迈克尔·乔丹，并不是篮球明星乔丹，是美国国家工程学院院士、科学院院士和美国艺术和科学学院院士。是机器学习领域的权威之一、IEEE Fellow，他为无监督机器学习的发展做出了突出贡献。

乔丹出生于 20 世纪 60 年代，他对哲学、文化观以及思维方式的研究很感兴趣。英国逻辑学家伯特兰 · 罗素的自传让他受到启发，开始研究心理学和统计学。学成后，他是美国科学进步协会的资深会员。现执教于加州大学伯克利分校，任电气工程与计算机科学系和统计系杰出教授，实时智能决策计算平台实验室（RISELab）共同主任、统计人工智能实验室（SAIL）主任、统计系系主任。2015年获得David E. Rumelhart奖，2009年获得ACM/AAAI的Allen Newell奖。

他帮助普及了贝叶斯网络在机器学习应用中的使用，并常常被誉为让大家意识到机器学习与统计学之间联系的原创思想家之一。

他指出，在把机器学习作为人工智能最新进展的工程领域，模仿人类思维并不是唯一目标，甚至不是最好的目标。相反，机器学习可以通过分析大型数据集来增强人类的智慧，就像搜索引擎通过组织网络来增强人类知识一样。机器学习还可以在医疗保健、商业和交通等领域为人类提供新的服务，将多个数据集中发现的信息整合在一起，寻找模式，并提出新的行动方案。

乔丹认为， 随着机器学习的蓬勃发展，人工智能的目标发生了本质性变化，不再只是去研究如何「在单个计算机上复现人类智能」，更重要的是如何「构建现实世界中的系统，从而解决现实世界中的超大规模问题」。

近年来，他一直致力于帮助科学家、工程师和其他各方了解机器学习。他认为机器学习的发展反映了一个新的工程领域的出现。他将其与20世纪初化学工程从化学和流体力学基础上的兴起相提并论，指出机器学习是建立在计算机科学、统计学和控制理论几十年的进展之上的。此外，他说，机器学习是第一个以人为中心的工程领域，专注于人与技术之间的接口。

乔丹在人工智能界可谓是桃李满天下，他带出多位研究生和博士后学生也在AI领域成为大名鼎鼎的人物，比如吴恩达、大卫·贝雷、佐宾·格拉曼尼等。