211service.com
Bretter opp ermene
Daniel Huttenlocher, SM ’84, PhD ’88, er den første dekanen ved MIT Schwarzman College of Computing. Rose Lincoln
Instituttet lanserte MIT Stephen A. Schwarzman College of Computing (SCC) med tre kritiske mål: å støtte den raske utviklingen og veksten av informatikk og AI, å lette samarbeid mellom databehandling og andre disipliner, og å ta opp det sosiale og etiske ansvaret av databehandling. I august 2019 ble Daniel Huttenlocher, SM ’84, PhD ’88, åpningsdekan ved høyskolen. Etter å ha bidratt til å skape og lede Cornell Tech, Cornells teknologi-, forretnings-, juss- og designcampus i New York City, og Cornells fakultet for databehandling og informasjonsvitenskap, hadde Huttenlocher alle kvalifikasjoner til å lede den banebrytende nye høyskolen – omfattende erfaring innen forskning, industri, og entreprenørskap, samt i akademisk administrasjon.
Fra januar hadde Huttenlocher, som også har tittelen Henry Ellis Warren (1894) professor i informatikk og AI og beslutningstaking, satt høgskolens første organiseringsstruktur på plass. I tillegg til å utnevne nøkkelmedlemmer av ledergruppen, hadde han også kunngjort hvilke avdelinger, institutter, laboratorier og sentre som utgjør høgskolen. Blant disse er MITs største akademiske avdeling, Electrical Engineering and Computer Science (EECS), som ligger sammen innenfor School of Engineering og SCC og nå omorganisert i tre overlappende underenheter: elektroteknikk, informatikk og kunstig intelligens og beslutningstaking. Det pågår søk for å begynne å fylle 50 nye fakultetsstillinger. Og gitt at rundt 40 % av MIT-studentene nå tar hovedfag i informatikk, ble et interdepartementalt undervisningssamarbeid kalt Common Ground for Computing Education lansert denne våren for å legge til rette for multi-avdelings databehandlingsutdanning, samt for å støtte studenter i eksisterende og nye lavere gradsprogrammer. slik som 6.9 (Computation and Cognition). For mer detaljer om disse planene, besøk
technologyreview.com/SCCplans.
MIT Alumni Association satte seg ned med Huttenlocher i løpet av hans andre semester på jobben for å finne ut hvordan det har vært å returnere til campus som alun for å lede en av de største strukturelle endringene i MITs historie.
Hva med studenterfaringen din ved MIT gjorde at du var trygg på at dette er en institusjon der et foretak som SCC kan lykkes?
Jeg tok master og doktorgrad på det gamle Tech Square, i det som den gang var Artificial Intelligence Lab [en forløper til Computer Science and Artificial Intelligence Laboratory (CSAIL), nå en del av SCC]. På 1980-tallet var MITs forskning innen AI og CS på tvers av jernbanesporene, i sitt eget lille univers der borte. Spol frem til i dag, og det er veldig annerledes. Når du ser på CSAIL, er det i hjertet av campus, mer knyttet både fysisk og intellektuelt til strukturen til instituttet.
For masteroppgaven min jobbet jeg med talegjenkjenning, informert av språklige modeller. For min doktorgrad jobbet jeg med datasyn og objektgjenkjenning. Jeg har alltid vært interessert, og er fortsatt, i hvordan maskiner kan oppfatte verden rundt dem direkte.
En stor del av kulturen til AI Lab da jeg var der, var å gjøre virkelig dristige ting. Det var en tid da regjeringen finansierte store, dristige eksperimenter innen databehandling, tidlig i tiden med AI og informatikk. Det var et sunt syn på at vi burde skyve konvolutten. Det er slik jeg ser modellen til MIT.
Og å bygge en hvilken som helst ny akademisk organisasjon på et universitet er definitivt presserende. Vi endrer oss ikke så ofte i akademia – vi endrer forskningen vår, stipendet vårt, den slags ting, men vi endrer ikke strukturen til institusjonene. Det krever dristig tenkning for å gjøre det. Det krever institusjoner som er villige til å tenke og utføre utenfor boksen. Og absolutt, det var min erfaring fra MIT for flere tiår siden.
