Soumith Chintala

ويكي
, , , ,
1

مبتكر مشارك وقائد طويل الأمد لـ PyTorch، الإطار مفتوح المصدر الذي يدعم أكثر من 90% من الأبحاث العالمية في الذكاء الاصطناعي — مهندس من مواليد حيدر آباد، رُفض من اثنتي عشرة جامعة أمريكية للدراسات العليا، ثم مضى لبناء الطبقة البرمجية التي يعمل عليها معظم الذكاء الاصطناعي الحديث.

الملف الشخصي

المجال التفاصيل
الجنسية هندي أمريكي
تاريخ الميلاد حيدر آباد، الهند
المنصب الحالي كبير مسؤولي التكنولوجيا، مختبر Thinking Machines؛ باحث منتسب، جامعة نيويورك
مجالات البحث البنية التحتية للذكاء الاصطناعي، أطر عمل التعلم العميق، النظم البيئية مفتوحة المصدر، النماذج التوليدية، الروبوتات المنزلية
التعليم بكالوريوس تكنولوجيا، تكنولوجيا المعلومات، VIT Vellore (2009)؛ ماجستير علوم، علوم الحاسوب، جامعة نيويورك (حوالي 2012)
الموقع الشخصي soumith.ch
المدونة soumith.ch/blog
إكس / تويتر @soumithchintala
جيت هاب @soumith
جوجل سكولار scholar.google.com

نظرة عامة

سوميث شينتالا هو مهندس وباحث وباني مجتمعي هندي أمريكي في مجال الذكاء الاصطناعي، اشتهر بكونه المبتكر المشارك والقائد الطويل الأمد لـ PyTorch — إطار التعلم العميق مفتوح المصدر الذي بناه في معهد أبحاث الذكاء الاصطناعي (FAIR) التابع لـ Meta بدءًا من عام 2016، والذي نما ليصبح القوة الدافعة لأكثر من 90% من أبحاث وأنظمة الإنتاج في الذكاء الاصطناعي عالميًا. أمضى إحدى عشرة سنة في Meta، وغادرها في نوفمبر 2025 بعد أن ترك ما وصفه بأنه «أحد أكثر المقاعد نفوذًا في صناعة الذكاء الاصطناعي». ثم انضم إلى مختبر Thinking Machines، الشركة الناشئة في مجال الذكاء الاصطناعي التي أسستها ميرا موراتي، حيث عُيّن كبير مسؤولي التكنولوجيا في يناير 2026. تشمل إسهاماته البحثية أوراقًا تأسيسية حول شبكات GAN (LAPGAN، DCGAN، Wasserstein GAN)، وأعمال البنية التحتية المجتمعية (Torch-7، EBLearn، convnet-benchmarks)، وأبحاثًا جارية في الروبوتات المنزلية في جامعة نيويورك. يُستشهد بقصته على نطاق واسع كمثال على المثابرة: فقد تقدم إلى اثنتي عشرة جامعة أمريكية للحصول على درجة الماجستير ورُفض من جميعها قبل أن يحصل في النهاية على القبول من جامعة نيويورك، حيث درس تحت إشراف يان ليكون.

النشأة والتعليم

نشأ شينتالا في حيدر آباد، الهند، والتحق بمدرسة حيدر آباد العامة. بحسب روايته الخاصة، كان يعاني من الرياضيات في سنواته الأولى، واتجه إلى الحواسيب وحل المشكلات من خلال الفضول الذاتي لا التفوق الأكاديمي. وقد وصف مسيرته بأنها تشكلت بفعل انجذاب عميق للبرمجيات مفتوحة المصدر — وهو توجه يعزوه جزئيًا إلى نشأته دون سهولة الوصول إلى الإجابات، واكتشافه أن المعرفة المفتوحة «تسوي الملاعب».

