Christopher D. Manning é um cientista da computação e Professor Thomas M. Siebel na Universidade de Stanford, onde dirige o Laboratório de Inteligência Artificial de Stanford (SAIL) e tem sido uma das figuras mais influentes do campo de processamento de linguagem natural por mais de duas décadas.
Manning coautorou dois dos livros-texto padrão de pós-graduação do campo, "Foundations of Statistical Natural Language Processing" (1999, com Hinrich Schutze) e "Introduction to Information Retrieval" (2008, com Prabhakar Raghavan e Hinrich Schutze), que treinaram uma geração de pesquisadores de PLN durante a transição do campo de regras linguísticas escritas à mão para métodos estatísticos e, mais tarde, neurais.
GloVe e embeddings de palavras
Em 2014, o grupo de Manning, incluindo Jeffrey Pennington e Richard Socher, publicou o GloVe (Global Vectors for Word Representation), um método de incorporação que aprendia representações vetoriais densas de palavras a partir de estatísticas globais de co-ocorrência de palavras em um grande corpus. O GloVe tornou-se um dos dois métodos dominantes de embeddings de palavras em meados da década de 2010, ao lado do Word2vec, e ambos foram amplamente usados como representação de entrada para sistemas downstream de processamento de linguagem natural antes de serem em grande parte substituídos por representações contextuais aprendidas dentro de modelos como BERT e, mais tarde, modelos de linguagem de grande porte.
Do PLN estatístico ao neural
O laboratório de Manning também foi ativo nas primeiras abordagens neurais para parsing, análise de sentimentos e tradução automática, contribuindo para a transição mais ampla do campo de métodos estatísticos para aprendizado profundo baseado em processamento de linguagem natural ao longo da década de 2010. Como diretor do SAIL, Manning supervisionou pesquisas que abrangem o núcleo do PLN, visão computacional, robótica e teoria de aprendizado de máquina, e os programas de IA de Stanford produziram um grande número de pesquisadores que seguiram para cargos seniores em grandes laboratórios de IA, incluindo OpenAI e Google DeepMind.
Posição no campo
Manning é amplamente considerado um dos pesquisadores que fez a ponte entre as tradições orientadas à linguística e à estatística no PLN e, mais tarde, entre as tradições estatística e neural, publicando consistentemente em cada mudança de metodologia dominante, em vez de ser identificado com apenas uma era. Ele continuou a comentar publicamente sobre como a ascensão dos modelos de linguagem de grande porte reformulou o que conta como um problema de pesquisa em aberto no PLN, observando que muitos subcampos de longa data, como parsing e etiquetagem de classes gramaticais, foram efetivamente resolvidos ou subsumidos por modelos pré-treinados de propósito geral.