Carlos Ernesto Guestrin (né en 1975) est un informaticien brésilien et professeur à l'université Stanford. Il est surtout connu pour ses contributions aux algorithmes d'apprentissage automatique évolutifs, notamment la bibliothèque XGBoost et la technique LIME pour l'IA explicable. Son travail a fait le pont entre la recherche académique et les applications industrielles, en particulier grâce à la startup d'apprentissage automatique Turi, acquise par Apple Inc. en 2016.
Les recherches de Guestrin se concentrent sur le développement de méthodes efficaces et interprétables pour l'analyse de données à grande échelle, avec des applications dans des domaines tels que les réseaux de capteurs, la médecine personnalisée et l'intelligence artificielle. Il a occupé des postes de professeur à l'université Carnegie Mellon, à l'université de Washington et à Stanford, et a été récompensé par de nombreux prix pour ses contributions à l'informatique.
Jeunesse et Éducation
Guestrin est né en Argentine en 1975 mais a grandi au Brésil. Il a poursuivi ses études de premier cycle au Brésil, obtenant un diplôme en génie mécatronique à l'École polytechnique de l'université de São Paulo. Son intérêt pour les systèmes computationnels l'a conduit à poursuivre ses études aux États-Unis, où il a obtenu un doctorat en informatique à l'université Stanford. À Stanford, son directeur de thèse était Daphne Koller, une figure éminente de l'apprentissage automatique et des modèles graphiques probabilistes. Le mentorat de Koller a profondément influencé la direction de recherche de Guestrin, en mettant l'accent sur des fondements mathématiques rigoureux et un impact algorithmique pratique.
Carrière Académique
Guestrin a commencé sa carrière académique à l'université Carnegie Mellon (CMU), où il a été professeur assistant de 2004 à 2012. Pendant cette période, il a développé des travaux fondateurs en apprentissage automatique évolutif, en particulier pour les réseaux de capteurs et les systèmes complexes. Son article de 2007 sur les algorithmes de prédiction distribuée a remporté le prix du meilleur article de KDD 2007, le consacrant comme une étoile montante dans le domaine.
En 2012, Guestrin a rejoint l'université de Washington (UW) en tant que professeur associé, où il est ensuite devenu professeur Amazon d'apprentissage automatique. À l'UW, il a poursuivi ses recherches sur les algorithmes évolutifs et a également cofondé Turi (alors connu sous le nom de GraphLab) en 2013, visant à apporter les innovations académiques à la pratique industrielle.
En 2021, Guestrin est retourné à l'université Stanford en tant que professeur. Il est affilié au Stanford AI Lab et a été un mentor influent pour de nombreux étudiants diplômés qui ont poursuivi des carrières notables dans le monde académique et industriel. Son enseignement et ses recherches ont contribué à façonner les approches modernes du déploiement de l'apprentissage automatique à grande échelle.
Contributions à l'Apprentissage Automatique
Les recherches de Guestrin ont produit plusieurs outils et techniques largement adoptés. Parmi ses contributions les plus notables figure XGBoost, une bibliothèque d'amplification de gradient évolutive qui est devenue une référence pour les compétitions de modélisation prédictive. Co-développée avec Tianqi Chen, XGBoost a gagné en importance pour son efficacité et sa précision, devenant un élément essentiel des flux de travail en science des données. Elle a été utilisée dans de nombreuses applications, de la santé à la finance, et reste l'un des algorithmes d'apprentissage automatique les plus populaires.
Une autre contribution significative est LIME (Local Interpretable Model-agnostic Explanations), une technique qui explique les prédictions individuelles des modèles de type boîte noire. Introduite en 2016 avec Marco Tulio Ribeiro et Sameer Singh, LIME aborde le défi de l'interprétabilité de l'IA, aidant les praticiens à comprendre pourquoi un modèle prend des décisions spécifiques. Ce travail a été déterminant dans le domaine croissant de l'IA explicable.
De plus, Guestrin a co-créé le projet GraphLab, un cadre précoce pour l'apprentissage automatique évolutif sur des données structurées en graphes. GraphLab a jeté les bases de Turi, qui fournissait une suite d'outils pour créer des applications intelligentes, y compris des systèmes de recommandation et des analyses prédictives.
Turi et Apple
Guestrin a cofondé Turi (initialement GraphLab) en 2013, en tant que PDG de 2013 à 2015, puis en tant que scientifique en chef. L'entreprise a développé une plateforme d'apprentissage automatique qui simplifiait le processus de création et de déploiement de modèles à grande échelle. Le logiciel de Turi a été adopté par diverses entreprises, et sa technologie a été considérée comme un atout précieux sur le marché croissant de l'IA. En 2016, Apple Inc. a acquis Turi pour un montant rapporté de 200 millions de dollars, et Guestrin a rejoint Apple en tant que directeur principal de l'apprentissage automatique et de l'IA. Chez Apple, il a dirigé une équipe axée sur l'avancement des capacités d'apprentissage automatique à travers les produits et services, contribuant à des avancées dans des domaines comme Siri et la reconnaissance photo. Il est resté chez Apple jusqu'en 2021, date à laquelle il est revenu au monde académique à Stanford.