بكالوريوس تكنولوجيا، تكنولوجيا المعلومات — معهد فيلور للتكنولوجيا (VIT)، تاميل نادو، الهند، 2005–2009
أكمل شينتالا دراسته الجامعية في VIT Vellore، وهي كلية هندسية هندية متوسطة المستوى بمعايير التوظيف التنافسي في قطاع التكنولوجيا الهندي. بعد التخرج، تقدم إلى اثنتي عشرة جامعة أمريكية لنيل درجة الماجستير في علوم الحاسوب — ورُفض من جميعها. بدلاً من العودة إلى الهند أو التخلي عن خطته، انتقل إلى الولايات المتحدة بتأشيرة J-1 دون مسار واضح للمستقبل، وتمكن في النهاية من الحصول على القبول في جامعة نيويورك.

ماجستير علوم، علوم الحاسوب — جامعة نيويورك (حوالي 2010–2012)
في جامعة نيويورك، أشرف على شينتالا يان ليكون، الذي كان حينها يحوّل معهد كورانت في جامعة نيويورك إلى مركز لأبحاث التعلم العميق. غطت أعماله في الدراسات العليا مجالات الروبوتات ورؤية الحاسوب والنمذجة التوليدية المبكرة، وضمت إسهامات في EBLearn — إطار تعلم عميق بلغة C++ كان يصونه إلى جانب ليكون وبيير سيرمانيه. كانت هذه الفترة تكوينية: العمل مباشرة تحت إشراف ليكون في السنوات الأولى لنهضة التعلم العميق، والمساهمة في أدوات التعلم الآلي مفتوحة المصدر، أسس للعمق التقني والتوجه المجتمعي الذي سيحدد مسيرته المهنية اللاحقة.

المسيرة المهنية

EBLearn وأعمال مفتوحة المصدر المبكرة (قبل 2012)

قبل وأثناء دراسته للماجستير في نيويورك، شارك شينتالا في صيانة EBLearn، وهو إطار عمل للتعلم العميق بلغة C++ طُوّر في مختبر ليكون. في ذروته، كان EBLearn أحد الأدوات الرئيسية لأبحاث التعلم العميق، وشكّل عمل شينتالا عليه — إلى جانب أبحاث الروبوتات ورؤية الحاسوب التي أجراها في جامعة نيويورك — مدخله إلى النظام البيئي للتعلم الآلي مفتوح المصدر.

Meta / Facebook AI Research (FAIR) (2014–2025)

انضم شينتالا إلى Facebook AI Research في عام 2014، عندما كان FAIR فريقًا صغيرًا يضم حوالي اثني عشر باحثًا. وصف سنوات FAIR المبكرة — خاصة 2015 و2016 — بأنها «على الأرجح أكثر سنوات حياتي إنتاجية ومتعة مهنية»، وهي فترة عمل فيها على شبكات GAN، واكتشاف الأشياء، وروبوتات Starcraft، والبنية التحتية الأساسية إلى جانب روب فيرغس وليون بوتو ويان ليكون وأليك رادفورد وآخرين. ارتقى لاحقًا إلى منصب نائب الرئيس قبل أن يغادر في نوفمبر 2025.

Torch-7 و convnet-benchmarks (2014–2016)
قبل PyTorch، كان الإطار السائد مفتوح المصدر للتعلم العميق المستخدم من قبل Facebook وGoogle DeepMind وTwitter هو Torch-7 — وهو إطار قائم على Lua كان شينتالا يصونه. كما أنشأ convnet-benchmarks، وهي مجموعة اختبارات معيارية للشبكات العصبية أصبحت المعيار الذهبي الذي استخدمته NVIDIA وAMD وIntel Nervana من 2015 إلى 2017 لتحسين أجهزة التعلم العميق لديهم. أسست هذه الإسهامات الأقل احتفاءً ممارسة التقييم المفتوح المقارن الصارم لأنظمة التعلم الآلي التي شكلت لاحقًا فلسفة تصميم PyTorch.

LAPGAN و DCGAN (2015)
بالتعاون مع ريمي دينتون وآرثر زلام وروب فيرغس وآخرين، شارك شينتالا في تأليف LAPGAN (NIPS 2015) — وهي واحدة من أولى الأوراق التي تولد صورًا فوتوغرافية معقولة باستخدام نهج يعتمد على شبكات GAN، وذلك باستخدام بنية هرم لابلاسيان. الورقة المرافقة DCGAN (arXiv 2015، مع رادفورد وميتز) قدمت بنية GAN التلافيفية العميقة مع تقنيات تثبيت التدريب التي جعلت شبكات GAN قابلة للاستخدام عمليًا لتوليد الصور. أصبحت DCGAN واحدة من أكثر أوراق GAN استشهادًا وأطلقت فعليًا عصر نمذجة الصور التوليدية التي أدت إلى Stable Diffusion وDALL-E وأنظمة توليد الصور اللاحقة.

