Гуревич, Ирина

Родилась 16 марта 1976 года в Виннице. В 1998 году с отличием окончила Винницкий государственный педагогический университет по специальности «английская и немецкая филология»^[6]. С 1998 по 2001 год продолжала обучение в Университете Дуйсбурга — Эссена (Германия) как стипендиат DAAD и земли Северный Рейн-Вестфалия^[6]. В 2003 году получила степень доктора философии (PhD) по компьютерной лингвистике в Университете Дуйсбурга — Эссена под руководством профессора Вольфганга Хёппнера^[7][6]. Во время работы над диссертацией, с 2001 по 2005 год, была научным сотрудником в European Media Laboratory (позже — HITS)^[6].

С 2005 по 2007 год работала в Дармштадтском техническом университете в качестве научного сотрудника, где руководила исследовательским проектом в области электронного обучения^[6]. С 2007 года возглавила исследовательскую группу Эмми Нётер Немецкого научно-исследовательского общества (DFG)^[6]. В 2008 году получила профессорскую должность от Фонда Volkswagen (Lichtenberg Professor)^[6]. В 2009 году была назначена на должность полного профессора (W3) в Дармштадтском техническом университете, где основала и возглавила лабораторию Ubiquitous Knowledge Processing (UKP Lab).

Помимо основной работы в Дармштадте, с 2023 года является аффилированным профессором болгарского Института компьютерных наук, искусственного интеллекта и технологий (INSAIT). Также занимает должность адъюнкт-профессора в Университете искусственного интеллекта имени Мохамеда бин Зайда (MBZUAI) в ОАЭ^[6].

Научный вклад Ирины Гуревич сосредоточен на пересечении обработки естественного языка (NLP) и искусственного интеллекта, сочетая глубокое понимание человеческого языка с передовыми методами машинного обучения^[8]. Её работа охватывает несколько ключевых направлений.

Аргументационный анализ (Argumentation Mining). Гуревич считается одним из основателей этой области. Направление нацелено на автоматическое извлечение и анализ аргументативных структур в тексте для поддержки принятия решений и проверки фактов^[9]. Исследования её лаборатории UKP были направлены на анализ аргументации в неструктурированных текстах, таких как эссе и пользовательские комментарии в интернете.

Машинное обучение для понимания языка. Значительная часть её работ посвящена машинному обучению для широкомасштабного понимания текстов и текстовой семантике. В рамках проекта InterText, финансируемого грантом ERC, она разрабатывает первую в мире основу для моделирования межтекстуальных связей в NLP. Цель проекта — научить ИИ понимать сложные взаимосвязи между длинными текстами, что находит применение в анализе научных рецензий и разоблачении теорий заговора. Другим важным направлением является создание многоязычных технологий NLP, включая языки с ограниченными ресурсами, на основе больших языковых моделей с использованием многоязычных вложений предложений и так называемых «адаптеров».

Эффективные и доступные большие языковые модели (LLM). Гуревич внесла новаторский вклад в исследования по параметро-эффективной тонкой настройке больших трансформерных моделей, таких как BERT. Она является соавтором одной из влиятельных работ о трансформерной модели для сравнения семантической близости предложений^[10]. Стремясь сделать технологии ИИ более доступными, её лаборатория разработала приложение AdapterHub Playground, которое позволяет исследователям без навыков программирования проводить классификацию текстов.

Применение NLP в гуманитарных науках. Ирина Гуревич известна инновационным применением методов NLP в гуманитарных и социальных науках. Она является соучредителем Центра цифровых основ исследований в гуманитарных, социальных и образовательных науках (CEDIFOR).

Ирина Гуревич является автором и соавтором более 600 научных публикаций^[2].

Ирина Гуревич сформировала научную школу в области обработки естественного языка и искусственного интеллекта. Под её руководством было защищено более 25 докторских диссертаций^[11]. Многие из её бывших аспирантов и постдоков занимают ведущие позиции в академических кругах и IT-индустрии^[12].

Одним из наиболее известных учеников Гуревич является Нильс Раймерс, создатель популярной библиотеки sentence-transformers^[13]. После работы в Hugging Face он занял должность директора по машинному обучению в компании Cohere^[13].

