গত দুই সপ্তাহে, এআই শিল্পে সবচেয়ে জনপ্রিয় জিনিসটি পণ্য নয়, মানুষ। প্রায়শই যখন আমি জেগে উঠি, আমার সোশ্যাল মিডিয়া টাইমলাইন একই পুরানো খবর দিয়ে রিফ্রেশ হয়: অন্য এআই বিশেষজ্ঞকে শিকার করা হয়েছে।
শীর্ষ এআই প্রতিভারা এআই ক্ষেত্রের সবচেয়ে কম এবং সবচেয়ে ব্র্যান্ড-কার্যকর সম্পদ হয়ে উঠছে।
প্রতিভা প্রবাহের ঝড়ের এই রাউন্ডের কেন্দ্রে, আমরা একটি বিশেষভাবে আকর্ষণীয় বিশদ খুঁজে পেয়েছি: মূল সদস্যদের মধ্যে যারা ChatGPT, জেমিনি এবং ক্লডের মতো বৃহৎ মডেলগুলির গবেষণা এবং বিকাশের নেতৃত্ব দিয়েছেন, তাদের মধ্যে চীনা বিজ্ঞানীদের অনুপাত আশ্চর্যজনকভাবে বেশি ছিল।
এই পরিবর্তন হঠাৎ করে ঘটেনি। সাম্প্রতিক বছরগুলিতে আবির্ভূত এআই তরঙ্গে, মার্কিন যুক্তরাষ্ট্রে চীনা শীর্ষ এআই প্রতিভাদের অনুপাত ক্রমাগত বৃদ্ধি পেয়েছে। ম্যাক্রোপোলো দ্বারা প্রকাশিত গ্লোবাল আর্টিফিশিয়াল ইন্টেলিজেন্স ট্যালেন্ট ট্র্যাকিং সার্ভে রিপোর্ট 2.0 অনুসারে, 2019 এবং 2022 সালের মধ্যে চীনের শীর্ষ AI গবেষকদের অনুপাত 29% থেকে বেড়ে 47% হয়েছে।
ঝিপু রিসার্চ দ্বারা প্রকাশিত "চ্যাটজিপিটি টিম ব্যাকগ্রাউন্ড রিসার্চ রিপোর্ট"-এ দেখা গেছে যে চ্যাটজিপিটি-এর 87 টি মূল দলের সদস্যদের মধ্যে 9 জন চীনা, যা 10% এরও বেশি। অতএব, আমরা চীনা AI গবেষকদের প্রতিকৃতিগুলিও পুনরায় পরীক্ষা করেছি যারা সম্প্রতি সিলিকন ভ্যালির শীর্ষ সংস্থাগুলিতে অনেক মনোযোগ আকর্ষণ করেছে এবং তাদের থেকে কিছু বৈশিষ্ট্য সংক্ষিপ্ত করার চেষ্টা করেছি:
1️⃣ শক্তিশালী একাডেমিক ক্ষমতা সহ শীর্ষস্থানীয় বিশ্ববিদ্যালয় থেকে স্নাতক। তাদের বেশিরভাগই শীর্ষস্থানীয় বিশ্ববিদ্যালয় যেমন সিংহুয়া বিশ্ববিদ্যালয়, পিকিং বিশ্ববিদ্যালয়, চীনের বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়, ঝেজিয়াং বিশ্ববিদ্যালয়ে স্নাতক কোর্স অধ্যয়ন করেছে এবং তাদের বেশিরভাগই কম্পিউটার বিজ্ঞান বা গণিতের পটভূমিতে রয়েছে। স্নাতক অধ্যয়নের জন্য, তারা সাধারণত এমআইটি, স্ট্যানফোর্ড, বার্কলে, প্রিন্সটন, ইউআইইউসি এবং অন্যান্য বিখ্যাত বিশ্ববিদ্যালয়গুলিতে যায়। প্রায় প্রত্যেকেরই শীর্ষ সম্মেলনগুলিতে (NeurIPS, ICLR, SIGGRAPH, ইত্যাদি) অত্যন্ত উদ্ধৃত কাগজপত্র রয়েছে।
2️⃣ তরুণ এবং উত্পাদনশীল, প্রাদুর্ভাবের সময়কাল 2020 এর পরে ঘনীভূত হয় এবং বয়স বেশিরভাগই 30-35 বছর বয়সী; মাস্টার্স এবং ডক্টরাল পর্যায়গুলি গভীর শিক্ষার বিশ্বব্যাপী প্রাদুর্ভাবের সাথে মিলে যায়, একটি দৃঢ় একাডেমিক ভিত্তি এবং ইঞ্জিনিয়ারিং সিস্টেম এবং টিমওয়ার্কের সাথে পরিচিতি। অনেক লোকের ক্যারিয়ারের প্রথম স্টপ হল AI পণ্য বা বড় কোম্পানির প্ল্যাটফর্মের সাথে যোগাযোগ করা বা মানুষের একটি বড় গ্রুপকে পরিবেশন করা, একটি উচ্চতর সূচনা পয়েন্ট এবং দ্রুত গতির সাথে।
