图灵汇官网

迈克尔·乔丹教授是机器学习领域的先驱，他在机器学习、概率学、统计学及图模型之间建立了紧密联系，为机器学习奠定了坚实的数学与计算基础。他是最早将机器学习应用于文本分析和图像分析的学者之一。过去十年，机器学习在自动驾驶汽车、X光片分析、蛋白质折叠预测等多个领域取得了显著进展，这些成就很大程度上归功于乔丹的研究成果。

9月29日，2022年首届世界顶尖科学家协会奖（简称“顶科协奖”）在上海揭晓。该奖项的“智能科学或数学奖”授予了美国计算机科学与统计学家迈克尔·I·乔丹（Michael I. Jordan），以表彰他对机器学习理论基础及其应用的根本性贡献。每位获奖者获得1000万元人民币的奖金。

迈克尔·I·乔丹是美国加州大学伯克利分校电子工程与计算机科学系、统计学系的杰出冠名教授。他出生于1956年，是美国国家科学院、国家工程院和美国艺术与科学院的院士。他的研究领域包括人工智能、生物系统与计算生物学、控制、智能系统和机器人、信号处理以及机器学习等。

顶科协奖“智能科学或数学奖”遴选委员会主席、2017年图灵奖得主约翰·轩尼诗（John Hennessy）教授表示：“乔丹教授在机器学习领域建立了数学与计算基础。这些学科之间的联系不仅促进了机器学习领域的研究与发展，还提高了相关研究的质量和数量。”

机器学习是人工智能的核心技术之一，乔丹在该领域工作了近30年，是最早将机器学习应用于文本分析和图像分析的学者之一。过去十年，机器学习在多个领域的应用飞速发展，包括自动驾驶汽车、X光片分析和蛋白质折叠预测等，这些都离不开基于乔丹研究所建立的理论框架。

清华大学长聘副教授龙明盛指出：“迈克尔·I·乔丹强调了机器学习与统计学之间的深刻联系，并长期致力于推动这两个学科的深度融合。”2014年，龙明盛在清华大学王建民教授的指导下获得博士学位后，即赴加州大学伯克利分校跟随乔丹教授从事博士后研究工作。

河海大学教授韩光洁表示：“乔丹教授不仅是人工智能与机器学习领域的开拓者，更是这一领域的引路人。他不仅在专业领域内贡献卓著，还培养了许多领域的权威专家。他更注重数据驱动的方法对民生的改善，而非产业带来的资本收益。”

乔丹教授从心理学转战到统计学和认知科学。1978年，他获得路易斯安那州立大学的心理学学士学位后，决定成为数学心理学家，并在亚利桑那州立大学攻读数学和统计学硕士学位。随后，他进入认知科学领域，师从心理学和认知科学教授大卫·鲁梅尔哈特（David E.Rumelhart），攻读博士学位。

在博士期间，乔丹的研究重点是人体运动模型，探究人类移动肢体的潜在神经控制系统。他利用控制理论和统计建模思想，研究如何从模型中提取实现预期目标所需的控制信号。此后，他逐渐转向其他主题，并将统计和优化理论结合起来，形成了自己研究的特点。

乔丹认为，推理和学习是相辅相成的。他强调，学习算法不仅能简化复杂的推理过程，还能减少不确定性。因此，他逐渐将研究重心转向学习算法，包括人类和机器的学习。

乔丹在麻省理工学院工作了十年，从助理教授晋升为终身教授。1998年，他加入加州大学伯克利分校，担任电子工程与计算机科学系、统计学系教授，并领导了多个实验室和研究中心。他还积极参与教育工作，指导了80多名博士生和60多名博士后研究人员。

苏炜杰教授对乔丹教授印象深刻的是他对新领域的巨大热情。他始终保持学习新知识的习惯，特别是经济学方面的知识。乔丹认为，机器学习的发展离不开来自应用数学、统计学、神经科学和经济学等学科的思想和方法。

乔丹的贡献在于成功连接了计算机科学和统计学这两个学科，包括统计推理和学习的变分方法、基于图模型和贝叶斯非参数化的推理方法，以及统计风险和计算复杂性之间的权衡。他还涉足优化和机器学习的交叉领域，开发了基于梯度的优化和抽样模型，并为强化学习理论和基于学习的模型预测控制做出了贡献。

乔丹对计算机科学的贡献不仅体现在研究上，还体现在教育上。他指导的学生和研究人员遍布全球领先的学术机构，推动了行业的进步。龙明盛教授提到，乔丹的研讨会别具一格，讨论的主题往往具有长远价值。他还亲自参与科研的关键环节，确保研究工作的质量。

顶科协奖“智能科学或数学奖”旨在挖掘尚未获得图灵奖或阿贝尔奖等最高奖项的候选人。该奖项设立的初衷是宣传对未来发展至关重要的科技领域，促进相关技术的发展，吸引更多年轻人投身该领域。

迈克尔·I·乔丹教授在教育背景和职业经历上都有丰富的经验和成就。他不仅获得了多项荣誉，还在多个学术机构担任重要职务。他的贡献和影响深远，不仅在学术界，也在整个科技界产生了重要影响。