¿A quién o qué investigación de laboratorio en aprendizaje automático le parece más interesante?

Esta pregunta es como preguntarme cuál es mi comida favorita. ¡Hay tanta diversidad de personas interesantes en el aprendizaje automático!

A veces imagino una aldea de aprendizaje automático, una especie de aldea de investigación donde todas las personas que trabajan en el campo viven juntas en una aldea rural inglesa, y nos reunimos en la ‘iglesia’ los domingos para escuchar el sermón. En mi opinión, somos guiados por un inspirador vicario local que es de mente amplia y acogedor. Los domingos permite sermones de invitados, por lo que podemos escuchar a una gran variedad de personas diferentes.

Hay muchas calles diferentes en el pueblo y diferentes áreas de interés intelectual. Todos en la comunidad viven allí (y según el último recuento de NIPS, ¡esa era mucha gente!).

Lo interesante es que la * comunidad * es mucho más importante que cualquier individuo. Por lo tanto, es vital que conservemos el carácter de la aldea, que es de mente abierta y acogedora, a medida que ocurren nuevos desarrollos. También es importante que fomentemos el comercio regular con nuestros pueblos vecinos, áreas como la biología computacional, la visión por computadora, el habla y el lenguaje. Somos una ciudad de mercado para estas áreas relacionadas.

Quizás el aspecto más emocionante es cómo la aldea está evolucionando y creciendo todo el tiempo. Afortunadamente, nuestra iglesia es una iglesia amplia y acepta muchas denominaciones (incluso si el vicario ocasionalmente hace pequeñas bromas sobre algunos de los feligreses). Un gran tema de debate es cuando el vicario actual se retire, ¿encontraremos un reemplazo que sea respetado, de mente amplia y lo suficientemente visionario como para tomar su lugar? Alguien que puede manejar todo esto en un período de rápido crecimiento en nuestra población. ¿O nos degradaremos en el partidismo que ha sido la ruina de tantas aldeas pequeñas?

Por supuesto, sigo el trabajo de los grandes laboratorios como Facebook y Google. Pero parte de mi corazón está del lado del descubrimiento causal. Creo que los próximos grandes avances serán en la comprensión de cómo podemos tomar decisiones informadas utilizando modelos causales. Es muy diferente hacer predicciones con las hipótesis clásicas de IID (datos distribuidos de forma independiente e idéntica) y en los casos en que necesita predecir las consecuencias de acciones futuras bajo intervenciones en un sistema. ¿Qué sucede si administramos un medicamento determinado, cambiamos la ley de impuestos, vacunamos contra una enfermedad en particular, etc.? necesita comprender las causas (necesita saber si se trata de una infección bacteriana para administrar o no el antibiótico correcto). Así que estoy mirando al lado del laboratorio de Pearl (UCLA), Glymour, Spirtes, Scheines y otros (CMU), Schoelkopf y su equipo (Max Planck, Alemania), Tsamardinos (Grecia) y otros.

Realmente hay muchos para mencionar, pero ciertamente las personas que trabajan en las siguientes áreas:

• Métodos variacionales (por ejemplo, Shakir Mohamed, Max Welling, Michalis Titsias)
• Procesamiento del lenguaje natural (por ejemplo, el Grupo de procesamiento del lenguaje natural de Stanford)
• Redes recurrentes (por ejemplo, Alex Graves)

A menudo producen resultados que me interesan.