Jennifer Neville は Microsoft Research のパートナー研究マネージャーであり、パデュー大学のコンピュータサイエンスと統計学の Samuel D. Conte 特別教授でもある。彼女の研究は、インタラクティブな領域や構造化データにおける機械学習と AI に及び、学習データがシステムの振る舞いにどう影響するか、それがユーザーの実際の要望とどう整合するかを調べている。130 本以上の論文を発表し、1 万回以上引用されており、NSF CAREER 賞や IEEE の「10 to Watch」などを受賞している。
彼女のキャリアは平坦ではなかった。Neville は当初、父親がコンピュータサイエンスの分野にいたため、あえてその道を避けようとしていた。大学では最初に数学を専攻し、次に物理学に移ったが、どちらもしっくりこなかった。一度大学を離れ、復学後は認知科学を専攻したものの、今度は「柔らかすぎる」と感じ、数学的な要素が足りないと思った。しばらく働いた後、再び学校に戻った際に、データを扱いたいという思いからコンピュータサイエンスを専攻し、そこで偶然 AI に出会った。AI がコンピュータサイエンスの一部であることすら、当初は意識していなかった。
研究の世界に入ったのも偶然だった。優等プログラムの一環で研究プロジェクトが必須となり、相互接続されたウェブデータのデータマイニングを選んだ。すると、当時まだ黎明期だった「統計的関係学習」に取り組み始めたばかりの教授を紹介された。プロジェクトを終えてワークショップで論文を発表し、すっかり研究の虜になった。彼女を惹きつけたのは研究のプロセスそのものだった。前に進めず落ち込むこともあったが、指導教員が「続けよう、何かを学んでいる」と励ましてくれた。そして何かを学べたときの高揚感、誰もまだ理解していない最前線の問いを理解できる感覚が、研究を続ける原動力になった。
Neville は 2021 年にアカデミアから Microsoft に加わり、現在もパデュー大学で教え、指導を続けている。最初のサバティカルはバークレーの Simons Institute で理論寄りの研究に没頭し、2 回目は Microsoft Research で応用研究を行った。アルゴリズムの理論が実際のシステム、実ユーザー、実データの中でどう振る舞うかを目の当たりにすると、もう後戻りはできず、そのまま Microsoft に残ることを選んだ。彼女は、アカデミアと産業界で問う問題の本質は似ているとしつつ、産業界ではアルゴリズムを大規模に適用し、実ユーザーと実データに直接触れられる点が大きく異なると指摘する。目標は製品や企業の関心に寄り、アカデミアはより抽象的で複数領域を横断し、DARPA や NSF などから資金を得る傾向がある。
現在、彼女が率いるチームは「AI Interaction and Learning」と呼ばれる。チームの狙いは、現実の職場環境で AI システムの振る舞いの限界を押し広げることだ。現在のシステムの性能限界、実際のワークフローにおけるユーザー体験、そして複雑なタスクに向けてモデルをどう改善するかを研究している。出発点は評価である。従来の機械学習の評価は比較的単純なベンチマークに依存しており、実際の使われ方を反映していない。そこで、マルチターンの対話、協調環境、長期的なタスクを含む実践的な評価を設計する。性能のギャップが見えれば、アルゴリズム、モデル、推定手法の改善すべき方向も見えてくる。
Neville はまた、モデルが従来のベンチマークを超えてテストされると「驚くべき失敗」が現れると語る。結果が予想を裏切るとき、データを注意深く見ることが重要になる。そして数十年にわたる AI の進歩から何を学び、次に何が起こるかをどう予測するかについても言及する。この対話全体は、より大きな問いを投げかける。人間であれ人工であれ、道が予想通りに進まないとき、私たちは何を学べるのか、という問いである。