3️⃣ শক্তিশালী মাল্টিমডাল ব্যাকগ্রাউন্ড, মডেল প্রশিক্ষণ মোকাবেলা করার পরে তাদের গবেষণার দিকটি সাধারণত RLHF, পাতন, সারিবদ্ধকরণ, মানুষের পছন্দের মডেলিং, এবং বক্তৃতা স্বর মূল্যায়নের মতো নির্দিষ্ট বিবরণ সহ বিভিন্ন পদ্ধতি (টেক্সট, স্পিচ, ইমেজ, ভিডিও, অ্যাকশন) জুড়ে একটি ঐক্যবদ্ধ যুক্তি সিস্টেমের উপর ফোকাস করে।
4️⃣ এটি ঘন ঘন নড়াচড়া করলেও, এটি মূলত বাস্তুতন্ত্রের বাইরে থাকবে না
Google, Meta, Microsoft, Nvidia, Anthropic, OpenAI… তাদের গতিশীলতা AI স্টার্টআপ এবং জায়ান্টদের মধ্যে বিস্তৃত, কিন্তু তাদের গবেষণার বিষয় এবং প্রযুক্তিগত সঞ্চয়ন সামঞ্জস্যপূর্ণ থাকে এবং তারা মূলত ট্র্যাক পরিবর্তন করে না।
OpenAI → Meta
শুচাও বি
শুচাও বি ঝেজিয়াং বিশ্ববিদ্যালয়ের গণিত বিভাগ থেকে স্নাতক হন এবং তারপরে আরও পড়াশোনার জন্য ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়, বার্কলে যান, যেখানে তিনি পরিসংখ্যানে স্নাতকোত্তর ডিগ্রি অর্জন করেন এবং গণিতে ডক্টরেট করেন।
2013 থেকে 2019 সাল পর্যন্ত, তিনি Google-এ টেকনিক্যাল ডিরেক্টর হিসেবে কাজ করেছেন, যেখানে তার প্রধান অবদানের মধ্যে রয়েছে একটি বহু-পর্যায়ের গভীর শিক্ষার সুপারিশ ব্যবস্থা তৈরি করা যা Google-এর বিজ্ঞাপনের আয় উল্লেখযোগ্যভাবে বৃদ্ধি করেছে (বিলিয়ন ডলারে)।
2019 থেকে 2024 সাল পর্যন্ত, তিনি Shorts Exploration-এর প্রধান হিসেবে দায়িত্ব পালন করেছেন, এই সময়ে তিনি Shorts ভিডিও সুপারিশ এবং আবিষ্কারের সিস্টেম সহ-তৈরি করেছেন এবং নেতৃত্ব দিয়েছেন এবং সুপারিশ সিস্টেম, স্কোরিং মডেল, ইন্টারেক্টিভ আবিষ্কার, বিশ্বাস এবং নিরাপত্তা এবং অন্যান্য ক্ষেত্রগুলি কভার করে একটি বড় মাপের মেশিন লার্নিং টিম তৈরি ও প্রসারিত করেছেন।
2024 সালে OpenAI-তে যোগদানের পর, তিনি প্রধানত মাল্টিমডাল পোস্ট-ট্রেনিং সংস্থার নেতৃত্ব দেন এবং তিনি GPT-4o স্পিচ মডেল এবং o4-মিনি-এর সহ-নির্মাতা।
এই সময়ের মধ্যে, তিনি প্রধানত RLHF, চিত্র/বক্তৃতা/ভিডিও/টেক্সট যুক্তি, মাল্টিমোডাল এজেন্ট, মাল্টিমোডাল স্পিচ টু স্পিচ (VS2S), ভিশন-ল্যাঙ্গুয়েজ-অ্যাকশন বেসিক মডেল (VLA), ক্রস-মোডাল মূল্যায়ন সিস্টেম ইত্যাদির প্রচার করেন এবং এছাড়াও মাল্টিমোডাল চেইন রিজনিং, বক্তৃতা স্বভাব/প্রাকৃতিকতা এবং মাল্টিমোডাল অপপ্রচার, স্বয়ংক্রিয়তা অপব্যবহার এবং অপসারণ পদ্ধতি। এর মূল লক্ষ্য হল পোস্ট-প্রশিক্ষণের মাধ্যমে আরও সাধারণ মাল্টিমডাল এআই এজেন্ট তৈরি করা।
হুইওয়েন চ্যাং
2013 সালে, হুইওয়েন চ্যাং সিংহুয়া বিশ্ববিদ্যালয়ের কম্পিউটার বিজ্ঞান বিভাগ (ইয়াও ক্লাস) থেকে স্নাতক হন এবং তারপরে পিএইচডি করার জন্য মার্কিন যুক্তরাষ্ট্রের প্রিন্সটন বিশ্ববিদ্যালয়ে যান। কম্পিউটার সায়েন্সে। তার গবেষণা চিত্র শৈলী স্থানান্তর, জেনারেটিভ মডেল এবং চিত্র প্রক্রিয়াকরণের উপর দৃষ্টি নিবদ্ধ করে। তিনি মাইক্রোসফ্ট রিসার্চ থেকে বৃত্তি পেয়েছেন।
