Jennifer Tour Chayes는 수학자이자 컴퓨터 과학자로서, 그녀의 연구는 통계 물리학, 그래프 이론, 그리고 머신러닝의 이론적 기초를 아우릅니다. 2025년 기준으로, 그녀는 캘리포니아 대학교 버클리의 버클리 정보대학 학장으로 재직 중이며, 전기공학 및 컴퓨터 과학과 통계학과에서도 겸직을 맡고 있습니다. 그녀의 경력은 학계와 산업계를 연결해 왔으며, 마이크로소프트 리서치에서 오랜 기간 재직하며 이론 그룹과 이후 마이크로소프트 리서치 뉴잉글랜드 및 뉴욕시 연구소를 공동 창립하고 이끌었습니다.
Chayes는 웨슬리언 대학교에서 수학과 물리학 학사 학위를, 프린스턴 대학교에서 수리 물리학 박사 학위를 받았습니다. 그녀의 초기 연구는 상전이와 무작위 그래프에 집중했으며, 통계 역학 현상에 대한 엄밀한 이해에 기여했습니다. 이 작업은 이후 컴퓨터 과학, 특히 알고리즘 분석과 복잡한 네트워크의 행동 연구에 기초를 마련했습니다.
학문 및 연구 경력
마이크로소프트에 합류하기 전, Chayes는 캘리포니아 대학교 로스앤젤레스에서 수학 교수로 재직했으며, 그 이전에는 매사추세츠 공과대학교와 워싱턴 대학교에서 직책을 맡았습니다. 1980년대와 1990년대의 그녀의 학문적 작업은 무작위 표면의 기하학과 스핀 유리의 동역학에 관한 영향력 있는 논문을 포함했으며, 종종 남편인 Christian Borgs와 공동 연구했습니다. 무작위 클러스터 모델의 '자유 경계' 문제에 대한 그들의 공동 연구는 퍼콜레이션 이론과 상전이 사이의 연결을 명확히 하는 데 도움을 주었습니다.
마이크로소프트 리서치에서의 리더십
Chayes는 1997년에 선임 연구원으로 마이크로소프트 리서치에 합류했으며, 빠르게 저명한 과학자가 되었습니다. 2008년에 그녀는 매사추세츠주 케임브리지에 마이크로소프트 리서치 뉴잉글랜드 연구소를 공동 창립하고 관리 이사로 재직했습니다. 2년 후, 그녀는 컴퓨터 과학과 경제학, 사회학, 생물학을 결합한 학제 간 연구로 유명해진 마이크로소프트 리서치 뉴욕시 연구소 설립을 도왔습니다. 그녀의 리더십 아래, 이 연구소들은 컴퓨터 과학을 경제학, 사회학, 생물학과 결합한 학제 간 작업으로 알려지게 되었습니다. 그녀는 또한 대규모 데이터 분석 및 알고리즘 게임 이론 프로젝트를 포함한 마이크로소프트의 초기 머신러닝 이니셔티브에서 핵심적인 역할을 했습니다.
머신러닝 및 AI에 대한 기여
Chayes의 후기 연구는 인공지능 및 딥러닝의 이론적 기초로 방향을 전환했습니다. 그녀는 신경망의 일반화 속성, 손실 함수 지형의 기하학, 그리고 대규모 모델 훈련을 위한 효율적인 알고리즘 설계에 대해 발표했습니다. Naftali Tishby와 Bill Pol과 함께 개발한 '정보 병목' 방법에 대한 그녀의 연구는 신경망이 관련 정보를 보존하면서 입력 데이터를 압축하는 방식을 이해하는 프레임워크를 제공했습니다. 이 연구 방향은 현대 대규모 언어 모델의 해석 가능성과 견고성에 대한 후속 연구에 영향을 미쳤습니다.
버클리 정보대학
2023년, Chayes는 AnnaLee Saxenian의 뒤를 이어 버클리 정보대학의 학장으로 임명되었습니다. 이 역할에서 그녀는 생성형 AI 시스템 개발에 있어 기술적 엄밀성과 정책 및 윤리적 고려 사항을 통합하는 것의 중요성을 강조해 왔습니다. 그녀는 잘못된 정보, 알고리즘 편향, 데이터 프라이버시와 같은 사회적 과제를 해결할 수 있도록 학생들을 훈련시키는 학제 간 교육 과정을 옹호했습니다. 그녀의 리더십 아래, 이 대학은 책임 있는 AI 연구에 관한 Google Cloud 및 Amazon Web Services와의 협력을 포함하여 산업 및 정부와의 파트너십을 확장했습니다.
명예 및 표창
Chayes는 미국 과학 진흥 협회, 통계 연구소 및 컴퓨팅 기계 협회의 펠로우입니다. 그녀는 Lady Davis 펠로우십과 훔볼트 연구상을 수상했습니다. 2019년에는 데이터 과학 및 머신러닝의 이론과 실무에 기여한 공로로 미국 공학 아카데미에 선출되었습니다. 그녀는 또한 OpenAI와 Google DeepMind의 자문 위원회에서 활동했으며, 이는 이론 연구와 응용 AI 개발 사이의 가교 역할을 하는 그녀의 입지를 반영합니다.
주요 논문 및 영향
그녀의 가장 많이 인용된 연구 중에는 무작위 그래프 모델의 상전이, 인터넷 그래프 구조의 안정성, 복잡한 네트워크에서 인접 행렬의 스펙트럼 속성에 관한 논문이 있습니다. 그녀의 2015년 논문 "The Information Bottleneck Method for Deep Learning"은 수천 번 인용되었으며 표현 학습 연구의 기초적 기여로 간주됩니다. 그녀는 또한 에너지 효율성 문제와 새로운 하드웨어 아키텍처의 필요성을 포함한 머신러닝 시스템 확장의 과제에 대해 광범위하게 저술했으며, 이러한 주제는 지속 가능한 AI에 관한 논쟁의 중심에 남아 있습니다.
Chayes는 계속해서 활발히 출판하고 초기 경력 연구자들을 멘토링하고 있습니다. 그녀의 경력은 수학, 컴퓨터 과학, 그리고 공공 정책의 생산적인 교차점을 예시하며, 그녀의 버클리에서의 리더십은 차세대 정보 전문가를 양성하는 데 기여하고 있습니다.
정보 상자
- 출생: 1953년 (정확한 날짜는 공개적으로 확인되지 않음)
- 국적: 미국
- 알려진 업적: 정보 병목 방법, 무작위 그래프의 상전이, 마이크로소프트 리서치에서의 리더십
- 소속: 캘리포니아 대학교 버클리; 마이크로소프트 리서치(이전)
- 수상: AAAS, IMS, ACM 펠로우; 미국 공학 아카데미 회원; 훔볼트 연구상