211service.com
Theorie toepassen bij Microsoft
Voordat ze werd aangeworven door Microsoft Onderzoek , Jennifer Chayes was een professor in de wiskunde aan de UCLA. Hoewel ze op dat moment niet wist wat de softwaregigant zou willen met haar zwaar theoretische werk, is Chayes onderzoek gaan doen met verreikende toepassingen op internet, waaronder zoeken, adverteren op trefwoorden, aanbevelingssystemen en sociale netwerken. Chayes was eerder medeoprichter van de Microsoft Research Theory Group en is nu directeur van het Microsoft Research New England-lab, dat in juli in Cambridge, MA, wordt geopend. Technologie beoordeling vroeg Chayes onlangs naar de transformatie die haar werk heeft ondergaan en hoe ze haar onderzoek in het nieuwe laboratorium zou kunnen voortzetten.
Microsoft wiskundige: Jennifer Chayes, hierboven, is directeur van het Microsoft Research New England-lab, dat in juli wordt geopend. Chayes, die haar carrière in de academische wereld begon, heeft ontdekt dat haar abstracte wiskundige onderzoek toepassingen heeft voor zoeken, trefwoordadvertenties, aanbevelingssystemen en sociale netwerken.
Technologie beoordeling : Toen je toen 11 jaar geleden werd aangenomen - CTO Nathan Myhrvold , dacht u dat uw werk niet relevant was voor de zaken van Microsoft. Wat is er sindsdien veranderd?
Jennifer Chayes : Het is grappig. Ik sprak onlangs met iemand in mijn groep die zei: Ons werk is de afgelopen tien jaar zo veel dichter bij toepassingen gekomen. Ik zei tegen hem: Nee, wat er gebeurt, is dat applicaties zo veel dichter bij ons komen. Toen Nathan besloot mij en mijn man, Christian [Borgs], in dienst te nemen, hadden we te maken met discrete wiskundeproblemen met veel variabelen en veel gecompliceerde interacties, en hij zag de mogelijkheid dat dat relevant zou worden. Ik denk niet dat Nathan alle toepassingen van een World Wide Web, sociale netwerken en dat alles voorzag, maar hij voorzag dat het nuttig zou kunnen zijn om mensen te hebben die dit soort dingen bestuderen.
KINDEREN : Je doctoraat was in de wiskundige natuurkunde, en zelfs dat onderzoek is nuttig geweest voor Microsoft. Hoe bleken faseovergangen, zoals de transformatie van vast naar vloeibaar, belangrijk te zijn voor de informatica?
JC : Rond 1995 waren er een paar mensen die begonnen te kijken naar faseovergangen in deze harde computerwetenschappelijke problemen waarbij je een bepaalde hoeveelheid middelen moet afwegen tegen een reeks beperkingen. Het blijkt dat als je een parameter hebt die de verhouding tussen hulpbronnen en beperkingen meet, het systeem een overgang ondergaat die wiskundig gezien net zo is als de faseovergang waarbij een vloeistof bevriest of kookt. Het is wiskundig gezien hetzelfde als waar je door dit punt gaat waarop je net aan de beperkingen kunt voldoen, en dan kun je ze niet meer vervullen. Het blijkt dat het bestuderen van de faseovergang in deze constraint-satisfaction of resource-allocation problemen heeft geleid tot enkele van de allersnelste algoritmen die bekend staan voor het uitzoeken van de optimale structuur van netwerken. Wie had dat ooit gedacht? Onlangs was ik bij een recensie van Bill Gates waar Bill hoorde welk onderzoek er wordt gedaan. We hebben gekeken naar multicasting en hebben geprobeerd de meest efficiënte manier te vinden om iets via internet naar een bepaald aantal mensen uit te zenden. Iemand noemde wat werk dat mijn groep onlangs heeft gedaan om met een zeer snel multicast-algoritme te komen, gebaseerd op dit faseovergangswerk. Tien jaar geleden had ik Bill erover verteld en gezegd dat het geweldig was dat hij mensen aannam wiens werk 100 jaar lang niet zou renderen. En hier is het 10 jaar later, en het werk werpt echt zijn vruchten af in deze supersnelle algoritmen.
KINDEREN : Hoe bent u tot enkele van de problemen geleid waaraan u onlangs heeft gewerkt? Wat is de bron van sommige van uw vragen?
JC : Voor mij persoonlijk betekende het feit dat ik het afgelopen decennium bij een bedrijf was in plaats van in de academische wereld te zijn gebleven, dat ik veel sneller over sommige problemen te horen kreeg dan ik anders zou hebben gedaan. Ik moest een aantal van deze opwindende dingen die in de echte wereld plaatsvonden, nemen en een van de eersten zijn die het modelleerden, omdat ik erover hoorde. Dan zou ik die problemen naar de wiskundegemeenschap kunnen brengen en andere mensen eraan kunnen laten werken. Ik hoorde bijvoorbeeld al heel vroeg in het spel over linkspam en hoe dit de kwaliteit van de resultaten van zoekmachines beïnvloedt. Ook hoor ik iedereen praten over sociale netwerken op een ander niveau dan wanneer ik op de universiteit zou zitten. Ik ben ervan overtuigd dat mensen die grafische systemen en netwerken aan universiteiten bestuderen, over drie of vier jaar allemaal naar aanbevelingssystemen gaan kijken. Maar ik moest ze wat eerder bekijken, omdat mensen om me heen vroegen: hoe zouden we geld kunnen verdienen met een sociaal netwerk?
KINDEREN : Je hebt dat probleem bestudeerd met je werk aan aanbevelingssystemen. Maar onlangs worstelde Facebook bijvoorbeeld met een aantal van zijn pogingen om inkomsten te genereren. Het Beacon-advertentiesysteem leed onder deze spanning tussen het delen van informatie via een netwerk en het beschermen van de privacy van leden van het netwerk. Wat kan hieraan gedaan worden?
JC : Dat zijn precies het soort vragen dat we stellen. We hebben gekeken naar het ontwerpen van systemen met verschillende eigenschappen. We kunnen een stelling bedenken die zegt dat je geen aanbevelingssysteem kunt hebben dat alle gewenste informatie levert en alle privacy heeft. Maar dan zou je kunnen zeggen: Oké, welke eigenschappen ben ik bereid op te geven, en welke soorten aanbevelingssystemen zullen de eigenschappen hebben die ik wil? We willen in ons nieuwe lab samenwerken met sociologen, psychologen en economen, mede omdat ik wiskundige ben en dit soort dingen kan modelleren. Ik kan een wiskundige formulering krijgen van verschillende vormen van privacy, maar ik kan je misschien niet vertellen wat de meerderheid van de mensen wil, of wat mensen in een bepaalde leeftijdsgroep willen. Dus als ik met sociologen en psychologen werk, kunnen ze me verschillende soorten eigenschappen voorstellen en die eigenschappen voor me bestellen. Dan kan ik een wiskundig raamwerk bedenken en zeggen: Hier is een algoritme dat je een aanbeveling geeft met het maximale aantal eigenschappen in die volgorde. Met alle gegevens die we hebben en het soort dingen dat we willen doen, denk ik dat het echt tijd is voor wiskundigen en computerwetenschappers om met sociologen en psychologen om te gaan. Ik ben geen expert in wat mensen willen. Ik kan gewoon modelleren wat mensen willen.
KINDEREN : Zal dit soort denken je aanpak in het nieuwe lab leiden?
JC : Ik hoop dat ons nieuwe lab in Cambridge de perfecte omgeving zal zijn om naar dit soort vragen te kijken. We gaan proberen de juiste mensen bij elkaar te brengen.