Danqi Chen (chinês: 陈丹琦; pinyin: Chén Dānqí) é uma cientista da computação chinesa e professora assistente na Universidade de Princeton, especializada na área de inteligência artificial de processamento de linguagem natural (PLN). Sua pesquisa concentra-se na compreensão de texto e na representação e raciocínio de conhecimento, com contribuições notáveis para resposta a perguntas e compreensão neural de leitura. Ela é reconhecida tanto por seu trabalho acadêmico em PLN quanto por sua formação em programação competitiva, incluindo uma medalha de ouro na Olimpíada Internacional de Informática de 2008.
Chen obteve seu doutorado na Universidade de Stanford e seu bacharelado na Universidade de Tsinghua. Em 2019, ela ingressou no grupo de PLN de Princeton, ao lado de Sanjeev Arora, Christiane Fellbaum e Karthik Narasimhan. Anteriormente, foi cientista visitante no Facebook AI Research (FAIR). Sua tese, Neural Reading Comprehension and Beyond, explora o uso de inteligência artificial para acessar conhecimento em documentos comuns e estruturados.
Início da Vida e Educação
Nascida em Changsha, China, Chen demonstrou aptidão precoce em ciência da computação e programação competitiva. Em 2008, ganhou uma medalha de ouro na Olimpíada Internacional de Informática, uma conquista que destacou suas habilidades algorítmicas. Posteriormente, cursou graduação na Universidade de Tsinghua, onde obteve seu bacharelado. Em seguida, mudou-se para a Universidade de Stanford para estudos de pós-graduação, concluindo seu doutorado sob a supervisão de Christopher Manning. Durante seu tempo em Stanford, desenvolveu algoritmos que mais tarde se tornaram fundamentais para o SyntaxNet do Google, um analisador sintático para compreensão de linguagem natural.
Contribuições de Pesquisa
Os principais interesses de pesquisa de Chen estão na compreensão de texto e na representação e raciocínio de conhecimento. Seu trabalho conecta Machine learning e Deep learning para melhorar como máquinas processam e respondem a perguntas a partir de grandes corpora de texto. Um de seus artigos mais citados, Reading Wikipedia to Answer Open-Domain Questions, introduziu métodos para recuperar e raciocinar sobre passagens da Wikipédia para responder a consultas factuais. Este trabalho influenciou desenvolvimentos subsequentes na pesquisa de Large language model, particularmente em sistemas de resposta a perguntas de domínio aberto.
Sua tese, Neural Reading Comprehension and Beyond, examinou como modelos de Neural network podem ser treinados para extrair respostas de documentos, abordando desafios tanto em texto comum quanto em formatos estruturados. Esta pesquisa contribuiu para o campo mais amplo de Natural language processing ao avançar técnicas para aprendizado de Sequence-to-Sequence (Seq2Seq) e mecanismos de atenção.
Carreira Acadêmica
Após concluir seu doutorado, Chen trabalhou como cientista visitante no Facebook AI Research (FAIR), onde colaborou em projetos relacionados a arquiteturas de Transformer (architecture) e Generative AI. Em 2019, ingressou na Universidade de Princeton como professora assistente, tornando-se parte do grupo de PLN de Princeton ao lado de pesquisadores como Sanjeev Arora, Christiane Fellbaum e Karthik Narasimhan. Em Princeton, ela continuou a investigar como sistemas de IA podem raciocinar sobre conhecimento, com aplicações para segurança e interpretabilidade de Artificial intelligence.
Chen também é conhecida por sua orientação e contribuições à comunidade acadêmica. Ela coautora de numerosos artigos de periódicos e conferências, e seu trabalho tem sido amplamente citado nos campos de Machine learning e Deep learning. Seu grupo de pesquisa em Princeton foca no desenvolvimento de modelos que possam compreender e raciocinar sobre informações textuais complexas.
Legado em Programação Competitiva
Além de suas conquistas acadêmicas, Chen é conhecida entre amigos como CDQ, um acrônimo derivado de seu nome. Um algoritmo bem conhecido em programação competitiva, CDQ Divide and Conquer, é nomeado em homenagem a esse acrônimo. Este algoritmo é usado para resolver problemas de programação dinâmica com consultas offline e tornou-se uma técnica padrão nos círculos de programação competitiva. Sua medalha de ouro na Olimpíada Internacional de Informática de 2008 permanece um destaque de sua carreira inicial, e ela continua a ser uma inspiração para jovens programadores na China e em todo o mundo.
Vida Pessoal
Chen é casada com Huacheng Yu, professor assistente em ciência da computação teórica na Universidade de Princeton. O casal reside em Princeton, Nova Jersey, onde ambos seguem carreiras acadêmicas. O trabalho de Chen tem sido reconhecido por meio de vários prêmios e honrarias, embora detalhes específicos dessas distinções não sejam amplamente divulgados. Até as informações mais recentes disponíveis, ela permanece ativa em pesquisa e ensino em Princeton.
Referências
- Chen, D., & Manning, C. (2014). A Fast and Accurate Dependency Parser using Neural Networks. Proceedings of EMNLP.
- Chen, D., Fisch, A., Weston, J., & Bordes, A. (2017). Reading Wikipedia to Answer Open-Domain Questions. Proceedings of ACL.
- Chen, D. (2018). Neural Reading Comprehension and Beyond. Ph.D. Dissertation, Stanford University.