Wasserstein GAN (2017)
شارك في تأليفها مع مارتن أرجوفسكي وليون بوتو، وقدمت مسافة Wasserstein كهدف تدريبي لشبكات GAN، مما حسن استقرار التدريب والأساس النظري بشكل كبير. وصف شينتالا لاحقًا تخليه عن شبكات GAN «بعد الفشل في جعلها خوارزميات تدريب مستقرة» — وهو تقييم صادق يعكس أيضًا روحه الهندسية: إذا لم يمكن نشر تقنية بشكل موثوق، فهي لا تستحق بعد استثماره الكامل.

PyTorch — المشاركة في الإنشاء والقيادة (2016–2025)
أنشئ PyTorch في FAIR في عام 2016 وأُصدر للجمهور في أوائل 2017. ضم المساهمون المؤسسون شينتالا وآدم بازكي وسام غروس وغريغ تشانان وألبان ديسميزون وإدوارد يانغ وآخرين. فلسفة التصميم الرئيسية — الرسوم البيانية للحساب الديناميكية (التعريف عن طريق التشغيل) بدلاً من الرسوم البيانية الثابتة لـ TensorFlow — جعلت PyTorch أسهل بكثير في التصحيح والتكرار، كما أن واجهة برمجة التطبيقات التي تركز على Python خفضت حاجز الدخول أمام الباحثين دون خبرة في برمجة الأنظمة.

خدم شينتالا كقائد بحكم الأمر الواقع لـ PyTorch لما يقرب من ثماني سنوات، وعمل في الوقت نفسه كمدير منتج وقائد تقني ومدير اتصالات ومدير مجتمع ومهندس إصدارات. أجاب على آلاف الأسئلة في منتدى PyTorch ومنتديات Torch؛ وقد وصف هذا الاستثمار المجتمعي الشعبي بأنه أساسي لكيفية بناء المنتجات الجيدة. تحت إشرافه، نما PyTorch من نموذج أولي بحثي إلى الإطار الذي يغذي أساسًا كل شركة ذكاء اصطناعي رائدة — بما في ذلك تدريب GPT وClaude وGemini وLLaMA وStable Diffusion — بالإضافة إلى النشر في الإنتاج في Tesla وInstagram وTikTok وSnapchat وPinterest وبرامج البحث الصيدلانية الكبرى.

وصف منشور مدونته عند المغادرة (6 نوفمبر 2025) PyTorch بأنه يتعامل مع «تدريب بحجم إكسا» ويغذي «النماذج التأسيسية التي تعيد تعريف الذكاء»، وأكد أن الإطار قد حقق «أكثر من 90% من التبني في الذكاء الاصطناعي». غادر بهدف صريح هو «فعل شيء صغير مرة أخرى» — الهروب من نفوذ منصبه لاستعادة الشعور بالبناء من الصفر.

جامعة نيويورك — أبحاث الروبوتات المنتسبة (2019–حتى الآن)

بجانب دوره في Meta، تعاون شينتالا مع ليريل بينتو في جامعة نيويورك في مشاريع روبوتات منزلية تهدف إلى بناء روبوتات يمكنها أداء المهام المنزلية دون تدريب مكثف خاص بكل مهمة:

  • نماذج المرافق الروبوتية — أظهرت دقة بنسبة ~90% في الصفرية على المهام الأساسية (فتح الباب، فتح الدرج، إعادة توجيه الأشياء) في بيئات جديدة غير مألوفة.
  • حول جلب الروبوتات إلى المنزل (DobbE) — 109 مهام، تم اختبارها في 10 منازل في نيويورك، نسبة نجاح 81%، مع 20 دقيقة مطلوبة لتعلم مهمة جديدة.
  • عمل إضافي حول التمثيلات اللمسية، والتلاعب الماهر، وأنظمة الذاكرة الدلالية للروبوتات المنزلية.