ওপেনএআই-এ যোগদানের আগে, তিনি ছয় বছরেরও বেশি সময় ধরে Google-এ একজন সিনিয়র গবেষণা বিজ্ঞানী হিসেবে কাজ করেছেন এবং দীর্ঘকাল ধরে জেনারেটিভ মডেল এবং কম্পিউটার ভিশন গবেষণায় নিযুক্ত রয়েছেন। তিনি গুগল রিসার্চে মাস্কজিআইটি এবং মিউজ টেক্সট-টু-ইমেজ আর্কিটেকচার উদ্ভাবন করেছেন।
প্রারম্ভিক টেক্সট-টু-ইমেজ প্রজন্ম প্রধানত ডিফিউশন মডেলের উপর নির্ভর করত (যেমন DALL·E 2 এবং Imagen)। যদিও এই মডেলগুলির উচ্চ প্রজন্মের গুণমান রয়েছে, তবে তাদের ধীর অনুমান গতি এবং উচ্চ প্রশিক্ষণ খরচ রয়েছে। অন্যদিকে, মাস্কজিআইটি এবং মিউজ "বিচক্ষণতা + সমান্তরাল প্রজন্ম" পদ্ধতি ব্যবহার করে, যা দক্ষতাকে ব্যাপকভাবে উন্নত করে।
MaskGIT হল নন-অটোরিগ্রেসিভ ইমেজ জেনারেশনের জন্য একটি নতুন সূচনা পয়েন্ট, এবং Muse হল একটি প্রতিনিধিত্বমূলক কাজ যা এই পদ্ধতিটিকে টেক্সট ইমেজ জেনারেশনে ঠেলে দেয়। তারা স্টেবল ডিফিউশন হিসাবে সুপরিচিত নয়, তবে তারা একাডেমিক এবং ইঞ্জিনিয়ারিং সিস্টেমে খুব গুরুত্বপূর্ণ প্রযুক্তিগত ভিত্তি।
এছাড়াও, তিনি টপ ডিফিউশন মডেল পেপার "প্যালেট: ইমেজ-টু-ইমেজ ডিফিউশন মডেল" এর সহ-লেখকদের একজন।
এই কাগজটি SIGGRAPH 2022-এ প্রকাশিত হয়েছিল। এটি একটি ইউনিফাইড ইমেজ-টু-ইমেজ অনুবাদ ফ্রেমওয়ার্কের প্রস্তাব করেছে এবং ছবি পুনরুদ্ধার, রঙিনকরণ এবং সমাপ্তির মতো একাধিক কাজগুলিতে GAN এবং রিগ্রেশন বেসলাইনকে অতিক্রম করেছে। এটি এখন পর্যন্ত 1,700 বারের বেশি উদ্ধৃত করা হয়েছে এবং এই ক্ষেত্রের একটি প্রতিনিধিত্বমূলক অর্জনে পরিণত হয়েছে।
জুন 2023 সাল থেকে, তিনি OpenAI মাল্টিমোডাল টিমে যোগ দিয়েছেন এবং GPT-4o ইমেজ জেনারেশন ফাংশন সহ-উন্নত করেছেন, ইমেজ জেনারেশন এবং মাল্টিমোডাল মডেলিংয়ের মতো অত্যাধুনিক দিকনির্দেশনায় গবেষণা এবং বাস্তবায়নের প্রচার চালিয়ে যাচ্ছেন।
জি লিন
জি লিন মূলত মাল্টিমোডাল লার্নিং, রিজনিং সিস্টেম এবং সিন্থেটিক ডেটা নিয়ে গবেষণায় নিযুক্ত। তিনি GPT-4o, GPT-4.1, GPT-4.5, o3/o4-mini, অপারেটর এবং 4o ইমেজ জেনারেশন মডেল সহ বেশ কয়েকটি মূল মডেলের অবদানকারী।
তিনি সিংহুয়া বিশ্ববিদ্যালয় থেকে ইলেকট্রনিক ইঞ্জিনিয়ারিং (2014-2018) স্নাতক ডিগ্রি নিয়ে স্নাতক হন এবং তার পিএইচডি লাভ করেন। এমআইটি থেকে ইলেক্ট্রিক্যাল ইঞ্জিনিয়ারিং এবং কম্পিউটার সায়েন্সে, তার সুপারভাইজার ছিলেন বিখ্যাত পণ্ডিত প্রফেসর সং হ্যান।
তার ডক্টরাল অধ্যয়নের সময়, তার গবেষণাটি মডেল কম্প্রেশন, কোয়ান্টাইজেশন, ভিজ্যুয়াল ল্যাঙ্গুয়েজ মডেল এবং স্পার্স রিজনিং এর মতো গুরুত্বপূর্ণ ক্ষেত্রগুলিতে মনোনিবেশ করেছিল।
