211service.com
Anvendelse af teori hos Microsoft
Før hun blev rekrutteret af Microsoft Research , Jennifer Chayes var professor i matematik ved UCLA. Selvom den på det tidspunkt var mystificeret over, hvad softwaregiganten kunne ønske sig med sit stærkt teoretiske arbejde, er Chayes gået videre med forskning, der har vidtrækkende applikationer på internettet, herunder søgning, søgeordsannoncering, anbefalingssystemer og sociale netværk. Chayes, som tidligere har været medstifter af Microsoft Research Theory Group, er nu administrerende direktør for Microsoft Research New England lab, som åbner i Cambridge, MA i juli. Teknologigennemgang for nylig spurgte Chayes om den forvandling, hendes arbejde har gennemgået, og hvordan hun kan føre sin forskning videre i det nye laboratorium.
Microsoft matematiker: Jennifer Chayes, ovenfor, er administrerende direktør for Microsoft Research New England lab, som åbner i juli. Chayes, som begyndte sin karriere i den akademiske verden, har fundet ud af, at hendes abstrakte matematiske forskning har anvendelser til søgning, søgeordsannoncering, anbefalingssystemer og sociale netværk.
Teknologigennemgang : Da du blev ansat for 11 år siden af daværende CTO Nathan Myhrvold , du troede, at dit arbejde var irrelevant for Microsofts forretning. Hvad har ændret sig siden da?
Jennifer Chayes : Det er sjovt. Jeg talte for nylig med en i min gruppe, der sagde: Vores arbejde er rykket så meget tættere på ansøgninger i løbet af det sidste årti. Jeg sagde til ham, nej, det, der sker, er, at ansøgninger rykker så meget tættere på os. Da Nathan besluttede at ansætte mig og min mand, Christian [Borgs], havde vi at gøre med diskrete matematikproblemer med en masse variable og en masse komplicerede interaktioner, og han så potentialet for, at det blev relevant. Jeg tror ikke, at Nathan forudså alle anvendelserne af et World Wide Web, sociale netværk og alt det, men han forudså, at det kunne være nyttigt at have folk, der studerer den slags.
BØRN : Din ph.d. var i matematisk fysik, og selv den forskning har været nyttig for Microsoft. Hvordan viste faseovergange, såsom omdannelsen fra fast til flydende, sig at være vigtige for datalogi?
JC : Omkring 1995 var der et par mennesker, der begyndte at se på faseovergange i disse hårde computervidenskabelige problemer, hvor man skal balancere en given mængde ressourcer mod et sæt begrænsninger. Det viser sig, at hvis man har en parameter, der måler forholdet mellem ressourcer og begrænsninger, gennemgår systemet en overgang, som matematisk er ligesom faseovergangen, hvor en væske fryser eller koger. Det er matematisk den samme slags ting, hvor du passerer gennem dette punkt, hvor du bare er i stand til at opfylde begrænsningerne, og så er du ikke i stand til at opfylde dem længere. Det viser sig, at undersøgelse af faseovergangen i disse problemer med begrænsningstilfredshed eller ressourceallokering har ført til nogle af de allerhurtigste algoritmer, der er kendt for at finde ud af den optimale struktur af netværk. Hvem ville have troet? For nylig var jeg til en Bill Gates anmeldelse, hvor Bill hørte om, hvilken forskning der bliver lavet. Vi har kigget på multicasting og forsøgt at finde den mest effektive måde at udsende noget over nettet til et bestemt antal mennesker. Nogen nævnte noget arbejde, som min gruppe har udført for nylig for at komme med en meget hurtig multicast-algoritme, baseret på dette faseovergangsarbejde. For ti år siden havde jeg fortalt Bill om det og sagt, at det var fantastisk, at han ansatte folk, hvis arbejde ikke ville betale sig i 100 år. Og her er det 10 år senere, og arbejdet giver virkelig pote i disse superhurtige algoritmer.
BØRN : Hvordan er du blevet ført til nogle af de problemer, du har arbejdet med for nylig? Hvad har været kilden til nogle af dine spørgsmål?
JC : For mig personligt betød det, at jeg har været i en virksomhed det seneste årti i stedet for at være blevet i den akademiske verden, at jeg kom til at høre om nogle problemer meget hurtigere, end jeg ellers ville have gjort. Jeg blev nødt til at tage nogle af disse spændende ting, der skete i den virkelige verden, og være en af de første mennesker til at modellere det, fordi jeg hørte om det. Så kunne jeg tage de problemer med ud i matematikmiljøet og få andre til at arbejde med dem. For eksempel hørte jeg om linkspam meget tidligt i spillet, og hvordan det påvirker kvaliteten af søgemaskineresultater. Desuden hører jeg alle tale om sociale netværk på et andet niveau, end hvis jeg var på universitetet. Jeg er overbevist om, at folk, der studerer grafiske systemer og netværk på universiteter, alle kommer til at kigge på anbefalingssystemer om tre eller fire år. Men jeg kom til at se på dem lidt tidligere, fordi folk omkring mig spurgte, hvordan ville vi tjene penge på et socialt netværk?
BØRN : Du har studeret det problem med dit arbejde med anbefalingssystemer. Men for nylig har Facebook for eksempel kæmpet med nogle af sine bestræbelser på at tjene penge. Dets Beacon-reklamesystem led under denne spænding mellem at dele information gennem et netværk og beskytte privatlivets fred for medlemmer af netværket. Hvad kan man gøre ved dette?
JC : Det er præcis den slags spørgsmål, vi stiller. Vi har set på, hvordan man designer systemer, der har forskellige egenskaber. Vi kan komme med et teorem, der siger, at du ikke kan have et anbefalingssystem, der leverer alle de oplysninger, du ønsker, og som har alle privatlivets fred. Men så kan du sige, Okay, hvilke egenskaber er jeg villig til at opgive, og hvilke slags anbefalingssystemer vil have den slags egenskaber, som jeg ønsker? Vi vil gerne arbejde med sociologer, psykologer og økonomer i vores nye laboratorium, blandt andet fordi jeg er matematiker og kan modellere den slags ting. Jeg kan få en matematisk formulering af forskellige former for privatliv, men jeg kan måske ikke fortælle dig, hvad flertallet af mennesker ønsker, eller hvad folk i en bestemt aldersgruppe ønsker. Så hvis jeg arbejder med sociologer og psykologer, kan de foreslå mig forskellige slags ejendomme og bestille disse ejendomme for mig. Så kan jeg komme med en matematisk ramme og sige: Her er en algoritme, der vil give dig en anbefaling, der har det maksimale antal egenskaber i den rækkefølge. Med alle de data, vi har, og den slags ting, vi gerne vil gøre, synes jeg, at det virkelig er på tide, at matematikere og dataloger begynder at interagere med sociologer og psykologer. Jeg er ikke ekspert i, hvad folk vil have. Jeg kan bare modellere, hvad folk vil have.
BØRN : Vil denne form for tænkning styre din tilgang i det nye laboratorium?
JC : Jeg håber, at vores nye laboratorium i Cambridge vil være det perfekte miljø til at se på den slags spørgsmål. Vi vil prøve at samle alle de rigtige mennesker.