211service.com
Anwenden der Theorie bei Microsoft
Bevor sie rekrutiert wurde von Microsoft-Forschung , Jennifer Chayes war Professor für Mathematik an der UCLA. Obwohl Chayes damals verwirrt war, was der Softwareriese mit ihrer stark theoretischen Arbeit will, hat sie Forschung betrieben, die weitreichende Anwendungen im Internet hat, darunter Suche, Keyword-Werbung, Empfehlungssysteme und soziale Netzwerke. Chayes war zuvor Mitbegründer der Microsoft Research Theory Group und ist nun Managing Director des Microsoft Research New England Lab, das im Juli in Cambridge, MA, eröffnet wird. Technologieüberprüfung hat Chayes kürzlich gefragt, wie sich ihre Arbeit verändert hat und wie sie ihre Forschung im neuen Labor voranbringen könnte.
Microsoft-Mathematiker: Jennifer Chayes, oben, ist Geschäftsführerin des Microsoft Research New England Lab, das im Juli eröffnet wird. Chayes, die ihre Karriere im akademischen Bereich begann, hat herausgefunden, dass ihre abstrakte mathematische Forschung Anwendung auf die Suche, Keyword-Werbung, Empfehlungssysteme und soziale Netzwerke findet.
Technologieüberprüfung : Als Sie vor 11 Jahren vom damaligen CTO eingestellt wurden Nathan Myhrvold , Sie dachten, Ihre Arbeit sei für das Geschäft von Microsoft irrelevant. Was hat sich seitdem geändert?
Jennifer Chayes : Es ist lustig. Ich habe kürzlich mit jemandem aus meiner Gruppe gesprochen, der sagte: Unsere Arbeit ist in den letzten zehn Jahren so viel näher an Bewerbungen gerückt. Ich sagte zu ihm: Nein, die Anwendungen rücken so viel näher auf uns zu. Als Nathan beschloss, mich und meinen Mann Christian [Borgs] einzustellen, hatten wir es mit diskreten mathematischen Problemen mit vielen Variablen und vielen komplizierten Interaktionen zu tun, und er erkannte, dass dies relevant werden könnte. Ich glaube nicht, dass Nathan alle Anwendungen eines World Wide Web, sozialer Netzwerke und all das vorhergesehen hat, aber er hat vorausgesehen, dass es nützlich sein könnte, Leute zu haben, die solche Dinge studieren.
KINDER : Sie haben in mathematischer Physik promoviert, und selbst diese Forschung war für Microsoft von Nutzen. Wie wichtig sind Phasenübergänge, wie der Übergang von fest zu flüssig, für die Informatik?
JC : Um 1995 begannen einige Leute, sich mit Phasenübergängen in diesen harten Informatikproblemen zu beschäftigen, bei denen man eine bestimmte Menge an Ressourcen gegen eine Reihe von Einschränkungen abwägen muss. Es stellt sich heraus, dass wenn Sie einen Parameter haben, der das Verhältnis von Ressourcen zu Beschränkungen misst, das System einen Übergang durchläuft, der mathematisch genau dem Phasenübergang entspricht, bei dem eine Flüssigkeit gefriert oder siedet. Mathematisch ist es dasselbe, wenn Sie diesen Punkt passieren, an dem Sie die Einschränkungen nur noch erfüllen können, und dann nicht mehr in der Lage sind, sie zu erfüllen. Es stellt sich heraus, dass die Untersuchung des Phasenübergangs bei diesen Beschränkungserfüllungs- oder Ressourcenzuweisungsproblemen zu einigen der schnellsten bekannten Algorithmen zum Ermitteln der optimalen Struktur von Netzwerken geführt hat. Wer hätte das gedacht? Kürzlich war ich bei einer Bill Gates-Rezension, bei der Bill erfuhr, welche Forschungen betrieben werden. Wir haben uns mit Multicasting befasst und versucht, den effizientesten Weg zu finden, um etwas über das Web an eine bestimmte Anzahl von Personen zu senden. Jemand erwähnte einige Arbeiten, die meine Gruppe kürzlich durchgeführt hat, um einen sehr schnellen Multicast-Algorithmus zu entwickeln, der auf dieser Phasenübergangsarbeit basiert. Vor zehn Jahren hatte ich Bill davon erzählt und gesagt, es sei toll, dass er Leute einstellt, deren Arbeit sich 100 Jahre lang nicht auszahlt. Und hier ist es 10 Jahre später, und die Arbeit an diesen superschnellen Algorithmen zahlt sich wirklich aus.
