جيريمي هوارد

ويكي
, , , ,
1

عالم بيانات أسترالي، ورائد أعمال متسلسل، ومعلم، يُعرف بأنه المؤسس المشارك لـ fast.ai، ومبتكر ULMFiT، وصوت رائد في ديمقراطية التعلم العميق.

الملف الشخصي
الولادة 13 نوفمبر 1973، لندن، إنجلترا (نشأ في ملبورن، أستراليا)
الجنسية أسترالي
المؤسسات الحالية fast.ai (باحث مؤسس)؛ Answer.AI (مؤسس مشارك)؛ جامعة كوينزلاند (أستاذ فخري)؛ مختبر ستانفورد للاقتصاد الرقمي (زميل رقمي)؛ CSIRO Data61 (زميل علوم ملحق)
مجالات البحث التعلم العميق، التعلم بالنقل، معالجة اللغة الطبيعية، إمكانية الوصول إلى الذكاء الاصطناعي، الذكاء الاصطناعي الطبي
التعليم بكالوريوس آداب، فلسفة — جامعة ملبورن (بدون شهادة رسمية في علوم الكمبيوتر)
الموقع الإلكتروني jeremy.fast.ai
X / تويتر @jeremyphoward
GitHub jph00
جوجل سكولار Jeremy Howard

نظرة عامة

جيريمي هاوارد هو واحد من أكثر الشخصيات غير الحاصلة على شهادات رسمية تأثيرًا في تاريخ الذكاء الاصطناعي الحديث. بدون شهادة في علوم الكمبيوتر، بنى مسارًا مهنيًا في الاستشارات الإدارية، وتحليلات التأمين، والبنية التحتية للبريد الإلكتروني قبل أن يكتشف التعلم الآلي ويصبح — حسب الترتيب التنافسي — أفضل عالم بيانات في العالم على منصة Kaggle في عامي 2010 و2011. أسس شركة Enlitic، أول شركة تطبق التعلم العميق على التشخيص الطبي، ثم شارك لاحقًا في تأسيس fast.ai، التي شاهد دورتها التعليمية أكثر من ستة ملايين شخص، وحصلت مكتبتها fastai على أكثر من 25,000 نجمة على GitHub. أسست خوارزميته ULMFiT (ACL 2018)، التي شارك في كتابتها مع سيباستيان رودر، التعلم بالنقل كنموذج قياسي لمعالجة اللغة الطبيعية وأثرت بشكل مباشر على منهجية تدريب GPT وChatGPT وما تبعهما. وهو أيضًا المؤسس المشارك لـ Answer.AI، وهو مختبر عملي للبحث والتطوير في الذكاء الاصطناعي تم إطلاقه في عام 2023، وقاد حركة Masks4All العالمية أثناء جائحة كوفيد-19، وشارك في كتابة مراجعة أدلة بارزة في PNAS. تتميز مسيرته المهنية بفلسفة ثابتة: أن أدوات الذكاء الاصطناعي القوية، التي تُفهم بدقة وتُشارك علنًا، يجب أن تكون في متناول أي شخص.

الحياة المبكرة والتعليم

وُلد هاوارد في لندن في 13 نوفمبر 1973، وانتقل مع عائلته إلى ملبورن، أستراليا في عام 1976. التحق بمدرسة ملبورن الثانوية ودرس الفلسفة في جامعة ملبورن. لا يحمل أي شهادة رسمية في علوم الكمبيوتر أو الرياضيات — وهي حقيقة أكد عليها مرارًا كدليل على أنه يمكن لأي شخص يرغب في استثمار الوقت أن يتعلم التعلم العميق. تضمنت مشاركته المبكرة في البرمجة مساهمات في مشاريع البنية التحتية مفتوحة المصدر: فقد ساهم في لغة البرمجة Perl كرئيس لمجموعة عمل Perl6-data، وفي خادم Cyrus IMAP وخادم Postfix SMTP.

المسيرة المهنية

الاستشارات الإدارية (أوائل التسعينيات – أواخر التسعينيات)

بدأ هاوارد حياته المهنية في الاستشارات الإدارية في شركتي McKinsey & Co وAT Kearney، وظل في مجال الاستشارات لمدة ثماني سنوات قبل أن يصبح رائد أعمال. في AT Kearney، قاد مجموعة «الاستفادة من معلومات العملاء»، وهي ممارسة دولية للتعلم الآلي وتحليلات البيانات. يصف نفسه بأنه أول محلل متخصص في McKinsey في أستراليا في أوائل التسعينيات، في وقت لم يكن يوجد فيه سوى اثنين من هؤلاء المتخصصين على مستوى العالم في الشركة.