2023 সালে OpenAI-তে যোগদানের আগে, তিনি NVIDIA, Adobe এবং Google-এ একজন ইন্টার্ন গবেষক হিসেবে কাজ করেছিলেন এবং দীর্ঘকাল ধরে MIT-তে নিউরাল নেটওয়ার্ক কম্প্রেশন এবং ইনফরেন্স অ্যাক্সিলারেশন নিয়ে গবেষণায় নিযুক্ত ছিলেন, একটি গভীর তাত্ত্বিক ভিত্তি এবং প্রকৌশল অনুশীলনের অভিজ্ঞতা সঞ্চয় করেছেন।
একাডেমিক ক্ষেত্রে, তিনি মডেল কম্প্রেশন, কোয়ান্টাইজেশন এবং মাল্টিমডাল প্রাক-প্রশিক্ষণের ক্ষেত্রে অনেকগুলি উচ্চ-প্রভাবিত গবেষণাপত্র প্রকাশ করেছেন, যার মোট উদ্ধৃতি রয়েছে 17,800টিরও বেশি Google স্কলারে। তার প্রতিনিধিত্বমূলক অর্জনের মধ্যে রয়েছে ভিডিও বোঝার মডেল TSM, হার্ডওয়্যার-সচেতন কোয়ান্টাইজেশন পদ্ধতি AWQ, SmoothQuant এবং ভিজ্যুয়াল ল্যাঙ্গুয়েজ মডেল VILA।
এছাড়াও তিনি GPT-4o সিস্টেমের (যেমন GPT-4o সিস্টেম কার্ড) প্রযুক্তিগত ডকুমেন্টেশনের মূল লেখকদের একজন এবং তার AWQ পেপারের জন্য MLSys 2024 সেরা পেপার পুরস্কার জিতেছেন।
হংইউ রেন
হংইউ রেন পিকিং ইউনিভার্সিটি (2014-2018) থেকে কম্পিউটার বিজ্ঞান ও প্রযুক্তিতে স্নাতক ডিগ্রি এবং স্ট্যানফোর্ড বিশ্ববিদ্যালয় (2018-2023) থেকে কম্পিউটার বিজ্ঞানে ডক্টরেট ডিগ্রি লাভ করেন।
তিনি Apple, Baidu, এবং SoftBank Masason Foundation থেকে PhD ফেলোশিপ সহ একাধিক বৃত্তি পেয়েছেন। তার গবেষণা বৃহৎ ভাষার মডেল, জ্ঞান গ্রাফ যুক্তি, মাল্টিমডাল বুদ্ধিমত্তা এবং মৌলিক মডেল মূল্যায়নের উপর দৃষ্টি নিবদ্ধ করে।
OpenAI-তে যোগদানের আগে, Google, Microsoft, এবং NVIDIA-এ তার একাধিক ইন্টার্নশিপের অভিজ্ঞতা ছিল। উদাহরণস্বরূপ, 2021 সালে Apple-এ একজন ইন্টার্ন গবেষক হিসেবে কাজ করার সময়, তিনি Siri প্রশ্নোত্তর সিস্টেম নির্মাণে অংশগ্রহণ করেছিলেন।
জুলাই 2023-এ OpenAI-তে যোগদানের পর, Hongyu Ren একাধিক মূল মডেল যেমন GPT-4o, 4o-mini, o1-mini, o3-mini, o3 এবং o4-mini নির্মাণে অংশগ্রহণ করেন এবং প্রশিক্ষণ পরবর্তী দলের নেতৃত্ব দেন।
তার কথায়: "আমি মডেলদের দ্রুত, কঠিন এবং তীক্ষ্ণ চিন্তা করতে শেখাই।"
একাডেমিক ক্ষেত্রে, তার মোট Google স্কলারের উদ্ধৃতি 17,742 বার ছাড়িয়ে গেছে, এবং তার অত্যন্ত উদ্ধৃত কাগজপত্রের মধ্যে রয়েছে: "অন দ্য অপারচুনিটিজ অ্যান্ড রিস্কস অফ ফাউন্ডেশন মডেল" (6,127 বার উদ্ধৃত); "ওপেন গ্রাফ বেঞ্চমার্ক" (OGB) ডেটাসেট (3,524 বার উদ্ধৃত করা হয়েছে), ইত্যাদি।
জিয়াহুই ইউ
জিয়াহুই ইউ চীনের ইউনিভার্সিটি অফ সায়েন্স অ্যান্ড টেকনোলজির জুনিয়র ক্লাস থেকে কম্পিউটার সায়েন্সে স্নাতক ডিগ্রি নিয়ে স্নাতক হন এবং তারপর ইউনিভার্সিটি অফ ইলিনয় অ্যাট আরবানা-চ্যাম্পেইন (UIUC) থেকে কম্পিউটার বিজ্ঞানে ডক্টরেট পান।