Hva begeistret deg med å returnere til MIT for denne rollen?
Da jeg tok jobben, så jeg på det som denne fantastiske muligheten til å hjelpe en institusjon som jeg føler en dyp tilhørighet til å utvikle noe nytt. Jeg tror vi er inne i en tid nå som på mange måter ligner den perioden MIT ble grunnlagt i – da mye teknologipraksis hadde kommet i forkant av vår forståelse av det. Vi er der med databehandling og AI i dag, omtrent på samme måte som vi var med det vi nå kjenner som engineering.
Nå, når jeg er tilbake, har det også blitt mye mer personlig. MIT har endret seg mye på 30 år, hovedsakelig på måter som er gode, og det er mye mer endring vi fortsatt må gjennom. Men MIT er særegen på en måte jeg synes er veldig spesiell, og jeg hadde glemt hvor mye det var en del av meg før jeg var tilbake her. Folk her bretter virkelig opp ermene og strømmer til for å få jobben gjort. Og det er et reelt fokus på å tenke gjennom ting nøye og strengt og logisk. Det er ikke ensartet sant i min erfaring, la oss bare si det sånn. Det er aspekter ved MIT jeg hadde glemt litt om, og jeg hadde savnet dem.
Hvilke nye muligheter vil SCC skape for studenter? Er budskapet til dem at hvis du brenner for en gitt disiplin, men også ønsker en forankring i databehandling, skal vi kartlegge en sammenhengende vei for deg?
Vel, det er fortsatt MIT – vi kommer ikke til å kartlegge hver vei. En av de flotte tingene med denne institusjonen er at du bør kartlegge din egen vei hvis det ikke er en vei her for deg, og den forsvinner ikke. Men vi vil gi flere veier som er gjennomtenkt, som ikke bare er siloene til disiplinene. En del av det høgskolen gjør er å sette inn strukturer som støtter den slags tverrgående oppdrag. Etter hvert vil studenter – og til en viss grad doktorgradsstudenter, selv om doktorgradsstudier fortsatt er ganske disiplinbaserte og bør forbli slik – resultatene av det. De vil se nye typer klasser, nye typer hovedfag, nye typer mindrefag. Men dekanen planlegger ikke disse tingene. Jeg prøver å bygge strukturene som får de rette menneskene til å jobbe sammen for å få det til.
Er det en spesifikk måte dette vil påvirke hovedfagsstudenter?
På høyere nivå er det mange ikke-avdelingsprogrammer – for eksempel Operations Research Center, eller Institute for Data, Systems and Society (IDSS), hvor det er flere master- og PhD-programmer – samt EECS graduate-program i kurs 6. Å la alle være en del av samme høyskole vil gi oss mye større mulighet til å koordinere mellom disse programmene, til å virkelig tenke på blandingen av statistikk og maskinlæring og operasjonsforskning og informatikk, hvor grensene mellom disse disiplinene har plutselig visket ut. Så jeg tror vi bare gjør det mer fleksibelt for studenter.
Hvilke spørsmål og bekymringer har du hørt fra alumni?
Bekymringer eller mandater? [ Ler .] Jeg hører en mye: Ikke rot med kurs 6.
Hvordan reagerer du på det?
Det er viktig å ikke prøve å fikse det som ikke er ødelagt, men samtidig erkjenne at verden har endret seg mye og databehandling endrer seg veldig raskt. En del av det vi har kommet frem til [med tre underenheter i EECS] er noe som ikke fundamentalt forstyrrer avdelingsstrukturen til kurs 6, men som lar oss være mye mer lydhøre overfor endringene i feltet.
Jeg tror alumniene jeg har snakket med innser at det er viktig for MIT å gjøre noe for å lede på dette området. Spørsmålet er: Hva er noe ? Når folk ser en institusjon gjennom en linse fra deres erfaring for 20, 30, 50 år siden, må du noen ganger minne dem på hvorfor vi må gå fremover i dag. Det er ikke bare alumner; det gjelder studenter, fakulteter og ansatte som er her i dag også. Alle kommer til en institusjon som MIT på grunn av fortiden, delvis. Selvfølgelig er de her for dagens forskning og undervisning, men de er også her fordi det er MIT, og det er et og et halvt århundres historie.