211service.com
Appliquer la théorie chez Microsoft
Avant d'être recrutée par Recherche Microsoft , Jennifer Chayes était professeur de mathématiques à l'UCLA. Bien que perplexe à l'époque quant à ce que le géant du logiciel pourrait vouloir avec son travail fortement théorique, Chayes a continué à faire des recherches qui ont des applications de grande envergure sur Internet, y compris la recherche, la publicité par mot-clé, les systèmes de recommandation et les réseaux sociaux. Après avoir cofondé le Microsoft Research Theory Group, Chayes est maintenant directeur général du laboratoire Microsoft Research New England, qui ouvrira ses portes à Cambridge, MA, en juillet. Examen de la technologie a récemment interrogé Chayes sur la transformation de son travail et sur la manière dont elle pourrait poursuivre ses recherches dans le nouveau laboratoire.
Mathématicien Microsoft : Jennifer Chayes, ci-dessus, est directrice générale du laboratoire Microsoft Research New England, qui ouvrira ses portes en juillet. Chayes, qui a commencé sa carrière dans le monde universitaire, a découvert que sa recherche mathématique abstraite avait des applications dans la recherche, la publicité par mot-clé, les systèmes de recommandation et les réseaux sociaux.
Examen de la technologie : Quand vous avez été embauché il y a 11 ans par le CTO d'alors Nathan Myhrvold , vous pensiez que votre travail n'avait aucun rapport avec les activités de Microsoft. Qu'est-ce qui a changé depuis ?
Jennifer Chayes : C'est marrant. Je parlais récemment à quelqu'un de mon groupe qui m'a dit : Notre travail s'est tellement rapproché des applications au cours de la dernière décennie. Je lui ai dit : Non, ce qui se passe, c'est que les applications se rapprochent beaucoup plus de nous. Lorsque Nathan a décidé de nous embaucher, moi et mon mari, Christian [Borgs], nous étions confrontés à des problèmes de mathématiques discrets avec beaucoup de variables et beaucoup d'interactions compliquées, et il a vu que cela pouvait devenir pertinent. Je ne pense pas que Nathan ait prévu toutes les applications d'un World Wide Web, des réseaux sociaux et tout ça, mais il a prévu qu'avoir des gens qui étudient ce genre de choses pourrait être utile.
ENFANTS : Votre doctorat était en physique mathématique, et même cette recherche a été utile à Microsoft. Comment les transitions de phase, telles que la transformation du solide au liquide, se sont-elles révélées importantes pour l'informatique ?
JC : Vers 1995, quelques personnes ont commencé à étudier les transitions de phase dans ces problèmes informatiques difficiles où il faut équilibrer une quantité donnée de ressources contre un ensemble de contraintes. Il s'avère que si vous avez un paramètre qui mesure le rapport des ressources aux contraintes, le système subit une transition qui est mathématiquement juste comme la transition de phase où un liquide gèle ou bout. C'est mathématiquement le même genre de chose où vous passez par ce point où vous êtes juste capable de satisfaire les contraintes, et ensuite vous n'êtes plus capable de les satisfaire. Il s'avère que l'étude de la transition de phase dans ces problèmes de satisfaction de contraintes ou d'allocation de ressources a conduit à certains des algorithmes les plus rapides connus pour déterminer la structure optimale des réseaux. Qui aurait pensé? Récemment, j'étais à une revue de Bill Gates où Bill a entendu parler des recherches en cours. Nous avons étudié la multidiffusion et essayé de trouver le moyen le plus efficace de diffuser quelque chose sur le Web à un certain nombre de personnes. Quelqu'un a mentionné un travail que mon groupe a fait récemment pour proposer un algorithme de multidiffusion très rapide, basé sur ce travail de transition de phase. Il y a dix ans, j'en avais parlé à Bill et j'avais dit que c'était génial qu'il embauche des gens dont le travail ne paierait pas avant 100 ans. Et le voici 10 ans plus tard, et le travail porte vraiment ses fruits dans ces algorithmes ultrarapides.
ENFANTS : Comment avez-vous été amené à résoudre certains des problèmes sur lesquels vous avez travaillé récemment ? Quelle a été la source de certaines de vos questions ?
JC : Pour moi personnellement, avoir été dans une entreprise au cours de la dernière décennie plutôt que d'être resté dans le milieu universitaire m'a permis d'entendre parler de certains problèmes beaucoup plus rapidement que je ne l'aurais fait autrement. J'ai pu prendre certaines de ces choses passionnantes qui se produisaient dans le monde réel et être l'une des premières personnes à les modéliser, parce que j'en entendais parler. Ensuite, je pourrais proposer ces problèmes à la communauté mathématique et faire travailler d'autres personnes dessus. Par exemple, j'ai entendu parler du spam de liens très tôt dans le jeu et de son impact sur la qualité des résultats des moteurs de recherche. Aussi, j'entends tout le monde parler des réseaux sociaux à un niveau différent que si j'étais à l'université. Je suis convaincu que les gens qui étudient les systèmes graphiques et les réseaux dans les universités vont tous se pencher sur les systèmes de recommandation d'ici trois ou quatre ans. Mais j'ai pu les regarder un peu plus tôt, parce que les gens autour de moi me demandaient : Comment monétiserions-nous un réseau social ?
ENFANTS : Vous avez étudié ce problème avec votre travail sur les systèmes de recommandation. Mais récemment, Facebook, par exemple, a eu du mal avec certains de ses efforts de monétisation. Son système de publicité Beacon souffrait de cette tension entre le partage d'informations via un réseau et la protection de la vie privée des membres du réseau. Que peut-on faire à ce sujet ?
JC : C'est exactement le genre de questions que nous nous posons. Nous avons examiné comment concevoir des systèmes ayant diverses propriétés. Nous pourrions proposer un théorème disant que vous ne pouvez pas avoir un système de recommandation qui fournira toutes les informations que vous voulez et qui aura toute la confidentialité. Mais alors vous pourriez dire, d'accord, quelles propriétés suis-je prêt à abandonner, et quels types de systèmes de recommandation auront les types de propriétés que je veux ? Nous voulons travailler avec des sociologues, des psychologues et des économistes dans notre nouveau laboratoire en partie parce que je suis mathématicien et que je peux modéliser ce genre de choses. Je peux obtenir une formulation mathématique de diverses formes de protection de la vie privée, mais je ne serai peut-être pas en mesure de vous dire ce que la majorité des gens veulent ou ce que veulent les gens d'un certain groupe d'âge. Donc, si je travaille avec des sociologues et des psychologues, ils peuvent me suggérer différents types de propriétés et ordonner ces propriétés pour moi. Ensuite, je peux proposer un cadre mathématique et dire : voici un algorithme qui vous donnera une recommandation contenant le nombre maximum de propriétés dans cet ordre de classement. Avec toutes les données dont nous disposons et le genre de choses que nous voulons faire, je pense qu'il est vraiment temps que les mathématiciens et les informaticiens commencent à interagir avec les sociologues et les psychologues. Je ne suis pas un expert de ce que les gens veulent. Je peux juste modéliser ce que les gens veulent.
ENFANTS : Est-ce que ce genre de réflexion guidera votre approche dans le nouveau laboratoire ?
JC : J'espère que notre nouveau laboratoire à Cambridge sera l'environnement parfait pour examiner ce genre de questions. Nous allons essayer de réunir toutes les bonnes personnes.