তার গবেষণার ফোকাস গভীর শিক্ষা, ইমেজ জেনারেশন, বড় মডেল আর্কিটেকচার, মাল্টিমোডাল যুক্তি এবং উচ্চ কর্মক্ষমতা কম্পিউটিং অন্তর্ভুক্ত।
ওপেনএআই-তে তার মেয়াদকালে, জিয়াহুই ইউ উপলব্ধি দলের প্রধান হিসেবে দায়িত্ব পালন করেন, GPT-4o ইমেজ জেনারেশন মডিউল, GPT-4.1, o3/o4-mini-এর মতো গুরুত্বপূর্ণ প্রকল্পের উন্নয়নে নেতৃত্ব দেন এবং "থিংকিং উইথ ইমেজ" উপলব্ধি পদ্ধতির প্রস্তাব ও বাস্তবায়ন করেন।
এর আগে, তিনি প্রায় চার বছর ধরে Google DeepMind-এ কাজ করেছিলেন, সেই সময়ে তিনি PaLM-2 আর্কিটেকচার এবং মডেলিংয়ের মূল অবদানকারীদের একজন ছিলেন এবং জেমিনি মাল্টিমোডাল মডেলের উন্নয়নে সহ-নেতৃত্ব করেছিলেন। তিনি গুগলের মাল্টিমডাল কৌশলের অন্যতম গুরুত্বপূর্ণ প্রযুক্তিগত ব্যাকবোন।
এছাড়াও NVIDIA, Adobe, Baidu, Snap, Megvii এবং Microsoft Research Asia সহ অনেক প্রতিষ্ঠানে তার ইন্টার্নশিপের অভিজ্ঞতা রয়েছে। তার গবেষণায় GAN, অবজেক্ট ডিটেকশন, স্বায়ত্তশাসিত ড্রাইভিং, মডেল কম্প্রেশন, ইমেজ পুনরুদ্ধার এবং বড় আকারের গভীর শিক্ষার প্রশিক্ষণ ব্যবস্থা রয়েছে।
Jiahui Google Scholar-এ 34,500 বারের বেশি উদ্ধৃত করা হয়েছে, যার এইচ-ইনডেক্স 49। তার প্রতিনিধি গবেষণা ফলাফলের মধ্যে রয়েছে ইমেজ-টেক্সট অ্যালাইনমেন্টের জন্য মৌলিক মডেল CoCa, টেক্সট-টু-ইমেজ জেনারেশন মডেল পার্টি, স্কেলেবল নিউরাল নেটওয়ার্ক ডিজাইন BigNAS, এবং ইমেজ পুনরুদ্ধার প্রযুক্তি DeepFill v1 এবং v2, যা ফটোশপে ব্যাপকভাবে ব্যবহৃত হয়।
শেংজিয়া ঝাও
শেংজিয়া ঝাও সিংহুয়া বিশ্ববিদ্যালয়ের কম্পিউটার বিজ্ঞান বিভাগ থেকে স্নাতক হন। তিনি মার্কিন যুক্তরাষ্ট্রের রাইস ইউনিভার্সিটির একজন বিনিময় ছাত্র ছিলেন এবং পরে পিএইচডি লাভ করেন। স্ট্যানফোর্ড বিশ্ববিদ্যালয় থেকে কম্পিউটার সায়েন্সে। তিনি বৃহৎ মডেল আর্কিটেকচার, মাল্টিমোডাল যুক্তি এবং সারিবদ্ধতার উপর গবেষণার উপর দৃষ্টি নিবদ্ধ করেন।
2022 সালে, তিনি একটি মূল R&D সদস্য হিসাবে OpenAI-তে যোগদান করেন এবং GPT-4 এবং GPT-4o এর সিস্টেম ডিজাইনের সাথে গভীরভাবে জড়িত ছিলেন। তিনি ChatGPT, GPT-4, সমস্ত মিনি মডেল, 4.1 এবং o3-এর R&D-এর নেতৃত্ব দিয়েছেন এবং OpenAI সিন্থেটিক ডেটা দলের নেতৃত্ব দিয়েছেন।
তিনি "GPT-4 টেকনিক্যাল রিপোর্ট" (15,000 বারের বেশি উদ্ধৃত) এবং "GPT-4o সিস্টেম কার্ড" (1,300 বারের বেশি উদ্ধৃত) এর সহ-লেখক এবং একাধিক সিস্টেম কার্ড (যেমন OpenAI o1) লেখায় অংশগ্রহণ করেছেন। ওপেনএআই-এর মৌলিক মডেলগুলির প্রমিতকরণ এবং উন্মুক্ততার ক্ষেত্রে তিনি গুরুত্বপূর্ণ অবদানকারীদের একজন।
একাডেমিক পারফরম্যান্সের পরিপ্রেক্ষিতে, তার মোট 21,000টিরও বেশি Google স্কলার উদ্ধৃতি রয়েছে এবং 25টির একটি h-সূচক রয়েছে। তিনি ICLR 2022 আউটস্ট্যান্ডিং পেপার অ্যাওয়ার্ড, JP Morgan PhD Fellow, Qualcomm ইনোভেশন ফেলোশিপ (QinF) এবং Google এক্সেলেন্স স্কলারশিপ সহ অনেক পুরস্কার জিতেছেন।
