Richard Napolitain - Richard Neapolitan
Richard Napolitain | |
|---|---|
 | |
| Née |
Richard Eugène Napolitain
|
| Décédés | 29 janvier 2020 |
| Éducation |
Université de l'Illinois ( BS ) Illinois Institute of Technology ( MS , PhD ) |
| Carrière scientifique | |
| Des champs |
mathématiques informatique |
Richard Eugene Napolitan était un scientifique américain. Napolitain est surtout connu pour son rôle dans l'établissement de l'utilisation de la théorie des probabilités en intelligence artificielle et dans le développement du domaine des réseaux bayésiens .
Biographie
Napolitain a grandi dans les années 1950 et 1960 à Westchester, dans l'Illinois , une banlieue ouest de Chicago . Il a obtenu un doctorat. en mathématiques de l' Illinois Institute of Technology . Napolitain note qu'il n'a pas pu obtenir un poste universitaire après l'obtention de son doctorat, en raison d'une surabondance de mathématiciens et d'une récession dans les années 1970, et il a donc travaillé comme modèle et dans divers postes liés à l'informatique. Cette dernière expérience lui a permis d'obtenir un poste de professeur au département d'informatique de la Northeastern Illinois University (NEIU) en 1980. Il a effectué la majeure partie de sa carrière universitaire à NEIU, notamment en devenant président de la chaire d'informatique en 2002.
Recherche
Dans les années 1980, des chercheurs en sciences cognitives (par exemple, Judea Pearl ), en informatique (par exemple, Peter C. Cheeseman et Lotfi Zadeh ), en analyse décisionnelle (par exemple, Ross Shachter ), en médecine (par exemple, David Heckerman et Gregory Cooper ), en mathématiques et les statistiques (par exemple, napolitain, Tod Levitt et David Spiegelhalter ) et la philosophie (par exemple, Henry Kyburg ) se sont rencontrées lors du tout nouveau Workshop on Uncertainty in Artificial Intelligence pour discuter de la meilleure façon d'effectuer une inférence incertaine en intelligence artificielle. Napolitan a présenté une exposition sur l'utilisation de l'approche classique de la probabilité par rapport à l'approche bayésienne en intelligence artificielle lors de l'atelier de 1988. Un traité philosophique plus approfondi sur la différence entre les deux approches et l'application de la probabilité à l'intelligence artificielle est apparu dans son texte de 1989 sur le raisonnement probabiliste dans les systèmes experts : théorie et algorithmes .
Étroitement liés à la question de la représentation de l'incertitude dans l'intelligence artificielle, les chercheurs de l'Atelier sur l'incertitude dans l'intelligence artificielle ont développé et discuté des modèles graphiques qui pourraient représenter de grandes distributions de probabilité conjointes. Napolitain a formulé ces efforts dans un domaine cohérent dans le texte Raisonnement probabiliste dans les systèmes experts : théorie et algorithmes . Le texte définit un réseau causal (bayésien) et prouve un théorème montrant qu'un graphe orienté acyclique et une distribution de probabilité discrète constituent ensemble un réseau bayésien si et seulement si est égal au produit de ses distributions conditionnelles dans . Le texte comprend également des méthodes d'inférence dans les réseaux bayésiens et une discussion sur les diagrammes d'influence, qui sont des réseaux bayésiens augmentés de nœuds de décision et d'un nœud de valeur. De nombreuses applications d'IA ont depuis été développées à l'aide de réseaux bayésiens et de diagrammes d'influence.
Le "raisonnement probabiliste dans les systèmes experts" de Napolitan et le "raisonnement probabiliste dans les systèmes intelligents " de Judea Pearl ont été largement reconnus comme formalisant le domaine des réseaux bayésiens, comme le montrent les travaux d' Eugene Charniak , qui, en 1991, a noté les deux textes comme la source des algorithmes d'inférence de réseau bayésien ; PW Jones, qui a écrit une critique de « Raisonnement probabiliste dans les systèmes experts » en 1992 ; Cooper et Herskovits, qui attribuent au texte de Napolitan et au texte de Pearl la formalisation de la théorie des réseaux de croyances dans leur article de 1992 qui a développé la méthode basée sur les scores pour apprendre les réseaux bayésiens à partir de données ; et Simon Parsons, qui, en 1995, a comparé les deux textes et discuté de leurs rôles dans l'établissement du champ des réseaux probabilistes. Plus récemment, en 2008, Dawn Holmes a évoqué la carrière de Napolitan et l'apport de son premier texte.
Dans les années 1990, les chercheurs se sont efforcés de développer des méthodes capables d'apprendre les réseaux bayésiens à partir de données. Napolitain a assimilé ces efforts dans le texte de 2003 Learning Bayesian Networks , qui est le premier livre traitant de l'apprentissage des réseaux bayésiens. D'autres livres sur les réseaux bayésiens rédigés par Napolitan incluent Méthodes probabilistes pour l'informatique financière et marketing , qui applique les réseaux bayésiens aux problèmes de la finance et du marketing ; et Méthodes probabilistes pour la bioinformatique , qui applique les réseaux bayésiens aux problèmes de biologie. Napolitan a également écrit Foundations of Algorithms et (avec Xia Jiang) Artificial Intelligence: With an Introduction to Machine Learning .