Cynthia Diane Rudin (nacida en 1976) [1] es una científica informática y estadística estadounidense especializada en aprendizaje automático y conocida por su trabajo en aprendizaje automático interpretable . Es directora del Laboratorio de Aprendizaje Automático Interpretable de la Universidad de Duke , donde es profesora de informática, ingeniería eléctrica e informática, ciencia estadística y bioestadística y bioinformática. [2] En 2022, ganó el premio Squirrel AI Award for Artificial Intelligence for the Benefit of Humanity de la Association for the Advancement of Artificial Intelligence (AAAI) por su trabajo sobre la importancia de la transparencia para los sistemas de IA en dominios de alto riesgo. [3]
Rudin se graduó summa cum laude de la Universidad de Buffalo con una doble especialización en física matemática y teoría musical en 1999. [2] Completó su doctorado en matemáticas aplicadas y computacionales en la Universidad de Princeton en 2004. Su disertación, titulada Boosting, Margins, and Dynamics, fue supervisada por Ingrid Daubechies y Robert Schapire . [2] [4]
Después de ocupar puestos como investigadora postdoctoral en la Universidad de Nueva York y científica investigadora asociada en la Universidad de Columbia , aceptó un puesto de profesora en la Escuela de Administración Sloan del MIT en 2009 y luego se trasladó a la Universidad de Duke en 2016. [2]
Se ha desempeñado como presidenta de la Sección de Minería de Datos de INFORMS [5] y de la Sección de Aprendizaje Estadístico y Ciencia de Datos de la Asociación Estadounidense de Estadística [6] . Trabajó en el consejo asesor de la facultad ISAT para DARPA, fue consejera de AAAI y miembro del Grupo de Pronóstico de Tecnología de Justicia Penal de la Oficina de Asistencia Judicial (BJA CJTFG). Actualmente se desempeña como miembro del comité ejecutivo de ACM SIGKDD [7] y es miembro tanto del Comité de Estadística Aplicada y Teórica (CATS) [8] como del Comité de Derecho y Justicia (CLAJ) de las Academias Nacionales de Ciencias, Ingeniería y Medicina [9] . Es editora asociada de Management Science [10] , Harvard Data Science Review [11] y Journal of Quantitative Criminology [12] .
En 2019, Rudin fue elegida miembro de la Asociación Estadounidense de Estadística [ 13] y del Instituto de Estadística Matemática "por sus contribuciones a los algoritmos de aprendizaje automático interpretables, la predicción en bases de datos médicas a gran escala y las propiedades teóricas de los algoritmos de clasificación" [14] . Fue elegida miembro de la Asociación para el Avance de la Inteligencia Artificial en 2022. [15]
Recibió la prestigiosa Beca Guggenheim en 2022. [16]
Recibió el premio INFORMS Innovative Applications in Analytics Award de 2013 por su trabajo en confiabilidad de la red eléctrica , el premio INFORMS Innovative Applications in Analytics Award de 2016 por su trabajo en modelos de aprendizaje automático interpretables para evaluar el deterioro cognitivo y el premio INFORMS Innovative Applications in Analytics Award de 2019 por su trabajo en modelos de aprendizaje automático interpretables para la predicción de convulsiones en pacientes gravemente enfermos, lo que condujo a la puntuación 2HELPS2B utilizada en unidades de cuidados intensivos. [17]
Rudin fue coganador del premio al mejor trabajo de investigación de operaciones en gestión de operaciones de fabricación y servicios de INFORMS en 2021. [17]
Rudin fue ganador del premio de reconocimiento FICO por el desafío de aprendizaje automático explicable en 2018. [18]
Rudin fue finalista del Premio Daniel H. Wagner a la Excelencia en Investigación de Operaciones en 2017. [17]
Rudin fue nombrado por Businessinsider.com como uno de los 12 profesores más impresionantes del MIT en 2015. [19]
Rudin ha dado charlas magistrales en KDD (2014 y 2019) [20] , AISTATS [21] y la Conferencia Nobel (2021)
A partir de 2007, Rudin fue el científico principal de un proyecto colaborativo entre la Universidad de Columbia y Con Edison para utilizar el aprendizaje automático para mantener la red de distribución eléctrica secundaria de la ciudad de Nueva York. Este proyecto recibió el premio INFORMS 2013 a las aplicaciones innovadoras en análisis. [17]
Junto con el estudiante Tong Wang y detectives del Departamento de Policía de Cambridge, Cambridge MA, Rudin desarrolló el algoritmo Series Finder [22] para la detección de series de crímenes. Series Finder se incorporó al algoritmo Patternizr [23] utilizado por el Departamento de Policía de Nueva York para detectar patrones de delitos cometidos por el mismo individuo o individuos.
El trabajo de Rudin sobre sistemas de puntuación con su exalumno Berk Ustun se utilizó para desarrollar sistemas de puntuación médica para la detección y el diagnóstico de la apnea del sueño, para la predicción de convulsiones en pacientes de la UCI, para la detección del TDAH en adultos y para la detección del deterioro cognitivo mediante el análisis de la escritura a mano (la prueba Clock Drawing). Este trabajo ganó el premio INFORMS Innovative Applications in Analytics Award en 2016 y 2019, y fue finalista del premio Wagner. [17]
En Duke, Rudin entrenó a dos equipos de estudiantes universitarios que ganaron la Competencia de Superresolución de Imagen Única NTIRE de 2018 (Pista 1, bicúbica clásica) y la Competencia Literaria de Turing PoeTix de 2018. [2]
Rudin es conocida por su trabajo de crítica de los modelos de caja negra en el sistema de justicia penal y para decisiones de alto riesgo, con el argumento de que se pueden construir modelos interpretables que sean igualmente precisos. Su trabajo "Dejemos de explicar los modelos de caja negra de aprendizaje automático para decisiones de alto riesgo y usemos modelos interpretables en su lugar", Nature Machine Intelligence, 2019, describe varias otras razones. [24] [25] [26] Ha liderado varios esfuerzos para alentar el trabajo sobre buenas aplicaciones sociales en el aprendizaje automático, incluida la edición del Número especial sobre aprendizaje automático para la ciencia y la sociedad en la revista Machine Learning [27] y la organización del informe de la Asociación Estadounidense de Estadística "Descubrimiento con datos: aprovechar las estadísticas con la informática para transformar la ciencia y la sociedad". [28] Su trabajo es una fuente influyente para la comunidad de inteligencia artificial centrada en el ser humano .
En su trabajo de posgrado en Princeton, Rudin demostró las propiedades de convergencia de los algoritmos de boosting. Su tesis doctoral respondió a una pregunta bien estudiada sobre si AdaBoost maximiza el margen L1, que es un tipo de distancia entre un límite de decisión y la observación de datos más cercana a él. [2]