كوك في. لي

ويكي
, , , ,
1

عالم حاسوب فيتنامي أمريكي وأحد الأعضاء المؤسسين لـ Google Brain، حيث وضع عمله في التسلسل إلى تسلسل، والبحث في البنية العصبية، والتعلم غير الخاضع للإشراف على نطاق واسع الأسس الهيكلية للتعلم العميق الحديث والذكاء الاصطناعي اللغوي.

نبذة شخصية
تاريخ الميلاد 1982، هونغ ثوي، توا ثين هيو، فيتنام
الجنسية فيتنامي أمريكي
المؤسسات الحالية Google DeepMind (عالم مميز؛ زميل Google)
مجالات البحث التعلم العميق، نماذج اللغة الكبيرة، البحث في البنية العصبية، AutoML، نمذجة التسلسل، تعلم التمثيل، الاستدلال الرياضي
المشرف على الدكتوراه أندرو نغ
أطروحة الدكتوراه تعلم الميزات القابلة للتوسع (جامعة ستانفورد، 2013)
الموقع الإلكتروني cs.stanford.edu/~quocle
إكس / تويتر @quocleix
جوجل سكولار Quoc V. Le — أكثر من 440,000 استشهاد

نظرة عامة

كوك في. لي (بالفيتنامية: Lê Viết Quốc) هو عالم مميز وزميل Google في Google DeepMind، وأحد أكثر باحثي الذكاء الاصطناعي تأثيرًا في جيله. بصفته عضوًا مؤسسًا في Google Brain عام 2011، كان في صميم العديد من التحولات النموذجية في التعلم العميق على مدى أكثر من عقد: من تجربة التعلم غير الخاضع للإشراف واسعة النطاق التي علمت الشبكة العصبية التعرف على القطط، إلى بنية التشفير-فك التشفير (seq2seq) التي تقوم عليها الترجمة الآلية الحديثة، إلى برنامج البحث في البنية العصبية الذي أتمتة تصميم النماذج. يتجاوز عدد استشهاداته على جوجل سكولار 440,000، مما يضعه بين أكثر الباحثين استشهادًا في تعلم الآلة. إلى جانب المخرجات التقنية، حافظ لي على التزام ثابت بإضفاء الطابع الديمقراطي على الوصول إلى الذكاء الاصطناعي في فيتنام من خلال الأدوار الاستشارية والتعليمية.

الحياة المبكرة والتعليم

ولد لي في عام 1982 في هونغ ثوي، إحدى ضواحي مقاطعة توا ثين هيو في وسط فيتنام. لقد وصف نشأته بدون كهرباء في المنزل، ولكن مع وجود مكتبة قريبة، حيث غذت روايات الاختراعات العظيمة طموحه المبكر لبناء كمبيوتر ذكي بما يكفي ليقوم باكتشافاته الخاصة. التحق بمدرسة كووك هوك هيو الثانوية للموهوبين، إحدى أكثر المدارس الثانوية تنافسية في فيتنام.

في عام 2004، انتقل لي إلى أستراليا لمتابعة الدراسات الجامعية في الجامعة الوطنية الأسترالية (ANU) في كانبرا، حيث عمل مع أليكس سمولا في NICTA (تكنولوجيا المعلومات والاتصالات الوطنية الأسترالية) على طرق النواة في تعلم الآلة. تخرج بمرتبة الشرف الأولى. خلال هذه الفترة، أمضى أيضًا بعض الوقت كباحث زائر في معهد ماكس بلانك لعلم التحكم البيولوجي في توبنغن، ألمانيا، في قسم برنهارد شولكوبف.

في عام 2007، انتقل لي إلى الولايات المتحدة لبدء دراسات الدكتوراه في جامعة ستانفورد تحت إشراف أندرو نغ. تناولت أطروحته، تعلم الميزات القابلة للتوسع، كيفية تدريب الشبكات العصبية العميقة على مجموعات بيانات كبيرة بشكل أكثر كفاءة، وهي مشكلة كانت مستعصية حسابيًا على نطاق ذي معنى في ذلك الوقت. حصل على درجة الدكتوراه في عام 2013.

