迈克尔·欧文·乔丹（生于1956年2月25日）是美国科学家，加州大学伯克利分校教授，担任陈佩宏杰出教授席位。他还是法国国家信息与自动化研究所（Inria）巴黎研究中心的科学家。乔丹被公认为机器学习领域的领军人物之一，其贡献涵盖统计学、计算机科学和人工智能。2016年，《科学》杂志根据Semantic Scholar项目对已发表文献的分析，将他评为全球最具影响力的计算机科学家。他于2010年当选美国国家工程院院士，以表彰其在机器学习基础与应用方面的贡献；2022年，他因对机器学习基础及其应用的奠基性贡献而获得首届世界顶尖科学家协会计算机科学或数学奖。
乔丹的工作塑造了现代机器学习的理论与实践基础，尤其是他倡导贝叶斯方法并致力于将机器学习与传统统计学统一起来。他的研究影响了神经网络建模、概率图模型和变分推断等领域，他的学生和合作者已成为该领域的领军人物。
教育背景
乔丹于1978年在路易斯安那州立大学获得心理学理学学士学位（优等成绩），1980年在亚利桑那州立大学获得数学理学硕士学位，1985年在加州大学圣迭戈分校获得认知科学哲学博士学位。在加州大学圣迭戈分校期间，他是大卫·鲁梅尔哈特的学生，并在1980年代成为并行分布式处理（PDP）研究小组的成员，该研究社区在联结主义模型和神经网络理论的发展中发挥了核心作用。
职业生涯与研究
乔丹于1988年至1998年在麻省理工学院脑与认知科学系担任教授，开始了他的学术生涯。在1980年代，他开发了作为认知模型的循环神经网络，为序列处理和运动控制的早期工作做出了贡献。在转到加州大学伯克利分校后，他的研究从认知建模转向统计学和机器学习的基础。
乔丹被广泛认为在机器学习社区推广了贝叶斯网络，并阐明了机器学习与统计学之间的深层联系。他还在形式化变分方法用于近似推断以及推广期望最大化算法作为机器学习核心工具方面发挥了突出作用。他的工作影响了理论理解和实际应用，包括生成式人工智能和深度学习。
乔丹在伯克利的研究小组产出了大量有影响力的论文，并培养了许多知名研究者。他曾指导多位该领域的领军人物，包括阿尼玛·阿南德库马尔等，他们在学术界和工业界推动了深度学习和人工智能的发展。
从《机器学习》期刊辞职
2001年，乔丹和几位同事从《机器学习》期刊的编辑委员会辞职。在一封公开信中，他们主张对研究提供更宽松的访问权限，并支持创办新的开放获取期刊《机器学习研究杂志》（JMLR），该期刊由莱斯利·凯尔布林创建，以支持该领域的发展。这一行动是计算机科学领域开放获取运动中的里程碑事件，并帮助JMLR成为机器学习研究的主要发表平台。
荣誉与奖项
乔丹在其职业生涯中获得了众多奖项。他在国际机器学习会议（ICML 2004）上获得最佳学生论文奖（与X. Nguyen和M. Wainwright合作），并在美国控制会议（ACC 1991）上获得最佳论文奖（与R. Jacobs合作）。他还获得了ACM-AAAI艾伦·纽厄尔奖、IEEE神经网络先驱奖和美国国家科学基金会总统青年研究者奖。
他当选为多个主要专业学会的会士：AAAI（2002年）、IMS（2004年）、IEEE（2005年）、ASA（2007年）、ACM（2010年）、SIAM（2012年）和国际贝叶斯分析学会（2014年）。他是美国国家科学院、美国国家工程院和美国艺术与科学院的成员。他被数理统计学会任命为内曼讲师和奖章讲师。他于2015年获得大卫·E·鲁梅尔哈特奖，并于2009年获得ACM/AAAI艾伦·纽厄尔奖。2020年，他获得IEEE约翰·冯·诺依曼奖章。
2016年，乔丹被Semantic Scholar项目根据已发表文献的分析认定为“最具影响力的计算机科学家”。2022年，他因对机器学习基础及其应用的奠基性贡献而获得世界顶尖科学家协会颁发的首届世界顶尖科学家协会奖，该协会是一个非政府、非营利的国际组织。2024年，他获得BBVA基金会知识前沿奖的“信息与通信技术”类别奖项。
影响与遗产
乔丹的影响力超越了他自己的研究。他是将机器学习确立为一门严谨学科的关键人物，架起了计算机科学与统计学之间的桥梁。他对贝叶斯方法和概率建模的倡导塑造了许多大学的课程设置以及主要实验室的研究议程，包括伯克利人工智能研究和斯坦福人工智能实验室。他的学生和博士后已在顶级机构和公司领导研究团队，包括OpenAI、谷歌DeepMind和Anthropic。
乔丹还经常就人工智能的现状发表评论。2019年，他认为人工智能革命尚未发生，并指出人工智能革命需要将计算机科学与统计学相结合。这一观点影响了关于人工智能未来的辩论，特别是关于当前深度学习方法的局限性以及对更稳健统计基础的需求。
部分出版物
乔丹撰写或合著了数百篇论文和几本有影响力的书籍。他早期关于循环神经网络和运动控制的工作被广泛引用。他后来在图模型、变分推断和机器学习理论方面的贡献已成为标准参考。值得注意的出版物包括他关于期望最大化算法、变分方法以及学习算法收敛性和泛化性质分析的工作。
个人生活
乔丹于1956年2月25日出生于美国。他的职业生涯大部分时间在学术界度过，曾在麻省理工学院和加州大学伯克利分校任职。他以合作风格和对年轻研究者的指导而闻名。他继续活跃于研究和教学，其工作在快速发展的机器学习领域仍然具有影响力。
参考文献
本文包含来自公共来源的信息，包括维基百科上关于迈克尔·I·乔丹的文章，该文章在知识共享署名-相同方式共享许可下可用。