গুগল → মেটা
পেই সান
2009 সালে, পেই সান সিংহুয়া বিশ্ববিদ্যালয় থেকে স্নাতক ডিগ্রি লাভ করেন এবং তারপরে স্নাতকোত্তর এবং ডক্টরেট ডিগ্রি অর্জনের জন্য কার্নেগি মেলন বিশ্ববিদ্যালয়ে যান। তিনি সফলভাবে তার স্নাতকোত্তর অধ্যয়ন সম্পন্ন করেন এবং ডক্টরাল পর্যায়ে ড্রপ আউট করার সিদ্ধান্ত নেন।
তিনি Google DeepMind-এর প্রধান গবেষক হিসেবে কাজ করেছেন, যেখানে তিনি জেমিনি মডেলের পোস্ট-ট্রেনিং, প্রোগ্রামিং এবং যুক্তির উপর দৃষ্টি নিবদ্ধ করেছেন। তিনি মিথুন সিরিজের মডেলের (জেমিনি 1, 1.5, 2, এবং 2.5 সহ) পোস্ট-ট্রেনিং, চিন্তাভাবনা প্রক্রিয়া নির্মাণ এবং কোড বাস্তবায়নের মূল অবদানকারীদের একজন।
ডিপমাইন্ডে যোগ দেওয়ার আগে, পেই প্রায় সাত বছর ধরে Waymo-এ একজন সিনিয়র গবেষণা বিজ্ঞানী হিসাবে কাজ করেছিলেন, Waymo-এর মূল উপলব্ধি মডেলগুলির দুটি প্রজন্মের বিকাশে নেতৃত্ব দিয়েছিলেন এবং স্বায়ত্তশাসিত ড্রাইভিং উপলব্ধি সিস্টেমের বিবর্তনে মূল ভূমিকা পালন করেছিলেন।
এর আগে, তিনি Google এ সফ্টওয়্যার প্রকৌশলী হিসেবে পাঁচ বছরেরও বেশি সময় ধরে কাজ করেছেন, এবং তারপরে সিস্টেম স্থাপত্য গবেষণা ও উন্নয়নে অংশ নিয়ে এক বছরেরও বেশি সময় ধরে প্রকৌশলী হিসেবে বিতরণ করা স্টোরেজ কোম্পানি Alluxio-তে যোগদান করেছেন।
Nexusflow → NVIDIA
বাংহুয়া ঝু
বাংহুয়া ঝু সিংহুয়া বিশ্ববিদ্যালয়ের ইলেকট্রনিক ইঞ্জিনিয়ারিং বিভাগ থেকে স্নাতক হন এবং তারপরে পিএইচডি করার জন্য ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়, বার্কলেতে যান। বৈদ্যুতিক প্রকৌশল এবং কম্পিউটার বিজ্ঞানে, বিখ্যাত পণ্ডিত মাইকেল আই জর্ডান এবং জিয়ানতাও জিয়াও-এর অধীনে।
তার গবেষণা মৌলিক মডেলগুলির দক্ষতা এবং নিরাপত্তার উন্নতির উপর দৃষ্টি নিবদ্ধ করে, পরিসংখ্যানগত পদ্ধতিগুলিকে মেশিন লার্নিং তত্ত্বের সাথে একীভূত করে এবং ওপেন সোর্স ডেটাসেট এবং সর্বজনীনভাবে অ্যাক্সেসযোগ্য সরঞ্জামগুলি তৈরি করতে প্রতিশ্রুতিবদ্ধ। তার আগ্রহের মধ্যে রয়েছে গেম থিওরি, রিইনফোর্সমেন্ট লার্নিং, হিউম্যান-কম্পিউটার মিথস্ক্রিয়া এবং মেশিন লার্নিং সিস্টেম ডিজাইন।
তার প্রতিনিধি কাগজ "চ্যাটবট এরিনা" মানুষের পছন্দ দ্বারা চালিত একটি বৃহৎ মডেল মূল্যায়ন প্ল্যাটফর্মের প্রস্তাব করেছিল, যা এলএলএম ক্ষেত্রের একটি গুরুত্বপূর্ণ মাপকাঠিতে পরিণত হয়েছিল।
এছাড়াও, তিনি RLHF, মানব প্রতিক্রিয়া সারিবদ্ধকরণ, ওপেন সোর্স অ্যালাইনমেন্ট মডেল ইত্যাদিতেও অবদান রেখেছেন। তার Google স্কলার দেখায় যে উদ্ধৃতির মোট সংখ্যা 3,100 ছাড়িয়েছে এবং এইচ-ইনডেক্স হল 23। এছাড়াও তিনি অনেক জনপ্রিয় ওপেন সোর্স প্রকল্পের মূল লেখকদের একজন, যেমন "চ্যাট মডেল" এবং "আর্বোট অ্যারেনা" "লার্জ মডেল"।