المسيرة المهنية

مختبر ستانفورد للذكاء الاصطناعي / Google Brain المبكر (2009–2013)

أثناء إكمال الدكتوراه، بدأ لي التعاون مع أندرو نغ في التعلم العميق واسع النطاق — وهو العمل الذي جذب انتباه Google. في عام 2011، أصبح عضوًا مؤسسًا في Google Brain إلى جانب نغ، وجيف دين، وجريج كورادو. كانت أول نتيجة رئيسية للفريق، التي نُشرت في عام 2012، عبارة عن شبكة عصبية تم تدريبها على 16,000 نواة وحدة معالجة مركزية (CPU) تعلمت التعرف على القطط في الصور المصغرة على YouTube دون إعطائها أي بيانات مصنفة — واحدة من أولى العروض عالية المستوى للتعلم غير الخاضع للإشراف على نطاق واسع. جذبت الورقة تغطية إعلامية رئيسية في صحيفة نيويورك تايمز ومجلة ذا أتلانتيك، وجلبت الاهتمام العام للتعلم العميق كتقنية عملية.

Google Brain — من باحث علمي إلى عالم مميز (2013–2023)

بعد التخرج من ستانفورد، التحق لي بـ Google Brain بدوام كامل. على مدى العقد التالي، ارتقى في الرتب البحثية إلى باحث علمي أول ثم إلى عالم مميز، مساهمًا في العمل عبر العديد من المجالات الفرعية.

نمذجة التسلسل (2014). جنبًا إلى جنب مع إيليا سوتسكيفر وأوريول فينيالس، قدم لي بنية التسلسل إلى تسلسل (seq2seq) في مؤتمر NeurIPS 2014. أصبح إطار التشفير-فك التشفير، حيث تقوم شبكة متكررة بضغط تسلسل الإدخال إلى متجه بطول ثابت وأخرى بفك تشفيره إلى تسلسل الإخراج، السلف المباشر للمحوّل (Transformer) ودعم الجيل الأول من أنظمة الترجمة الآلية العصبية العملية. في نفس العام، مع توماش ميكولوف، قدم doc2vec (متجهات الفقرة)، موسعًا أفكار تضمين الكلمات إلى مستندات متغيرة الطول.

الترجمة الآلية العصبية من Google (2016). كان لي مساهمًا رئيسيًا في نظام الترجمة الآلية العصبية من Google (GNMT)، وهو النشر على نطاق إنتاجي لـ seq2seq الذي حل محل الأنظمة القائمة على العبارات في Google Translate وجلب الترجمة الآلية العصبية لمئات الملايين من المستخدمين.

البحث في البنية العصبية و AutoML (2017–2020). بدأ لي وقاد مشروع AutoML في Google Brain، حيث شارك في تأليف ورقة «البحث في البنية العصبية باستخدام التعلم المعزز» (2017) مع باريت زوف. أظهر العمل أن التعلم المعزز يمكن استخدامه لتصميم بنيات الشبكات العصبية تلقائيًا، مما يحل محل سنوات من الضبط اليدوي الخبير. أنتج العمل اللاحق تحت إشرافه البحث الفعال في البنية العصبية (ENAS)، و EfficientNet (2019) — وهي عائلة من مصنفات الصور التي تطابق أو تتجاوز دقة أحدث التقنيات بجزء صغير من عدد المعلمات — و AutoML-Zero (2020)، الذي طور خوارزميات تعلم الآلة من عمليات رياضية بدائية مع تدخل بشري شبه معدوم. أصبح المشروع في النهاية Google Cloud AutoML، مما أضفى الطابع الديمقراطي على تدريب النماذج للممارسين غير الخبراء.

Meena / LaMDA (2020). ساهم لي في Meena، التي أعيدت تسميتها لاحقًا LaMDA، وهو أحد نماذج المحادثة مفتوحة المجال واسعة النطاق المبكرة من Google المبني على أسس seq2seq، مما أظهر المسار من عمله على البنية في عام 2014 إلى أنظمة الحوار على مستوى الإنتاج.

الاستدعاء المتسلسل للفكر (2022). كان لي مؤلفًا كبيرًا مشاركًا في ورقة «الاستدعاء المتسلسل للفكر يحفز الاستدلال في نماذج اللغة الكبيرة» (NeurIPS 2022)، وهي واحدة من أكثر أوراق معالجة اللغة الطبيعية (NLP) استشهادًا في العقد 2020، والتي أظهرت أن حث نماذج اللغة الكبيرة (LLMs) على توليد خطوات استدلال وسيطة يحسن الأداء بشكل كبير في المهام متعددة الخطوات.

Google DeepMind (2023–الآن)

بعد اندماج Google Brain و DeepMind في عام 2023 لتشكيل Google DeepMind، يحمل لي لقب عالم مميز وزميل Google. واصل العمل على الاستدلال الرياضي، مساهمًا في AlphaGeometry (2024)، وهو نظام ذكاء اصطناعي حل 25 من 30 مسألة هندسية من أولمبياد الرياضيات الدولي — وهي نتيجة نُشرت في مجلة Nature وتعتبر على نطاق واسع علامة فارقة في إثبات النظريات الآلي.