Prix et Distinctions
Guestrin a reçu de nombreuses distinctions tout au long de sa carrière. Il a reçu un prix ONR Young Investigator en 2008.
Il a reçu le prix IJCAI Computers and Thought en 2009, décerné à de jeunes chercheurs exceptionnels en intelligence artificielle.
En 2010, Guestrin a reçu le Presidential Early Career Award for Scientists and Engineers (PECASE), la plus haute distinction accordée par le gouvernement américain aux scientifiques en début de carrière.
Ses articles de recherche ont été reconnus lors de grandes conférences, notamment les prix du meilleur article à KDD 2007, KDD 2010, AISTATS 2010 et ACL 2020.
En 2024, Guestrin a été élu membre de la National Academy of Engineering, l'une des plus hautes distinctions professionnelles pour les ingénieurs aux États-Unis, reconnaissant ses contributions pionnières à l'apprentissage automatique évolutif et à ses applications.
Influence Industrielle et Travaux Actuels
Au-delà de Turi, Guestrin a été un conseiller et un conférencier très recherché. Il a consulté pour diverses entreprises technologiques et a été actif dans la communauté plus large de l'IA. Chez Apple, il a joué un rôle clé dans l'intégration de l'apprentissage automatique dans les produits grand public, supervisant des projets allant du traitement du langage à la vision par ordinateur. Son travail chez Apple a contribué à faire progresser le déploiement pratique de l'IA sur les appareils Apple, en mettant l'accent sur le traitement sur l'appareil pour la confidentialité et l'efficacité.
Depuis son retour à Stanford, Guestrin s'est concentré sur des domaines de recherche tels que l'IA générative, l'optimisation et l'interprétabilité. Il a participé à des projets explorant l'utilisation de modèles à grande échelle et leurs implications sociétales, tout en mettant en garde contre les affirmations exagérées. Ses travaux actuels comblent souvent le fossé entre les garanties théoriques et les performances réelles.
Distinctions et Récompenses
Les contributions de Guestrin ont été reconnues par plusieurs distinctions prestigieuses. En 2008, il a reçu un prix ONR Young Investigator, qui soutient les scientifiques en début de carrière. L'année suivante, il a été honoré du prix IJCAI Computers and Thought, un prix biennal pour les jeunes chercheurs exceptionnels en IA. En 2010, il a reçu le Presidential Early Career Award for Scientists and Engineers (PECASE), l'une des plus hautes distinctions accordées par le gouvernement américain aux scientifiques en début de carrière.
Il a également remporté des prix du meilleur article lors de grandes conférences, notamment KDD 2007 et KDD 2010, ACL 2020 et AISTATS 2010. En 2024, Guestrin a été élu membre de la National Academy of Engineering, reconnaissant ses contributions à l'apprentissage automatique évolutif et aux systèmes d'IA.
Rôles Industriels et de Conseil
Au-delà de ses rôles académiques et corporatifs, Guestrin a servi de conseiller technique et de consultant pour plusieurs startups d'IA et entreprises technologiques. Son expertise a été sollicitée par des sociétés de capital-risque et des entreprises cherchant à intégrer l'apprentissage automatique dans leurs produits. Il a également été une voix active dans la communauté de l'IA, intervenant lors de grandes conférences et contribuant aux discussions publiques sur l'avenir de l'IA.
Impact et Héritage
Le travail de Guestrin a eu un impact durable sur le déploiement pratique de l'apprentissage automatique. XGBoost reste largement utilisé, et LIME est devenu un outil standard pour l'interprétation des modèles. Son accent sur les algorithmes évolutifs a influencé la conception des systèmes d'IA modernes, du cloud computing aux appareils de périphérie. En tant que professeur à Stanford, il continue de former la prochaine génération de chercheurs et de praticiens, favorisant l'innovation en IA et en apprentissage profond. Sa carrière illustre la synergie entre la recherche académique et l'application industrielle, démontrant comment les idées théoriques peuvent se traduire en outils qui stimulent les avancées concrètes.
Affiliations Professionnelles
Guestrin est membre de plusieurs organisations professionnelles, notamment l'Association for Computing Machinery (ACM) et l'Institute for Electrical and Electronics Engineers (IEEE). Il a été un contributeur actif à la communauté de l'apprentissage automatique, siégeant aux comités de programme des grandes conférences et en tant que rédacteur associé pour des revues de premier plan. Son travail a été soutenu par des subventions d'agences telles que la National Science Foundation et la DARPA, reflétant le large impact de ses recherches.
À Stanford, il dirige un groupe de recherche axé sur l'amélioration de l'efficacité, de l'interprétabilité et de l'accessibilité de l'apprentissage automatique. Ses intérêts récents incluent l'IA pour la découverte scientifique et la prise de décision robuste sous incertitude.