Книги

• Linked Lexical Knowledge Bases: Foundations and Applications (2016), в соавторстве с А. Панченко, К. М. Мейером и др^[14].

Статьи

• Extracting Opinion Targets in a Single- and Cross-Domain Setting with Conditional Random Fields (2010), в соавторстве с Н. Якобом^[15].
• The People’s Web meets Linguistic Knowledge: Automatic Sense Alignment of Wikipedia and WordNet (2011), в соавторстве с Э. Ниманн^[16].
• UBY — A Large-Scale Unified Lexical-Semantic Resource Based on LMF (2012), в соавторстве с Ю. Экле-Колер, С. Хартманн и др^[17]..
• Automatically Classifying Edit Categories in Wikipedia Revisions (2013), в соавторстве с Й. Даксенбергером^[18].
• Identifying argumentative discourse structures in persuasive essays (2014), в соавторстве с К. Стабом^[19].
• Exploiting Debate Portals for Semi-Supervised Argumentation Mining in User-Generated Web Discourse (2015), в соавторстве с И. Габерналом^[20].
• What is the best way to build a convincing argument? An empirical study on the role of convincingness in Web argumentation (2016), в соавторстве с И. Габерналом и К. Стабом^[21].
• Parsing argumentation structures in persuasive essays (2017), в соавторстве с К. Стабом^[22].
• Modeling Semantics with Gated Graph Neural Networks for Knowledge Base Question Answering (2018), в соавторстве с Д. Сорокиным^[23].
• Text Processing Like Humans Do: Visually Attacking and Shielding NLP Systems (2019), в соавторстве с Ш. Эгером, Й. Даксенбергером и др^[24]..
• Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation (2020), в соавторстве с Н. Раймерсом^[25].
• BEIR: A Heterogenous Benchmark for Zero-shot Evaluation of Information Retrieval Models (2021), в соавторстве с Н. Тхакуром, Н. Раймерсом и др^[26]..
• Missing Counter-Evidence Renders NLP Fact-Checking Unrealistic for Misinformation (2022), в соавторстве с Т. Шюстером и др^[27]..
• Efficient Methods for Natural Language Processing: A Survey (2023), в соавторстве с М. Фифером, Й. Пфайффером и др^[28]..
• M4: Multi-generator, Multi-domain, and Multi-lingual Black-Box Machine-Generated Text Detection (2024), в соавторстве с Ю. Вангом, Т. Шюстером и др^[29]..

• 2025: Премия Мильнера от Британского Королевского общества (анонсирована в 2024 году). Гуревич стала первой женщиной-учёным в Германии, удостоенной этой награды^[30].
• 2023: Премия Готфрида Вильгельма Лейбница от Немецкого научно-исследовательского общества (DFG).
• 2022: Грант для передовых исследователей от Европейского исследовательского совета (ERC Advanced Grant) за проект «InterText»^[31].
• 2021: Звание «LOEWE Top Professorship» от земли Гессен, присуждённое впервые^[32].
• 2021: Избрана членом (ACM Fellow) Ассоциации вычислительной техники (класс 2020 года) за вклад в обработку естественного языка и новаторские исследования в области компьютерной аргументации^[33].
• 2020: Избрана членом (ACL Fellow) Ассоциации по вычислительной лингвистике за вклад в модели глубокого обучения для НЛП и компьютерную аргументацию^[34].
• 2017: Награда за лучшую статью в категории «Ресурсы и приложения» (Best Resource/Application Paper) на конференции EMNLP за работу «Bringing Structure into Summaries: Crowdsourcing a Benchmark Corpus of Concept Maps»^[35].
• 2013: Член AcademiaNet по номинации Немецкого научно-исследовательского общества и Ассоциации Лейбница^[36].
• 2008: Инновационная награда от IBM «DKPro-ML: Open Source UIMA на основе системы для машинного обучения».
• 2008: Инновационная премия по неструктурированной информации от IBM «Фундаментальный курс на базе UIMA для преподавания новых тенденций развития НЛП для студентов по информатике».
• 2008: Специальная награда UniTechSpin от Isra Vision «Управление семантической информации для бизнес-процессов»^[37].
• 2007: Награда по неструктурированному информационному менеджменту от IBM «Darmstadt Knowledge Software Processing Repository»^[38].