তিনি মাইক্রোসফটে রিসার্চ ইন্টার্ন এবং গুগলে ছাত্র গবেষক হিসেবে কাজ করেছেন। তিনি AI স্টার্টআপ Nexusflow-এর সহ-প্রতিষ্ঠা করেন। এই বছরের জুন মাসে, তিনি ঘোষণা করেছিলেন যে তিনি NVIDIA-এর স্টার নিমোট্রন দলে প্রধান গবেষণা বিজ্ঞানী হিসাবে যোগদান করেছেন। এছাড়াও, তিনি এই শরতে ওয়াশিংটন বিশ্ববিদ্যালয়ে সহকারী অধ্যাপক হিসেবে যোগ দেবেন।
রিলিজ অনুসারে, তিনি NVIDIA-তে পোস্ট-মডেল প্রশিক্ষণ, মূল্যায়ন, এআই অবকাঠামো এবং বুদ্ধিমান এজেন্ট নির্মাণের মতো প্রকল্পগুলিতে অংশগ্রহণ করবেন, ডেভেলপার এবং একাডেমিয়ার সাথে গভীর সহযোগিতার উপর জোর দেবেন এবং উৎস সম্পর্কিত ফলাফল খোলার পরিকল্পনা করবেন।
জিয়ানতাও জিয়াও
জিয়ানতাও জিয়াও ইউনিভার্সিটি অফ ক্যালিফোর্নিয়া, বার্কলেতে ইলেকট্রিক্যাল ইঞ্জিনিয়ারিং এবং কম্পিউটার সায়েন্স এবং পরিসংখ্যান বিভাগের একজন সহকারী অধ্যাপক।
তিনি তার পিএইচ.ডি. 2018 সালে স্ট্যানফোর্ড ইউনিভার্সিটি থেকে বৈদ্যুতিক প্রকৌশলে এবং বর্তমানে বার্কলে সেন্টার ফর থিওরিটিক্যাল লার্নিং (সিএলআইএমবি), বার্কলে কৃত্রিম বুদ্ধিমত্তা গবেষণা কেন্দ্র (বিএআইআর ল্যাব), ল্যাবরেটরি ফর ইনফরমেশন অ্যান্ড সিস্টেম সায়েন্স (বিএলআইএসএস), এবং বিকেন্দ্রীভূত বুদ্ধিমত্তা কেন্দ্র (বিএলআইএসএস) সহ বেশ কয়েকটি গবেষণা কেন্দ্রের সহ-পরিচালক বা সদস্য।
তার গবেষণা জেনারেটিভ এআই এবং মৌলিক মডেলের উপর দৃষ্টি নিবদ্ধ করে। এছাড়াও তিনি পরিসংখ্যানগত মেশিন লার্নিং, অপ্টিমাইজেশান থিওরি, রিইনফোর্সমেন্ট লার্নিং সিস্টেমের গোপনীয়তা এবং নিরাপত্তা, অর্থনৈতিক মেকানিজম ডিজাইন, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, কোড জেনারেশন, কম্পিউটার ভিশন, স্বায়ত্তশাসিত ড্রাইভিং এবং রোবোটিক্স বিষয়ে আগ্রহী।
Banghua Zhu এর মতো, তিনি Nexusflow-এর সহ-প্রতিষ্ঠাতাদের একজন এবং এখন আনুষ্ঠানিকভাবে NVIDIA-এ গবেষণা পরিচালক এবং বিশিষ্ট বিজ্ঞানী হিসেবে যোগ দিয়েছেন।
Jiao-এর মোট 7,259 টি উদ্ধৃতি এবং 34টির একটি h-সূচক রয়েছে। তার প্রতিনিধি কাগজপত্রের মধ্যে রয়েছে "শক্তিশালীতা এবং নির্ভুলতার মধ্যে তাত্ত্বিকভাবে নীতিগত বাণিজ্য" এবং "ব্রিজিং অফলাইন রিইনফোর্সমেন্ট লার্নিং এবং ইমিটেশন লার্নিং: এ টেল অফ পেসিমিজম" সহ-লেখক বাংহুয়া ঝু-এর সাথে সহ-লেখক, যা উভয়ই আল-আইপি-তে প্রকাশিত হয়েছিল।
ক্লদ → কার্সার
ক্যাথরিন উ
ক্যাথরিন উ অ্যানথ্রোপিক-এ ক্লড কোডের জন্য একজন পণ্য ব্যবস্থাপক হিসেবে কাজ করেছেন, নির্ভরযোগ্য, ব্যাখ্যাযোগ্য এবং নিয়ন্ত্রণযোগ্য AI সিস্টেম তৈরির দিকে মনোনিবেশ করেছেন। দ্য ইনফরমেশন অনুসারে, ক্যাথরিন উ কার্সর, একটি এআই প্রোগ্রামিং স্টার্টআপ, প্রোডাক্ট ম্যানেজার হিসাবে কাজ করার জন্য শিকার করেছে।