مختبر Thinking Machines — كبير مسؤولي التكنولوجيا (نوفمبر 2025–حتى الآن)

بعد مغادرة Meta في نوفمبر 2025، انضم شينتالا إلى مختبر Thinking Machines التابع لميرا موراتي، معلنًا ببساطة: «آلات مفكرة… الناس رائعون». في يناير 2026، بعد رحيل باريت زوف (الذي عاد إلى OpenAI)، عيّنته موراتي كبير مسؤولي التكنولوجيا. وصفته موراتي بأنه «قائد لامع وذو خبرة» مع أكثر من عقد من الإسهامات التأسيسية في البنية التحتية للذكاء الاصطناعي. تركيزه الحالي ينصب على البنية التحتية للذكاء الاصطناعي وأبحاث الذكاء الاصطناعي والروبوتات في Thinking Machines.

الإسهامات الرئيسية

  • PyTorch — شارك في إنشائه وقاده لما يقرب من ثماني سنوات؛ إطار التعلم العميق مفتوح المصدر الذي يستخدمه الآن أكثر من 90% من باحثي الذكاء الاصطناعي حول العالم ويغذي تقريبًا كل نظام ذكاء اصطناعي متطور في الإنتاج. التصميم القائم على الرسم البياني للحساب الديناميكي وواجهة برمجة التطبيقات التي تركز على Python والتي دافع عنها شينتالا أسست النموذج السائد لتصميم أطر التعلم الآلي.

  • DCGAN (arXiv 2015، مع رادفورد وميتز) — قدمت بنية GAN التلافيفية العميقة مع تقنيات تثبيت التدريب (تطبيع الدفعة، اختيارات تنشيط محددة) التي جعلت شبكات GAN مفيدة عمليًا؛ واحدة من أكثر أوراق النمذجة التوليدية استشهادًا والأساس للعقد التالي من أبحاث توليد الصور.

  • LAPGAN (NIPS 2015) — واحدة من أولى العروض التوضيحية لتوليف الصور فائقة الواقعية باستخدام شبكات GAN، باستخدام نهج هرم لابلاسيان؛ ساعدت في ترسيخ النمذجة التوليدية القائمة على GAN كاتجاه بحثي قابل للتطبيق.

  • Wasserstein GAN (ICML 2017) — قدمت هدف التدريب القائم على مسافة Wasserstein لشبكات GAN، مما حسن استقرار التدريب بشكل كبير وقدم أساسًا نظريًا؛ أساسي لمنهجية تدريب GAN اللاحقة.

  • Torch-7 — صان إطار التعلم العميق القائم على Lua قبل PyTorch الذي استخدمته Google DeepMind وTwitter وMeta؛ السلف المباشر لـ PyTorch والمنصة المجتمعية التي اختبرت عليها أفكار تصميم PyTorch لأول مرة.

  • convnet-benchmarks — أنشأ مجموعة الاختبارات المعيارية المعيارية الذهبية للتعلم العميق (2015–2017) التي استخدمتها NVIDIA وAMD وIntel Nervana لتحسين أجهزتهم؛ مثال مبكر ومؤثر على التقييم المفتوح المقارن لأنظمة التعلم الآلي.

  • EBLearn — شارك في صيانة إطار التعلم العميق بلغة C++ مع يان ليكون وبيير سيرمانيه قبل عام 2012؛ إحدى سلائف النظام البيئي الحديث لأطر التعلم الآلي.

  • الروبوتات المنزلية (مع ليريل بينتو، جامعة نيويورك) — أظهر أداء المهام المنزلية الصفري (نماذج المرافق الروبوتية) والتعلم القابل للتوسع من العرض في المنازل الحقيقية (DobbE) — ساهم في قاعدة الأدلة للروبوتات المنزلية القابلة للنشر.

