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，担任佩洪·陈杰出教授席位，并在电子工程与计算机科学系及统计学系任职。他还是法国国家信息与自动化研究所（Inria）巴黎研究中心的科研人员。乔丹被广泛认为是机器学习领域的领军人物之一，其职业生涯横跨认知科学、统计学和人工智能。2016年，基于Semantic Scholar项目的一份《科学》报告将他认定为全球最具影响力的计算机科学家。他的工作塑造了概率图模型、变分推断以及学习算法理论基础等现代方法。
乔丹的研究弥合了传统统计学与计算学习之间的鸿沟，强调稳健的人工智能需要基于严谨的统计学原理。他指导了众多知名研究者，并当选为美国国家工程院、美国国家科学院和美国艺术与科学院的院士。他的贡献为他赢得了诸多奖项，包括2022年首届世界科学家联合会计算机科学或数学奖，以及2024年BBVA基金会知识前沿奖。
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，成绩优异（magna cum laude）。随后，他于1980年在亚利桑那州立大学获得数学理学硕士学位。他的博士研究在加州大学圣迭戈分校进行，并于1985年获得认知科学博士学位。在加州大学圣迭戈分校期间，乔丹师从戴维·鲁梅尔哈特，并在20世纪80年代作为并行分布式处理（PDP）小组的活跃成员，这段时期为联结主义认知模型奠定了基础。
职业生涯与研究
乔丹的学术生涯始于麻省理工学院（MIT）大脑与认知科学系教授，任期从1988年至1998年。在此期间，他开发了递归神经网络作为人类运动控制和认知处理的模型，为神经网络的早期理论基础做出了贡献。1998年，他转入加州大学伯克利分校，此后一直担任统计学与电子工程系的联合教职。
多年来，乔丹的研究从主要认知视角转向对统计理论的更深入探讨。他在机器学习领域推广贝叶斯网络方面发挥了重要作用，强调机器学习与经典统计学之间的自然联系。他在变分近似推断方法和期望最大化（EM）算法方面的工作已成为该领域的标准，影响了理论研究和实际应用。
乔丹的贡献还扩展到优化、图模型以及大规模学习系统的分析。他也是学术出版开放获取的积极倡导者，在2001年辞去《机器学习》期刊编辑委员会职务后，共同创办了《机器学习研究杂志》。
辞去《机器学习》职务
2001年，乔丹与几位同事因抗议限制性访问政策而辞去《机器学习》期刊编辑委员会的职务。在一封公开信中，他们认为该领域的快速发展要求更开放的研究传播方式。他们的行动促成了《机器学习研究杂志》（JMLR）的创立，该杂志由莱斯利·凯尔布林建立，旨在为高质量的机器学习研究提供一个免费、开放获取的发表平台。此举被广泛视为人工智能领域开放科学运动的关键时刻。
荣誉与奖项
乔丹在其职业生涯中获得了众多荣誉。早期认可包括NSF总统青年研究员奖和1991年美国控制会议最佳论文奖。他曾被多个主要专业学会授予会士称号：AAAI（2002年）、IMS（2004年）、IEEE（2005年）、ASA（2007年）、ACM（2010年）、SIAM（2012年）以及国际贝叶斯分析学会（2014年）。这些会士身份反映了他在统计学、计算机科学和工程领域的广泛影响。
2009年，乔丹获得了ACM-AAAI艾伦·纽厄尔奖，2015年荣获戴维·E·鲁梅尔哈特奖。他于2020年被授予IEEE约翰·冯·诺依曼奖章。2016年，根据Semantic Scholar项目的文献分析，他被认定为最具影响力的计算机科学家。2022年，他获得了首届世界科学家联合会计算机科学或数学奖，以表彰他在机器学习基础及其应用方面的根本性贡献。2024年，他获得了BBVA基金会信息与通信技术知识前沿奖。
乔丹还是美国国家工程院（2010年当选）、美国国家科学院和美国艺术与科学院的院士。他曾发表多场冠名讲座，包括数理统计研究所的奈曼讲座和奖章讲座。
影响与遗产
乔丹的影响力超越了他自身的研究。他指导了大量博士生和博士后研究员，这些人已成为学术界和工业界的领导者，其中包括达芙妮·科勒和阿尼玛·阿南德库马尔等人物。他的教学贡献，例如广泛使用的概率图模型教科书，培养了几代研究者。2019年，乔丹指出人工智能革命尚未完全到来，强调真正的人工智能需要计算机科学与统计学的更深层次融合。这一观点塑造了关于该领域发展方向的持续辩论。
精选出版物
乔丹撰写或合著了数百篇论文和几本有影响力的著作。值得注意的作品包括他早期关于递归神经网络的论文、关于变分推断的基础性文章，以及他在图模型和优化方面的合作研究。他2004年与X. Nguyen和M. Wainwright合作的ICML论文获得了最佳学生论文奖，而他1991年与R. Jacobs合作的论文则获得了ACC最佳论文奖。这些出版物反映了他持续的高产以及他在推动理论和方法论进步方面的作用。
参考文献
本文基于关于迈克尔·I·乔丹职业生涯的公开信息，包括他在加州大学伯克利分校的官方传记以及专业荣誉记录。主要来源包括2016年的《科学》报告、世界科学家联合会的公告以及专业学会的会士引用。