الذكاء الاصطناعي لمؤسسة فيتنام (2025–الآن)

يعمل لي كمستشار أول للذكاء الاصطناعي لمؤسسة فيتنام (AIV)، وهي منظمة غير ربحية تعمل على تطوير أدوات الذكاء الاصطناعي المتكيفة مع اللغة الفيتنامية والسياق الثقافي، وبناء خطوط أنابيب المواهب المحلية في الذكاء الاصطناعي. لقد ذكر الوعي بمحدودية توفر موارد الذكاء الاصطناعي باللغة الفيتنامية كدافع شخصي لهذا الدور.

المساهمات الرئيسية

  • التعلم غير الخاضع للإشراف على نطاق واسع («ورقة القط»، 2012) — «بناء ميزات عالية المستوى باستخدام التعلم غير الخاضع للإشراف على نطاق واسع»، مع أندرو نغ وجيف دين. أول عرض عام أن الشبكة العصبية المدربة على فيديو غير مصنف بمقياس كاف تتعلم تلقائيًا تمثيلات ذات معنى دلالي، بما في ذلك «كاشف القطط». حصلت على جائزة ICML 2022 Test of Time Honorable Mention.

  • التعلم من التسلسل إلى تسلسل (seq2seq، 2014) — «التعلم من التسلسل إلى تسلسل باستخدام الشبكات العصبية» (NeurIPS 2014)، مع إيليا سوتسكيفر وأوريول فينيالس. قدمت بنية التشفير-فك التشفير التي أصبحت النموذج السائد للترجمة الآلية والتلخيص والحوار للعقد التالي، والسلف الهيكلي المباشر للمحوّل (Transformer). حصلت على جائزة NeurIPS 2024 Test of Time.

  • doc2vec / متجهات الفقرة (2014) — «التمثيلات الموزعة للجمل والمستندات»، مع توماش ميكولوف. وسعت تضمينات word2vec إلى النصوص متغيرة الطول، مما وفر طريقة عامة لتمثيل الجمل غير الخاضعة للإشراف المستخدمة على نطاق واسع قبل عصر المحوّل.

  • الترجمة الآلية العصبية من Google (GNMT، 2016) — مساهم رئيسي في نظام الإنتاج الذي حل محل خطوط الأنابيب القائمة على القواعد والعبارات في Google Translate، مما جلب الترجمة الآلية العصبية لمئات الملايين من المستخدمين وقضى على ما يقدر بثلث معدل خطأ Google Translate عند الإطلاق.

  • البحث في البنية العصبية باستخدام التعلم المعزز (NAS، 2017) — «البحث في البنية العصبية باستخدام التعلم المعزز»، مع باريت زوف. أظهر أن شبكة تحكم مدربة باستخدام التعلم المعزز (RL) يمكنها تصميم بنيات التفاف وتكرار تنافس أحدث التقنيات المصممة بشريًا، مما أسس مجال AutoML.

  • EfficientNet (2019) — مع مينغشينغ تان. قدم القياس المركب — توسيع نطاق عمق الشبكة وعرضها ودقتها بشكل منهجي بنسبة مبدئية — مما أنتج نماذج حققت حدودًا جديدة لكفاءة الدقة على ImageNet وانتقلت جيدًا إلى المهام النهائية. تستخدم على نطاق واسع في أنظمة الرؤية الإنتاجية.

  • الاستدعاء المتسلسل للفكر (2022) — مؤلف كبير مشارك في ورقة NeurIPS 2022 مع جيسون وي وديني تشو وآخرين. أظهرت الورقة أن حث نماذج اللغة على توليد خطوات استدلال صريحة يحسن الأداء بشكل كبير في معايير الاستدلال الحسابي والمنطقي والرمزي.

  • AlphaGeometry (2024) — مؤلف مساهم في ورقة «حل الهندسة الأولمبية بدون براهين بشرية»، نُشرت في مجلة Nature (يناير 2024). النظام، الذي يجمع بين نموذج لغوي مدرب على براهين هندسية اصطناعية ومحرك استنتاج رمزي، حل 25 من 30 مسألة هندسية من أولمبياد الرياضيات الدولي (IMO)، متجاوزًا متوسط أداء الحائزين على الميدالية الفضية في الأولمبياد.