الجوائز والتكريم

  • TIME100 AI — أُدرج في قائمة مجلة Time لأكثر الأشخاص تأثيرًا في الذكاء الاصطناعي.
  • يُنسب إليه الفضل على نطاق واسع في تمكين عصر الذكاء الاصطناعي الحديث من خلال دور PyTorch في تدريب GPT وClaude وLLaMA وStable Diffusion ومعظم النماذج الرائدة الأخرى.
  • أثر مجتمع PyTorch — إشراف شينتالا لمدة 8 سنوات على PyTorch معترف به على نطاق واسع كواحد من أكثر الإسهامات الفردية تأثيرًا في البنية التحتية للذكاء الاصطناعي؛ وصفه الزملاء بـ«الطبقة البرمجية التي تغذي صناعة الذكاء الاصطناعي بأكملها».

العلاقات الرئيسية

  • يان ليكون — المشرف على الدراسات العليا في جامعة نيويورك؛ وظف شينتالا في FAIR؛ وأرجع إليه شينتالا الفضل إلى جانب روب فيرغس في «بناء FAIR المبكر السحري». كان دعم ليكون المبكر لطالب من مؤسسة غير مرموقة، وتعاونه المستمر مع شينتالا في FAIR، حاسمًا في مسار شينتالا.
  • آدم بازكي — مبتكر مشارك أساسي في PyTorch؛ وكان في ذلك الوقت طالبًا جامعيًا في بولندا ساهم في قاعدة بيانات PyTorch ودُعي للتدريب في FAIR — مثال على انفتاح شينتالا على المساهمين بغض النظر عن المؤهلات.
  • أليك رادفورد — زميل في FAIR ومؤلف مشارك في DCGAN؛ أنتجت فترة أبحاث GAN في FAIR بعضًا من أكثر الأعمال المبكرة استشهادًا لكلا الباحثين.
  • مارتن أرجوفسكي وليون بوتو — مؤلفان مشاركان في Wasserstein GAN؛ بوتو هو باحث كبير في FAIR وأحد الآباء الرياضيين للمجال.
  • ميرا موراتي — صاحبة العمل الحالي والرئيسة التنفيذية لمختبر Thinking Machines؛ عينت شينتالا كبير مسؤولي التكنولوجيا في يناير 2026.
  • ليريل بينتو — متعاون في جامعة نيويورك في مجال الروبوتات المنزلية؛ يمثل عملهما المشترك تركيز شينتالا البحثي الأكثر استدامة خارج البنية التحتية للتعلم الآلي.
  • مارك زوكربيرغ ومايك شرويفر (شريب) — منشور مغادرة شينتالا أرجع الفضل صراحةً لكليهما في «الإيمان بأن المصدر المفتوح مهم بشكل أساسي وهو استراتيجية عمل سليمة» — مؤطرًا المصدر المفتوح كقناعة مشتركة وليس سياسة من أعلى إلى أسفل.

الأسلوب الشخصي

يمكن قراءة القيم المهنية لشينتالا مباشرة من قائمة المبادئ في موقعه الشخصي: إنه «يتبنى الكسل» (أتمتة كل شيء غير مرغوب فيه)، و«يتبنى البساطة»، و«يتجنب المشاكل التافهة أو الافتراضية»، و«يحب المصادر المفتوحة بشغف». النقطة الأخيرة هي الأكثر سيرة ذاتية: فهو يعزو التزامه بالمصادر المفتوحة إلى نشأته دون سهولة الوصول إلى المعرفة ورؤية النشر المفتوح للأدوات كطريقة لـ «تسوية الملعب». أسلوبه في إدارة المجتمع — الإجابة على آلاف أسئلة المنتدى، والبقاء في متناول الجميع، والترحيب بالمساهمات من طلاب الجامعات في بولندا وطلاب الدراسات العليا في NeurIPS — يعكس نفس الغريزة المساواتية التي جعلت مجتمع PyTorch يزدهر. وصفه لمغادرة Meta يلتقط صراعًا يسري خلال مسيرته المهنية بأكملها: الصراع بين النفوذ المؤسسي (قيادة الإطار الذي يدير كل الذكاء الاصطناعي) والحرية الإبداعية لبناء شيء صغير وغير مريح. قراره بالمغادرة لصالح الفضول، بدلاً من البقاء من أجل السلطة، يتوافق مع القيم التي عبر عنها طوال مسيرته.

المراجع