FastMail وOptimal Decisions Group (أواخر التسعينيات – العقد الأول من القرن الحادي والعشرين)

أثناء وجوده في أستراليا، أسس هاوارد شركتين ناشئتين ناجحتين: مزود البريد الإلكتروني FastMail، الذي باعه لشركة Opera Software، وشركة تحسين تسعير التأمين Optimal Decisions Group (ODG)، التي باعها لشركة ChoicePoint. في ODG، ابتكر التسعير الأمثل للربح في التأمين، وهي طريقة تستخدمها الآن جميع شركات التأمين على المنازل والسيارات تقريبًا، وأنشأ طريقة Drivetrain لبناء منتجات البيانات.

Kaggle (2010–2013)

انخرط هاوارد لأول مرة مع Kaggle، منصة مسابقات علوم البيانات، بعد أن أصبح أفضل مشارك فيها عالميًا. تضمنت المسابقات التي فاز بها التنبؤ بالسياحة والتنبؤ بنجاح طلبات المنح. ثم أصبح رئيسًا وكبير العلماء في Kaggle. في ديسمبر 2011، نشرت مجلة Wired مقالًا عن هاوارد، واصفة إياه بـ «العالم بالصدفة». غادر Kaggle في ديسمبر 2013.

Enlitic (2014–2016)

في أغسطس 2014، أسس هاوارد شركة Enlitic لاستخدام التعلم الآلي لجعل أدوات التشخيص الطبي ودعم القرارات السريرية أسرع وأكثر دقة وأكثر سهولة في الوصول. جمع 15 مليون دولار في غضون عامين من إنشاء الشركة. صنفتها MIT Tech Review في المرتبة 14 على قائمتها لأذكى الشركات في العالم، متقدمة بقليل على Facebook وSpaceX. كانت Enlitic أول شركة في العالم تركز تحديدًا على التعلم العميق للتصوير الطبي — قبل عدة سنوات من موجة الشركات الناشئة في مجال الصحة بالذكاء الاصطناعي التي تلت ذلك.

fast.ai (2016–حتى الآن)

Fast.ai هي مجموعة بحثية غير ربحية تركز على التعلم العميق والذكاء الاصطناعي. تأسست في عام 2016 على يد جيريمي هاوارد وراشيل توماس بهدف ديمقراطية التعلم العميق. المنتج الرئيسي للمنظمة هو دورة «التعلم العملي العميق للمبرمجين» (course.fast.ai)، التي لا تتطلب أي متطلبات مسبقة بخلاف معرفة لغة بايثون، وقد وصفتها مجلة The Economist بأنها نموذج لتعليم الذكاء الاصطناعي الجماعي. شاهد الدورة أكثر من ستة ملايين شخص، وهي أطول وأكثر دورات التعلم العميق استخدامًا في العالم، وأطلقت العديد من المسارات المهنية في البحث والصناعة والشركات الناشئة.

توفر مكتبة fastai البرمجية، التي تم تطويرها بالاشتراك مع سيلفان غوغير، واجهة برمجية متعددة الطبقات فوق PyTorch تتيح النمذجة الأولية السريعة والنتائج المتطورة بأقل قدر من التعليمات البرمجية. لديها أكثر من 25,000 نجمة على GitHub. كما سجل هاوارد وطلابه أرقامًا قياسية في سرعة التدريب على معيار Stanford DawnBench في عام 2018، مما أظهر أن فريقًا صغيرًا يمكنه مجاراة أو التفوق على شركات التكنولوجيا الكبرى من حيث التكلفة والوقت لتدريب مصنفات ImageNet.

في fast.ai، ابتكر هاوارد أيضًا nbdev، وهي أداة برمجة أدبية تسمح للمطورين بكتابة مكتبات بايثون مباشرة في دفاتر Jupyter، مما يبسط بشكل كبير التوثيق والاختبار وتوزيع الحزم.

مبادرة ويكلو للذكاء الاصطناعي في الطب / جامعة سان فرانسيسكو

شغل هاوارد منصب عالم أبحاث متميز في جامعة سان فرانسيسكو ورئيسًا مؤسسًا لمبادرة ويكلو للذكاء الاصطناعي في الطب (WAMRI)، وبنى شراكات مع UCSF وهارفارد وستانفورد والعديد من المراكز الطبية الأكاديمية الأخرى، مما أسفر عن إنجازات بحثية طبية منشورة مهمة.

