Pedro Domingos (nascido em 1965) é Professor Emérito de ciência da computação e engenharia na Universidade de Washington. Ele é pesquisador em aprendizado de máquina, conhecido por seu trabalho em redes lógicas de Markov, que permitem inferência incerta ao combinar lógica de primeira ordem com probabilidade. Domingos também contribuiu para a análise de fluxos de dados, classificação sensível a custos e aprendizado adversário, e é autor do livro de divulgação científica The Master Algorithm (2015).
Educação
Domingos obteve um diploma de graduação e um mestrado no Instituto Superior Técnico (IST) em Portugal. Em seguida, mudou-se para a Universidade da Califórnia, Irvine, onde obteve um segundo mestrado seguido de um doutorado. Sua pesquisa de doutorado focou em aprendizado de máquina e mineração de dados, estabelecendo as bases para suas contribuições posteriores na área.
Pesquisa e carreira
Após concluir o doutorado, Domingos passou dois anos como professor assistente no IST antes de ingressar na Universidade de Washington como professor assistente de Ciência da Computação e Engenharia em 1999. Tornou-se professor titular em 2012 e, posteriormente, passou a Professor Emérito. Em 2018, iniciou um grupo de pesquisa em aprendizado de máquina no fundo de hedge D. E. Shaw & Co., mas deixou o cargo no ano seguinte para retornar às atividades acadêmicas.
Domingos cofundou a Sociedade Internacional de Aprendizado de Máquina, uma organização profissional dedicada ao avanço da área. Em 2018, integrava o conselho editorial do periódico Machine Learning. Sua pesquisa tem unido fundamentos teóricos e aplicações práticas, incluindo trabalhos em marketing viral e integração de informações.
Publicações
Domingos é mais conhecido por seu livro de 2015 The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World, publicado pela Basic Books (ISBN 978-0-465-06570-7). No livro, ele argumenta que todos os paradigmas de aprendizado de máquina podem ser unificados em um único algoritmo, com base em insights de redes neurais, computação evolucionária, inferência bayesiana e outras abordagens.
Ele também escreveu "Our Digital Doubles: AI will serve our species, not control it", publicado na Scientific American em setembro de 2018. Nesse ensaio, descreveu sistemas de inteligência artificial como "sábios autistas" que carecem de senso comum e podem levar instruções ao pé da letra, mas manteve que eles continuarão sendo ferramentas a serviço das necessidades humanas. Em 2024, publicou um romance satírico, 2040: A Silicon Valley Satire (BookBaby, ISBN 979-8-350-96334-2).
Prêmios e honrarias
Domingos recebeu o Prêmio ACM SIGKDD Innovation de 2014 por sua pesquisa fundamental em análise de fluxos de dados, classificação sensível a custos, aprendizado adversário e redes lógicas de Markov, além de aplicações em marketing viral e integração de informações. Em 2010, foi eleito Fellow da Associação para o Avanço da Inteligência Artificial (AAAI) por contribuições significativas ao aprendizado de máquina e à unificação da lógica de primeira ordem com probabilidade. Ele também recebeu uma Bolsa Sloan em 2003 e uma Bolsa Fulbright de 1992 a 1997.
Legado e influência
O trabalho de Domingos em redes lógicas de Markov influenciou pesquisas subsequentes em aprendizado relacional estatístico, um subcampo que combina aprendizado de máquina com raciocínio lógico. Sua defesa de um algoritmo de aprendizado unificado gerou debates entre pesquisadores sobre a direção futura da área. Como professor, ele orientou numerosos estudantes que seguiram carreiras na academia e na indústria, contribuindo para o crescimento mais amplo do aprendizado profundo e áreas relacionadas.
Seus escritos de divulgação ajudaram a comunicar ideias complexas em inteligência artificial a um público geral, enfatizando tanto o potencial quanto as limitações dos sistemas atuais. Embora suas previsões sobre o cronograma para um algoritmo mestre permaneçam especulativas, suas contribuições a métodos fundamentais continuam a ser citadas na literatura acadêmica.