الجوائز والتكريمات

  • جائزة أفضل ورقة في ECML (2007) — مُنحت عن العمل على طرق النواة خلال فترة دراسته في الجامعة الوطنية الأسترالية (ANU).
  • مبتكرون تحت 35 لمجلة MIT Technology Review (2014) — تم تكريمه لمساهماته في الترجمة الآلية العصبية من Google والتعلم غير الخاضع للإشراف على نطاق واسع.
  • جائزة ICML Test of Time Honorable Mention (2022) — عن «ورقة القط» لعام 2012 حول التعلم غير الخاضع للإشراف على نطاق واسع، تم تكريمها بعد عشر سنوات من النشر لتأثيرها الدائم.
  • زميل فخري لكلية الحوسبة بالجامعة الوطنية الأسترالية (2022) — مُنحت من قبل الجامعة الوطنية الأسترالية تقديراً للإنجاز المهني، كجزء من الاحتفال بالذكرى الخمسين لتعليم الحوسبة.
  • جائزة NeurIPS Test of Time (2024) — عن ورقة «التعلم من التسلسل إلى تسلسل باستخدام الشبكات العصبية» (2014)، التي شارك في تأليفها مع إيليا سوتسكيفر وأوريول فينيالس. وصفت لجنة الجائزة إطار seq2seq بأنه «حجر الزاوية» للذكاء الاصطناعي الحديث الذي أسس بنية التشفير-فك التشفير ووضع الأساس الضروري لنماذج اللغة الكبيرة.
  • زميل Google — واحد من عدد صغير من الباحثين في Google الذين يحملون لقب زميل Google، وهو أعلى لقب للمساهم الفردي التقني في الشركة.

العلاقات الرئيسية

  • أندرو نغ — مشرف الدكتوراه في ستانفورد والمؤسس المشارك لـ Google Brain؛ علاقة الإرشاد التي جلبت لي إلى مدار Google وشكلت منهجه في التعلم على نطاق واسع.
  • إيليا سوتسكيفر — متعاون وثيق على seq2seq في Google Brain؛ في وقت لاحق المؤسس المشارك لـ OpenAI وكبير العلماء. لا تزال ورقتهما لعام 2014 واحدة من أهم التعاونات في تاريخ التعلم العميق.
  • أوريول فينيالس — زميل Google Brain ومؤلف مشارك في seq2seq؛ في وقت لاحق نائب رئيس الأبحاث الجذرية في Google DeepMind.
  • جيف دين — المؤسس المشارك لـ Google Brain وكبير علماء Google؛ زميل كبير طوال مسيرة لي المهنية في Google ومؤلف مشارك في ورقة القط لعام 2012.
  • باريت زوف — المتعاون الرئيسي في البحث في البنية العصبية و EfficientNet؛ كان برنامج البحث في البنية العصبية (NAS) أكثر تعاون مستمر في فترة عمل لي في Google.
  • أليكس سمولا — مرشد في المرحلة الجامعية في الجامعة الوطنية الأسترالية (ANU) / NICTA الذي عرّف لي على أبحاث تعلم الآلة الصارمة من خلال طرق النواة.
  • جيسون وي — زميل أصغر في Google Brain؛ مؤلف مشارك في ورقة الاستدعاء المتسلسل للفكر؛ انتقل لاحقًا إلى OpenAI و Meta.
  • توماش ميكولوف — باحث في Facebook AI Research؛ مؤلف مشارك في doc2vec أثناء وجوده في Google Brain.

الأسلوب الشخصي

تتميز روح لي البحثية بدافع لإزالة الجهد البشري من خط أنابيب تعلم الآلة — الدافع وراء ورقة القط (التعلم غير الخاضع للإشراف على نطاق واسع)، و seq2seq (الترجمة المتعلمة من طرف إلى طرف)، و AutoML (تصميم البنية بدون ضبط بشري). لاحظ الزملاء أنه غير صبور مع العمليات اليدوية وينجذب إلى المشكلات حيث يمكن للأتمتة أن تحل محل العمل الخبير المضني. شخصيته العامة منخفضة المستوى نسبيًا مقارنة ببصمة استشهاداته؛ نادرًا ما يشارك في النقاشات السياسية أو خطاب الذكاء الاصطناعي على وسائل التواصل الاجتماعي، مفضلاً ترك النتائج المنشورة تحمل الجدل. يعكس مشاركته المستمرة مع فيتنام من خلال الذكاء الاصطناعي لمؤسسة فيتنام التزامًا شخصيًا بضمان أن التقنيات التي ساعد في بنائها يمكن الوصول إليها خارج السياقات التي تم تطويرها فيها في الأصل.

المراجع