كوفيد-19 وMasks4All (2020–2021)

في وقت مبكر من الجائحة، أصبح هاوارد مدافعًا عامًا رائدًا عن وضع الكمامات بشكل شامل. قاد أكبر مراجعة أدلة حول الكمامات، نُشرت في وقائع الأكاديمية الوطنية للعلوم (PNAS)، وأصبحت الورقة الأكثر قراءة على الإطلاق على موقع preprints.org. كتب مقالات رأي في واشنطن بوست والغارديان وذا أتلانتيك، وظهر على شبكات التلفزيون الأمريكية الكبرى بما في ذلك Good Morning America وNightline.

Answer.AI (2023–حتى الآن)

شارك هاوارد في تأسيس Answer.AI مع إريك ريس كمختبر بحث وتطوير للذكاء الاصطناعي من نوع جديد يقوم بإنشاء منتجات عملية للمستخدم النهائي بناءً على اختراقات بحثية أساسية. فلسفة المختبر هي البقاء صغيرًا، والإصدار بسرعة، والتركيز على المنتجات المفيدة حقًا للمستخدمين الفرديين — على النقيض الصريح من اتجاه «الذكاء الاصطناعي الوكيل» للشركات الكبيرة. شملت الإصدارات المبكرة البارزة نظامًا يعتمد على FSDP وQLoRA يتيح تدريب نموذج بحجم 70 مليار معلمة على بطاقتي رسوميات استهلاكيتين، وأدوات تهدف إلى مساعدة المطورين والكتاب على تنمية قدراتهم الخاصة باستخدام المساعدة بالذكاء الاصطناعي.

المساهمات الرئيسية

  • ULMFiT — الضبط الدقيق لنموذج اللغة العالمي (ACL 2018) — شارك في تأليفه مع سيباستيان رودر. اقترح طريقة فعالة للتعلم بالنقل قابلة للتطبيق على أي مهمة في معالجة اللغة الطبيعية، مما يقلل الخطأ بنسبة 18–24% في غالبية مجموعات البيانات المعيارية، ويطابق أداء مجموعة البيانات الكاملة باستخدام 100 مثال فقط مصنف. استشهد به أكثر من 5000 مرة ويُنسب إليه الفضل باعتباره السلف التقني لنهج التدريب لعائلة GPT. عند النشر، واجه هاوارد ورودر شكوكًا كبيرة: فقد رفض المجتمع على نطاق واسع الضبط الدقيق باعتباره غير قائم على أساس، واستغرق تأكيد صحة ULMFiT عامًا.

  • دورة fast.ai — أطول دورة تعلم عميق عبر الإنترنت في العالم، تدرس منهجًا تعليميًا مميزًا من الأعلى إلى الأسفل يعتمد على البرمجة أولاً، وقد قدمت ملايين الممارسين لهذا المجال دون متطلبات مسبقة.

  • مكتبة fastai — واجهة برمجية متعددة الطبقات فوق PyTorch تتيح نتائج متطورة مع عدد أقل بكثير من أسطر التعليمات البرمجية؛ نُشرت مبادئ تصميمها الأساسية في مجلة Information المحكمة (2020). أكثر من 25,000 نجمة على GitHub.

  • nbdev — نظام برمجة أدبية لتطوير برامج بايثون في دفاتر Jupyter، بما في ذلك التوليد الآلي للاختبارات والتوثيق ونشر الحزم؛ تم تبنيه على نطاق واسع في مجتمعات fast.ai ومجتمعات بايثون مفتوحة المصدر.

  • Enlitic — أول شركة للتعلم العميق في الطب في العالم (2014)، أوضحت أن الشبكات العصبية العميقة يمكنها مجاراة أو تجاوز أداء أخصائيي الأشعة في مهام التصوير الطبي.

  • أرقام DawnBench القياسية للسرعة (2018) — مع طلاب fast.ai، سجلوا أرقامًا قياسية لأسرع وأرخص تدريب لـ ImageNet، متغلبين على فرقي Google وIntel، مما أظهر القوة العملية لمنهجية تدريب fast.ai.

  • التعلم العميق للمبرمجين مع fastai وPyTorch (O’Reilly, 2020) — شارك في تأليفه مع سيلفان غوغير؛ حصل على تقييم خمس نجوم على أمازون وأشاد به بيتر نورفيغ كأحد أفضل المصادر للمبرمجين ليصبحوا بارعين في التعلم العميق.

  • مراجعة أدلة الكمامات PNAS (2021) — قادها بالاشتراك مع 20 مؤلفًا من عدة مؤسسات؛ أصبحت الورقة الأكثر قراءة على موقع preprints.org وقت النشر وأثرت بشكل مباشر على سياسة الصحة العامة في العديد من البلدان.

