Michael Kearns est un informaticien américain et professeur à l'Université de Pennsylvanie, où il occupe des postes au sein du département d'informatique et de sciences de l'information ainsi qu'à la Wharton School. Il est connu pour ses contributions à la théorie algorithmique des jeux, à l'apprentissage automatique et à l'étude de l'équité et de la transparence dans les systèmes d'intelligence artificielle. Kearns a également travaillé comme chercheur chez Google DeepMind et a été une voix éminente dans les discussions sur les impacts sociétaux de l'IA.
Kearns a obtenu son doctorat en informatique à l'Université Harvard en 1989, sous la supervision de Leslie Valiant. Ses premiers travaux ont porté sur la théorie de l'apprentissage computationnel, notamment le développement d'algorithmes efficaces pour apprendre des formules booléennes et l'analyse du modèle d'apprentissage PAC (probablement approximativement correct). Il a ensuite élargi ses recherches à la théorie algorithmique des jeux, où il a étudié la complexité du calcul des équilibres de Nash et la conception de mécanismes pour des contextes stratégiques.
Carrière académique
Kearns a commencé sa carrière académique comme professeur à l'Université Carnegie Mellon avant de rejoindre l'Université de Pennsylvanie en 2002. À Penn, il a cofondé le laboratoire de sécurité et de systèmes en réseau et a été une figure clé du centre interdisciplinaire Warren pour les données en réseau. Il a également occupé des postes de visite au MIT CSAIL et au Stanford AI Lab. Son enseignement a couvert des sujets tels que l'apprentissage automatique, la théorie algorithmique des jeux et l'éthique de l'IA.
Contributions à la recherche
Kearns a apporté des contributions significatives dans plusieurs domaines. En théorie de l'apprentissage computationnel, il a introduit la notion de « requêtes statistiques » et a prouvé des limites sur l'apprentissage à partir de telles requêtes. En théorie algorithmique des jeux, il a co-écrit le livre influent « The Complexity of Nash Equilibria » et a montré que trouver un équilibre de Nash est PPAD-complet, un résultat qui a façonné le domaine. Plus récemment, ses travaux se sont concentrés sur l'équité dans l'apprentissage automatique, en particulier le développement d'algorithmes qui garantissent des résultats non discriminatoires entre différents groupes démographiques. Il a également exploré l'utilisation des réseaux de neurones et de l'apprentissage profond dans des contextes financiers et sociaux.
Travail dans l'industrie et les politiques
Au-delà du monde académique, Kearns a travaillé comme chercheur chez Google DeepMind, où il a contribué à des projets sur l'équité algorithmique et l'interprétabilité. Il a également servi de conseiller auprès de diverses entreprises technologiques et agences gouvernementales, notamment la National Science Foundation et le Bureau des politiques scientifiques et technologiques de la Maison Blanche. Il a témoigné devant le Congrès sur les implications éthiques de l'IA et a été un commentateur fréquent dans les médias sur des sujets tels que les biais algorithmiques et la régulation des grands modèles de langage.
Prix et reconnaissance
Kearns a reçu de nombreux prix pour ses recherches, notamment le prix Gödel en 2012 pour ses travaux sur la complexité des équilibres de Nash et le prix du jeune chercheur présidentiel en 1991. Il est membre de l'Association for Computing Machinery et de l'American Association for the Advancement of Science. En 2023, il a été élu à la National Academy of Engineering pour ses contributions à la théorie algorithmique des jeux et à l'apprentissage automatique.
Publications sélectionnées
Kearns a écrit plus de 100 articles et plusieurs livres. Parmi les publications notables figurent « The Computational Complexity of Nash Equilibria » (avec Christos Papadimitriou et d'autres), « An Introduction to Computational Learning Theory » (avec Umesh Vazirani) et « Fairness in Machine Learning: A Survey » (avec Aaron Roth). Ses travaux ont été cités des dizaines de milliers de fois et ont influencé à la fois la recherche théorique et appliquée en IA.
Vie personnelle
Kearns est marié et a deux enfants. Il est un coureur passionné et a terminé plusieurs marathons. Il est également un partisan de l'éducation artistique et a siégé au conseil d'administration d'une compagnie de théâtre locale.