অ্যানথ্রপিকে যোগদানের আগে, তিনি সুপরিচিত ভেঞ্চার ক্যাপিটাল ফার্ম Index Ventures-এর একজন অংশীদার ছিলেন, যেখানে তিনি প্রায় তিন বছর কাজ করেছেন, এই সময়ে তিনি প্রাথমিক পর্যায়ে বিনিয়োগ এবং অনেক শীর্ষ স্টার্টআপের জন্য কৌশলগত সহায়তার সাথে গভীরভাবে জড়িত ছিলেন।
তার কর্মজীবন বিনিয়োগের বৃত্তে শুরু হয়নি, তবে সামনের লাইনের প্রযুক্তিগত অবস্থানগুলিতে মূল ছিল।
তিনি এর আগে ড্যাগস্টার ল্যাবসে একজন ইঞ্জিনিয়ারিং ম্যানেজার হিসাবে কাজ করেছিলেন, কোম্পানির প্রথম বাণিজ্যিক পণ্যের বিকাশে নেতৃত্ব দিয়েছিলেন এবং স্কেল এআই-তে প্রাথমিক পণ্য প্রকৌশলী হিসাবে, একাধিক মূল পণ্যের নির্মাণ এবং অপারেশনাল সম্প্রসারণে অংশগ্রহণ করেছিলেন।
এর আগে, তিনি JPMorgan Chase এ ইন্টার্নি করেন এবং প্রিন্সটন বিশ্ববিদ্যালয় থেকে কম্পিউটার বিজ্ঞানে স্নাতক ডিগ্রি লাভ করেন। স্কুলে থাকাকালীন, তিনি বিনিময় অধ্যয়নের জন্য সুইস ফেডারেল ইনস্টিটিউট অফ টেকনোলজিতেও যান।
টেসলা | ফিল ডুয়ান
ফিল ডুয়ান হলেন টেসলা এআই-এর প্রধান সফটওয়্যার প্রকৌশলী। তিনি বর্তমানে অটোপাইলটের অধীনে ফ্লিট লার্নিং দলের দায়িত্বে রয়েছেন এবং টেসলার স্বায়ত্তশাসিত ড্রাইভিং সিস্টেম (এফএসডি) এ "ডেটা + পারসেপশন" কোর মডিউল নির্মাণের প্রচারে প্রতিশ্রুতিবদ্ধ।
তিনি টেসলা দলকে একটি উচ্চ-থ্রুপুট, দ্রুত-পুনরাবৃত্তি ডেটা ইঞ্জিন তৈরি করতে নেতৃত্ব দেন যা লক্ষ লক্ষ গাড়ি থেকে ড্রাইভিং ডেটা সংগ্রহ করে, প্রক্রিয়া করে এবং স্বয়ংক্রিয়ভাবে টীকা দেয়, ডেটার গুণমান, পরিমাণ এবং বৈচিত্র্যের সমন্বিত অপ্টিমাইজেশনের উপর জোর দেয়। উপলব্ধির ক্ষেত্রে, তিনি মৌলিক ভিজ্যুয়াল মডেল, লক্ষ্য সনাক্তকরণ, আচরণের পূর্বাভাস, দখল নেটওয়ার্ক, ট্রাফিক নিয়ন্ত্রণ, এবং উচ্চ-নির্ভুল পার্কিং সহায়তা ব্যবস্থা সহ বেশ কয়েকটি মূল নিউরাল নেটওয়ার্ক নির্মাণের নেতৃত্ব দিয়েছেন এবং অটোপাইলট উপলব্ধি সিস্টেমের মূল নির্মাতাদের মধ্যে একজন।
তিনি উহান ইউনিভার্সিটি অফ টেকনোলজি থেকে অপটিক্যাল ইনফরমেশন সায়েন্স অ্যান্ড টেকনোলজিতে স্নাতক ডিগ্রি নিয়ে স্নাতক হন এবং তারপর ওহিও ইউনিভার্সিটি থেকে বৈদ্যুতিক প্রকৌশলে ডক্টরেট এবং স্নাতকোত্তর ডিগ্রি অর্জন করেন, এভিওনিক্সের উপর দৃষ্টি নিবদ্ধ করে। তিনি তার ডক্টরেট থিসিসের জন্য 2019 RTCA William E. Jackson পুরস্কার জিতেছেন, যা মার্কিন যুক্তরাষ্ট্রে অ্যাভিওনিক্স এবং টেলিকমিউনিকেশনের ক্ষেত্রে স্নাতক ছাত্রদের দেওয়া সর্বোচ্চ সম্মানগুলির মধ্যে একটি।
#iFanr: iFanr (WeChat ID: ifanr) এর অফিসিয়াল WeChat পাবলিক অ্যাকাউন্ট অনুসরণ করতে স্বাগতম, যেখানে যত তাড়াতাড়ি সম্ভব আরও উত্তেজনাপূর্ণ বিষয়বস্তু আপনার কাছে উপস্থাপন করা হবে।