  • محادثة TED — «الآثار الرائعة والمرعبة لأجهزة الكمبيوتر التي يمكنها التعلم» — أكثر من 2.5 مليون مشاهدة، تُرجمت إلى 26 لغة؛ واحدة من أكثر المقدمات مشاهدة للآثار المجتمعية للتعلم العميق.

الجوائز والتكريم

  • أذكى شركات MIT Technology Review (2015، 2016) — احتلت Enlitic المرتبة 14 عالميًا، متقدمة على Facebook وSpaceX.
  • Wired «العالم بالصدفة» (2011) — ملف تعريف يعترف بصعوده إلى المرتبة الأولى عالميًا على Kaggle.
  • الزعيم العالمي الشاب للمنتدى الاقتصادي العالمي — دُعي للتحدث في دافوس 2014 حول «وظائف للآلات».
  • أستاذ فخري، جامعة كوينزلاند (2022–حتى الآن) — اعتراف أكاديمي رسمي بمساهماته التعليمية.
  • زميل رقمي، مختبر ستانفورد للاقتصاد الرقمي (2023–حتى الآن) — زمالة منتسبة في معهد ستانفورد للذكاء الاصطناعي المتمحور حول الإنسان (HAI).

العلاقات الرئيسية

  • راشيل توماس — المؤسس المشارك لـ fast.ai؛ عالمة رياضيات وأخلاقية ومعلمة شاركت في إنشاء الدورة وأخرجت منهج أخلاقيات البيانات. جعلت الشراكة fast.ai واحدة من أكثر منظمات تعليم الذكاء الاصطناعي توازنًا في هذا المجال.
  • سيباستيان رودر — مؤلف مشارك لـ ULMFiT؛ باحث في معالجة اللغة الطبيعية كان آنذاك في مركز Insight لتحليلات البيانات، والآن في Google DeepMind. ربط التعاون بين معالجة اللغة الطبيعية الأكاديمية والنهج التطبيقي لـ fast.ai في لحظة محورية.
  • سيلفان غوغير — المساهم الأساسي والمشارك في صيانة مكتبة fastai وnbdev؛ مؤلف مشارك لكتاب «التعلم العميق للمبرمجين». العمق الهندسي وراء العديد من الأدوات العملية لـ fast.ai.
  • إريك ريس — المؤسس المشارك لـ Answer.AI؛ مبتكر منهجية الشركة الناشئة الرشيقة (Lean Startup). استشهد هاوارد بتأثير ريس على تفكيره حول التطوير التكراري للمنتجات والتكنولوجيا المفيدة.
  • بيتر نورفيغ — مدير الأبحاث في Google، الذي أيد علنًا كتاب «التعلم العميق للمبرمجين» باعتباره أحد أفضل كتب التعلم العميق المتاحة؛ حمل هذا التأييد ثقلًا كبيرًا في التحقق من صحة نهج هاوارد غير المعتمد على الشهادات.

الأسلوب الشخصي

هاوارد هو معارض متعمد في مسائل التربية والتعليم في مجال الذكاء الاصطناعي وثقافة البحث. دورته fast.ai تعكس التسلسل التقليدي — بدءًا من التطبيقات والعودة إلى النظرية — بناءً على الاعتقاد الصريح بأن الدافع يسبق الفهم، وأن وظيفة حراسة البوابة المتمثلة في المتطلبات الرياضية استبعدت تاريخيًا الأشخاص الأكثر قدرة على تطبيق الذكاء الاصطناعي بشكل مفيد. لقد كان معارضًا بنفس القدر في البحث: تم تطوير ونشر ULMFiT عندما كان مجتمع معالجة اللغة الطبيعية معاديًا بشدة للضبط الدقيق، وتحدت نتائجه في DawnBench عن قصد الافتراض بأن المنظمات الكبيرة فقط ذات الميزانيات الحوسبية الكبيرة هي التي يمكنها تطوير أحدث ما توصلت إليه التكنولوجيا. فلسفة Answer.AI تمتد لهذا: معارضة صريحة لـ «الذكاء الاصطناعي الوكيل» الذي يؤتمت البشر ويخرجهم من الحلقة، لصالح الأدوات التي تمنح الممارسين البشريين نفوذًا أكبر على عملهم الخاص. يكتب ويتحدث بلغة سهلة، بدون مصطلحات معقدة، وله سجل طويل من التفاعل المباشر مع المتعلمين — لا يزال جلسة الأسئلة والأجوبة (AMA) له على Reddit من عام 2014 مرتبطًا على نطاق واسع كمقدمة لتفكيره.

المراجع