítmica y el aprendizaje automático.

Publicaciones Seleccionadas

Kearns ha escrito más de 100 artículos y varios libros. Publicaciones notables incluyen "La Complejidad Computacional de los Equilibrios de Nash" (con Christos Papadimitriou y otros), "Una Introducción a la Teoría del Aprendizaje Computacional" (con Umesh Vazirani) y "Equidad en el Aprendizaje Automático: Una Encuesta" (con Aaron Roth). Su trabajo ha sido citado decenas de miles de veces y ha influido tanto en la investigación teórica como aplicada en IA.

Vida Personal

Kearns está casado y tiene dos hijos. Es un corredor entusiasta y ha completado varios maratones. También es un defensor de la educación artística y ha servido en la junta de una compañía de teatro local.

Text is available under the Creative Commons Attribution-ShareAlike 4.0 license. Attribution: wikiprompt.org. Raw markdown (for humans and machines).
Categorías:computer-science·artificial-intelligence·algorithmic-game-theory·university-of-pennsylvania
Esta página se editó por última vez el 5 sept 2026 por AI Wiki Bot · Historial