Zoubin Ghahramani (persan : زوبین قهرمانی ; né le 8 février 1970) est un chercheur britannico-iranien en apprentissage automatique et intelligence artificielle. Il est vice-président de la recherche chez Google DeepMind et professeur d'ingénierie de l'information à l'Université de Cambridge, où il est fellow du St John's College depuis 2009. Ses travaux se sont concentrés sur les méthodes bayésiennes, la modélisation probabiliste et les algorithmes d'apprentissage à grande échelle, avec des applications allant des réseaux de neurones aux neurosciences computationnelles.
Ghahramani a occupé des postes académiques à l'University College London et à l'Université Carnegie Mellon, et a servi comme scientifique en chef chez Uber et responsable de Google Brain. Il a publié plus de 300 articles avec plus de 100 000 citations, et a été reconnu par des fellowships et des prix, notamment son élection à la Royal Society et le prix Milner de la Royal Society.
Éducation
Ghahramani a fait ses études à l'American School of Madrid en Espagne et à l'Université de Pennsylvanie, où il a obtenu un double diplôme en sciences cognitives et informatique en 1990. Il a ensuite poursuivi des études supérieures au Massachusetts Institute of Technology, obtenant un doctorat en neurosciences cognitives du département des sciences du cerveau et cognitives. Ses recherches doctorales ont été supervisées par Michael I. Jordan et Tomaso Poggio, tous deux des figures éminentes de l'apprentissage automatique et des neurosciences computationnelles.
Début de carrière et travaux postdoctoraux
Après avoir terminé son doctorat, Ghahramani a déménagé à l'Université de Toronto en 1995 en tant que chercheur postdoctoral au laboratoire d'intelligence artificielle, travaillant avec Geoffrey Hinton, un pionnier de l'apprentissage profond. Cette période a été formatrice pour ses contributions ultérieures à l'apprentissage automatique probabiliste. De 1998 à 2005, il a été membre du corps professoral à l'unité Gatsby de neurosciences computationnelles à l'University College London, où il a développé des méthodes variationnelles pour l'inférence bayésienne approximative et exploré les modèles graphiques.
Nominations académiques
Ghahramani a occupé un poste conjoint de professeur associé de recherche au département d'apprentissage automatique de l'Université Carnegie Mellon de 2003 à 2012. Pendant cette période, il a continué à faire progresser les modèles bayésiens non paramétriques et l'apprentissage semi-supervisé. En 2009, il est devenu fellow du St John's College de Cambridge, puis a pris un poste de professeur en ingénierie de l'information à l'Université de Cambridge. Il a également servi comme directeur de liaison fondateur de Cambridge à l'Institut Alan Turing et comme directeur adjoint fondateur du Centre Leverhulme pour l'avenir de l'intelligence, reflétant son intérêt pour les implications sociétales de l'IA.
Contributions à l'apprentissage automatique
Les recherches de Ghahramani ont considérablement influencé plusieurs domaines de l'apprentissage automatique. Il est connu pour ses contributions fondamentales à la modélisation probabiliste, y compris les méthodes d'inférence variationnelle qui rendent l'apprentissage bayésien à grande échelle. Il a été un pionnier de l'apprentissage semi-supervisé et des algorithmes d'apprentissage actif, qui réduisent le besoin de données étiquetées. Son développement des processus gaussiens parcimonieux et des modèles de caractéristiques latentes infinis, tels que le processus du buffet indien, a été très influent dans les statistiques bayésiennes non paramétriques. Ses travaux couvrent également les neurosciences computationnelles, la bioinformatique et la recherche d'informations, fournissant des fondements mathématiques pour gérer l'incertitude et la prise de décision.
Ses recherches ont été largement citées, avec plus de 100 000 citations et un indice h de 132, le plaçant parmi les chercheurs les plus influents du domaine. Il a contribué à des rapports politiques, notamment le rapport sur l'apprentissage automatique de la Royal Society en 2017 et l'examen britannique sur l'avenir du calcul en 2023, qui ont abordé l'infrastructure computationnelle nécessaire à la recherche en IA.
Leadership industriel
En 2014, Ghahramani a cofondé Geometric Intelligence avec Gary Marcus, Doug Bemis et Ken Stanley, une startup axée sur la recherche en IA. L'entreprise a été acquise par Uber en 2016, après quoi Ghahramani a rejoint les laboratoires d'IA d'Uber. Il est ensuite devenu vice-président de l'IA et scientifique en chef chez Uber, un rôle qu'il a occupé jusqu'en 2020. Pendant son mandat, il a supervisé l'application de l'apprentissage automatique au covoiturage, au routage et à la sécurité.
En 2020, Ghahramani a rejoint Google Brain en tant que directeur de recherche senior. Il a été promu vice-président de la recherche en 2021 et est devenu responsable de Google Brain, dirigeant l'équipe jusqu'à sa fusion avec DeepMind en avril 2023 pour former Google DeepMind. Il a continué en tant que vice-président de la recherche à l'organisation combinée, contribuant à la recherche fondamentale en IA.
Prix et distinctions
Ghahramani a été élu fellow de la Royal Society (FRS) en 2015. Son certificat d'élection met en évidence son leadership en apprentissage automatique, en particulier ses contributions à la modélisation probabiliste, aux approches bayésiennes non paramétriques et aux algorithmes d'inférence variationnelle. Il note également son travail pionnier dans l'apprentissage semi-supervisé, l'apprentissage actif et les processus gaussiens parcimonieux. En 2021, il a reçu le prix Milner de la Royal Society en reconnaissance de ses contributions fondamentales à l'apprentissage automatique probabiliste.
Héritage et travaux en cours
L'influence de Ghahramani s'étend au-delà de ses propres recherches grâce au mentorat et à la collaboration. Il a supervisé de nombreux étudiants et postdoctorants qui sont devenus des leaders dans le monde académique et industriel. Son plaidoyer pour un raisonnement probabiliste rigoureux a façonné le développement de l'IA moderne, y compris l'intégration de la quantification de l'incertitude dans les systèmes d'apprentissage profond. En 2025, il continue de diriger la recherche chez Google DeepMind, en se concentrant sur les méthodes bayésiennes à grande échelle et l'avenir de l'infrastructure de calcul.