KINDER : Wie sind Sie zu einigen der Probleme geführt worden, an denen Sie in letzter Zeit gearbeitet haben? Was war die Quelle einiger Ihrer Fragen?
JC : Für mich persönlich bedeutete die Tatsache, dass ich in den letzten zehn Jahren in einem Unternehmen war und nicht in der akademischen Welt geblieben bin, viel schneller als sonst, von einigen Problemen zu erfahren. Ich musste einige dieser aufregenden Dinge, die in der realen Welt passierten, nehmen und einer der ersten sein, der sie modelliert hat, weil ich davon gehört habe. Dann könnte ich diese Probleme in die Mathematik-Community bringen und andere Leute dazu bringen, daran zu arbeiten. Ich habe zum Beispiel sehr früh im Spiel von Link-Spam gehört und wie sich dies auf die Qualität der Suchmaschinenergebnisse auswirkt. Außerdem höre ich alle auf einer anderen Ebene über soziale Netzwerke reden, als wenn ich an der Universität wäre. Ich bin überzeugt, dass sich Leute, die grafische Systeme und Netzwerke an Universitäten studieren, in drei oder vier Jahren alle mit Empfehlungssystemen beschäftigen werden. Aber ich musste sie mir etwas früher ansehen, weil die Leute um mich herum fragten: Wie würden wir ein soziales Netzwerk monetarisieren?
KINDER : Sie haben dieses Problem mit Ihrer Arbeit an Empfehlungssystemen untersucht. Aber in letzter Zeit hatte beispielsweise Facebook mit einigen seiner Bemühungen zur Monetarisierung zu kämpfen. Sein Beacon-Werbesystem litt unter dieser Spannung zwischen dem Austausch von Informationen über ein Netzwerk und dem Schutz der Privatsphäre der Mitglieder des Netzwerks. Was kann man dagegen tun?
JC : Genau solche Fragen stellen wir. Wir haben uns angeschaut, wie man Systeme mit verschiedenen Eigenschaften entwirft. Wir könnten ein Theorem aufstellen, das besagt, dass Sie kein Empfehlungssystem haben können, das alle gewünschten Informationen liefert und die Privatsphäre bietet. Aber dann könnte man sagen: Okay, auf welche Eigenschaften bin ich bereit, aufzugeben, und welche Arten von Empfehlungssystemen werden die gewünschten Eigenschaften haben? Wir wollen in unserem neuen Labor mit Soziologen, Psychologen und Ökonomen zusammenarbeiten, auch weil ich Mathematiker bin und solche Dinge modellieren kann. Ich kann verschiedene Formen der Privatsphäre mathematisch formulieren, aber ich kann Ihnen möglicherweise nicht sagen, was die Mehrheit der Leute will oder was die Leute in einer bestimmten Altersgruppe wollen. Wenn ich also mit Soziologen und Psychologen zusammenarbeite, können sie mir verschiedene Arten von Eigenschaften vorschlagen und diese Eigenschaften für mich bestellen. Dann kann ich einen mathematischen Rahmen entwickeln und sagen: Hier ist ein Algorithmus, der Ihnen eine Empfehlung gibt, die die maximale Anzahl von Eigenschaften in dieser Rangfolge enthält. Bei all den Daten, die wir haben, und den Dingen, die wir machen möchten, ist es meiner Meinung nach wirklich an der Zeit, dass Mathematiker und Informatiker mit Soziologen und Psychologen in Kontakt treten. Ich bin kein Experte für das, was die Leute wollen. Ich kann einfach modellieren, was die Leute wollen.
KINDER : Wird diese Denkweise Ihren Ansatz im neuen Labor leiten?
JC : Ich hoffe, dass unser neues Labor in Cambridge die perfekte Umgebung ist, um sich mit solchen Fragen zu beschäftigen. Wir werden versuchen, die richtigen Leute zusammenzubringen.