Michael Irwin Jordan (nascido em 25 de fevereiro de 1956) é um cientista americano e professor da Universidade da Califórnia, Berkeley, onde ocupa a Cátedra Distinta Pehong Chen com nomeações no Departamento de Engenharia Elétrica e Ciências da Computação e no Departamento de Estatística. Ele também é cientista pesquisador na Inria Paris. Jordan é amplamente reconhecido como uma das figuras líderes em aprendizado de máquina, com uma carreira que abrange ciência cognitiva, estatística e inteligência artificial. Em 2016, um relatório da Science baseado no projeto Semantic Scholar o identificou como o cientista da computação mais influente do mundo. Seu trabalho moldou abordagens modernas para modelos gráficos probabilísticos, inferência variacional e as fundações teóricas dos algoritmos de aprendizado.
A pesquisa de Jordan faz a ponte entre a estatística tradicional e o aprendizado computacional, enfatizando que uma IA robusta exige um alicerce estatístico fundamentado. Ele orientou numerosos pesquisadores proeminentes e foi eleito para a Academia Nacional de Engenharia, a Academia Nacional de Ciências e a Academia Americana de Artes e Ciências. Suas contribuições lhe renderam prêmios incluindo o inaugural Prêmio da Associação Mundial de Laureados em Ciência da Computação ou Matemática em 2022 e o Prêmio Fronteiras do Conhecimento da Fundação BBVA em 2024## Educação
Jordan recebeu um Bacharelado em Ciências magna cum laude em psicologia pela Universidade Estadual da Luisiana em 1978. Ele então obteve um Mestrado em Ciências em matemática pela Universidade Estadual do Arizona em 1980. Seu trabalho de doutorado ocorreu na Universidade da Califórnia, San Diego, onde completou um PhD em ciência cognitiva em 1985. Na UC San Diego, Jordan estudou sob David Rumelhart e foi um membro ativo do Grupo de Processamento Distribuído Paralelo ( PDP) durante os anos 1980, um período que estabeleceu as bases para modelos conexionistas de cognição## Carreira e pesquisa
Jordan começou sua carreira acadêmica como professor no Departamento de Ciências do Cérebro e Cognitivas no Instituto de Tecnologia de Massachusetts( MIT), servindo de 1988 a 1998. Durante esse tempo, ele desenvolveu redes neurais recorrentes como modelos de controle motor humano e processamento cognitivo, contribuindo para as fundações teóricas iniciais de redes neurais. Em 1998, ele se mudou para a Universidade da Califórnia, Berkeley, onde desde então ocupou uma nomeação conjunta em estatística e engenharia elétrica
Ao longo dos anos, a pesquisa de Jordan mudou de uma perspectiva primariamente cognitiva para um envolvimento mais profundo com a teoria estatística. Ele foi instrumental na popularização de redes bayesianas dentro da comunidade de aprendizado de máquina, enfatizando os vínculos naturais entre aprendizado de máquina e estatística clássica. Seu trabalho sobre métodos variacionais para inferência aproximada e o algoritmo de expectativa–maximização( EM) tornou-se padrão no campo, influenciando tanto pesquisa teórica quanto aplicações práticas
As contribuições de Jordan se estendem a otimização, modelos gráficos e a análise de sistemas de aprendizado em larga escala. Ele também tem sido um defensor vocal do acesso aberto na publicação acadêmica, co-fundando o Journal of Machine Learning Research após renunciar do conselho editorial do periódico Machine Learning em 2001## Renúncia do Machine Learning
Em 2001, Jordan e vários colegas renunciaram do conselho editorial do periódico Machine Learning em protesto contra políticas de acesso restritivas. Em uma carta pública, eles argumentaram que a evolução rápida do campo exigia uma disseminação mais aberta da pesquisa. Sua ação levou à criação do Journal of Machine Learning Research( JMLR, que foi estabelecido por Leslie Kaelbling para fornecer um veículo gratuito e de acesso aberto para pesquisa de alta qualidade em aprendizado de máquina. Esse movimento é amplamente visto como um momento pivotal no movimento em direção à ciência aberta na inteligência artificial## Honras e prêmios
Jordan recebeu inúmeras honras ao longo de sua carreira. Reconhecimentos iniciais incluem o Prêmio Presidencial Jovem Investigador da NSF e um prêmio de melhor artigo na Conferência Americana de Controle em 1991. Ele foi nomeado Fellow de várias sociedades profissionais importantes: AAAI( 2002, IMS( 2004, IEEE( 2005, ASA( 2007, ACM( 2010, SIAM( 2012,e a Sociedade Internacional de Análise Bayesiana( 2014. Essas fellowships refletem seu impacto amplo através da estatística, ciência da computação e engenharia
Em 2009, Jordan recebeu o Prêmio ACM-AAAI Allen Newell,e em 2015 ele foi homenageado com o Prêmio David E. Rumelhart. Ele foi agraciado com a Medalha IEEE John von Neumann em 2020. Em 2016, ele foi identificado como o cientista da computação mais influente com base em uma análise de literatura pelo projeto Semantic Scholar. Em 2022, ele venceu o inaugural Prêmio da Associação Mundial de Laureados em Ciência da Computação ou Matemática, citado por contribuições fundamentais para as fundações do aprendizado de máquina e sua aplicação. Para 2024, ele recebeu o Prêmio Fronteiras do Conhecimento da Fundação BBVA em Tecnologias da Informação e Comunicação
Jordan também é membro da Academia Nacional de Engenharia( eleito 2010,da Academia Nacional de Ciências e da Academia Americana de Artes e Ciências. Ele proferiu palestras nomeadas, incluindo a Palestra Neyman e a Palestra Medalhão do Instituto de Estatística Matemática## Influência e legado
A influência de Jordan se estende além de sua própria pesquisa. Ele supervisionou um grande número de estudantes de doutorado e pesquisadores de pós-doutorado que se tornaram líderes na academia e na indústria, incluindo figuras como Daphne Koller e Anima Anandkumar. Suas contribuições pedagógicas, como o livro-texto amplamente usado sobre modelos gráficos probabilísticos, treinaram gerações de pesquisadores. Em 2019, Jordan argumentou que a revolução da inteligência artificial ainda não havia chegado completamente, enfatizando que uma IA verdadeira exige uma integração mais profunda da ciência da computação com a estatística. Essa perspectiva moldou debates em andamento sobre a direção do campo## Publicações selecionadas
Jordan é autor ou coautor de centenas de artigos e vários livros influentes. Obras notáveis incluem seus artigos iniciais sobre redes neurais recorrentes, seus artigos fundacionais sobre inferência variacional e sua pesquisa colaborativa sobre modelos gráficos e otimização. Seu artigo ICML de 2004 com X. Nguyen e M. Wainwright recebeu um prêmio de melhor artigo estudantil,e seu artigo de 1991 com R. Jacobs ganhou um prêmio de melhor artigo na ACC. Essas publicações refletem sua produção sustentada e seu papel no avanço tanto da teoria quanto da metodologia## Referências
Este artigo se baseia em informações publicamente disponíveis sobre a carreira de Michael I. Jordan, incluindo sua biografia oficial na UC Berkeley e registros de honras profissionais. Fontes-chave incluem o relatório da Science de 2016, anúncios da Associação Mundial de Laureados e citações de fellowships de sociedades profissionais.