باحث أمريكي في معالجة اللُّغة الطبيعية وأستاذ مشارك في معهد ماساتشوستس للتكنولوجيا (MIT)، يركز أبحاثُه على استغلال البنية التركيبية للغة — كمبدأ تصميمي وكموضوع بحثي — لبناء أنظمة تعلّم آلي تتعلم من التوجيه البشري، وفهم أسباب نجاح هذه الأنظمة.
نبذة عامة
| الجنسية | أمريكي |
| الجهات الحالية | مختبر علوم الحاسوب والذكاء الاصطناعي في MIT (CSAIL)؛ قسم الهندسة الكهربائية وعلوم الحاسوب في MIT (أستاذ مشارك في تطوير المسيرة المهنية في تكنولوجيا الحوسبة من ITT؛ أستاذ مشارك في الذكاء الاصطناعي + البيانات) |
| مجالات البحث | معالجة اللُّغة الطبيعية، التركيبية، تعلم اللغة المُجسَّد، الشبكات العصبية النمطية، التعلم ضمن السياق، اللغة وتعلم الآلة |
| المشرف على الدكتوراه | دان كلاين (Dan Klein) |
| أطروحة الدكتوراه | التعلم من اللغة (جامعة كاليفورنيا، بركلي، 2018) |
| الموقع الإلكتروني | web.mit.edu/jda/www |
| منصة X / تويتر | @jacobandreas |
| جيتهب (GitHub) | jacobandreas |
| جوجل سكولار (Google Scholar) | Jacob Andreas |
نظرة شاملة
يعمل جاكوب أندرياس (Jacob Andreas) أستاذًا مشاركًا في معهد ماساتشوستس للتكنولوجيا (MIT) ضمن قسم الهندسة الكهربائية وعلوم الحاسوب ومختبر علوم الحاسوب والذكاء الاصطناعي، حيث يشغل كرسي أستاذية تطوير المسيرة المهنية في تكنولوجيا الحوسبة من ITT. وهو مدير مجموعة اللُّغة والذكاء (LINGO). تقع أبحاثه على تقاطع معالجة اللُّغة الطبيعية وتعلم الآلة، ويتتبع سؤالًا محوريًا من اتجاهين: كيف يمكن استخدام البنية التركيبية للغة لبناء أنظمة تعلم أكثر قدرةً وقابليةً للتفسير، وماذا يخبرنا دراسة فهم اللغة عن المبادئ الحسابية الكامنة وراء الإدراك البشري؟ يُعرف أندرياس على نطاقٍ واسع بتقديمه الشبكات العصبية النمطية (NMNs)، وهي بنية تؤلف مكونات عصبية نمطية بشكل ديناميكي وفقًا للبنية النحوية للأسئلة — وهو إسهام تأسيسي في مجال الذكاء الاصطناعي العصبي-الرمزي والتركيبي. تلقى تعليمه في جامعة كولومبيا (بكالوريوس علوم)، وجامعة كامبريدج (ماجستير فلسفة بصفته زميل تشرشل)، وجامعة كاليفورنيا، بركلي (دكتوراه تحت إشراف دان كلاين). نعوم تشومسكي (Noam Chomsky) هو جدّ أستاذه الأكبر عبر تسلسل إشرافي: كلاين، وكريستوفر مانينغ (Christopher Manning)، وجوان بريسنان (Joan Bresnan).
النشأة والتعليم
جامعة كولومبيا — بكالوريوس علوم في علوم الحاسوب (2012)
أكمل أندرياس دراسته الجامعية في علوم الحاسوب بجامعة كولومبيا، حيث حصل على جائزة Theodore R. Bashkow لأبحاث علوم الحاسوب وجائزة Russell C. Mills للتفوق الدراسي — وهي مؤشرات مبكّرة على التركيز المزدوج على البحث والنظرية الذي يميز مسيرته المهنية اللاحقة. خلال هذه الفترة، عمل مع مجموعة معالجة اللُّغة الطبيعية في كولومبيا ومركز أنظمة التعلم الحاسوبي (الذي لم يعد قائمًا الآن).
جامعة كامبريدج — ماجستير فلسفة (2013)
بفضل منحة وينستون تشرشل الدراسية، تابع أندرياس درجة الماجستير في الفلسفة في مختبر الحاسوب بجامعة كامبريدج، حيث عمل مع مجموعة معالجة اللُّغة الطبيعية والمعلومات (NLIP). نالت رسالة الماجستير الخاصة به جائزة أفضل رسالة ماجستير في مختبر الحاسوب بجامعة كامبريدج — وهي واحدة من أكثر جوائز البحث تنافسية في تلك المرحلة من المسيرة الأكاديمية في المملكة المتحدة.
جامعة كاليفورنيا، بركلي — دكتوراه في الهندسة الكهربائية وعلوم الحاسوب (2013–2018)
أكمل أندرياس أبحاث الدكتوراه ضمن مجموعة بركلي لمعالجة اللُّغة الطبيعية ومختبر أبحاث الذكاء الاصطناعي في بركلي (BAIR) تحت إشراف دان كلاين. طوّرت أطروحته، التعلم من اللغة، إطارًا موحدًا لاستخدام البنية التركيبية للغة لتوجيه بنية نماذج تعلم الآلة عبر سياقات متعددة: الإجابة على الأسئلة البصرية (الشبكات العصبية النمطية)، وتعلم التعزيز المعزّز (الرسوم البيانية للسياسات)، وتحليل التمثيلات. حصل على زمالة أبحاث الدراسات العليا من مؤسسة العلوم الوطنية (2013–2016) وزمالة أبحاث الدراسات العليا من فيسبوك (2016–2018). تخرج في عام 2018.
يتصل تسلسله الإشرافي مباشرةً بنعوم تشومسكي: جاكوب أندرياس ← دان كلاين ← كريستوفر مانينغ ← جوان بريسنان ← نعوم تشومسكي.
المسيرة المهنية
ما بعد بركلي (2018–2019)
بعد الدكتوراه، شغل أندرياس لفترة وجيزة مناصب بحثية وأستاذ زائر قبل انضمامه إلى MIT. خلال هذه الفترة الانتقالية، واصل تطوير إطار الشبكات العصبية النمطية وامتداداته.
معهد ماساتشوستس للتكنولوجيا — أستاذ مشارك (2019–الآن)
انضم أندرياس إلى قسم الهندسة الكهربائية وعلوم الحاسوب في MIT كعضو هيئة تدريسية ضمن القسم ومختبر CSAIL. يشغل كرسي أستاذية تطوير المسيرة المهنية في تكنولوجيا الحوسبة من ITT، وهو كرسي مُسمّى لأعضاء هيئة التدريس في بداية مسيرتهم المهنية في MIT. يدير مجموعة اللُّغة والذكاء (LINGO) ويسعى إلى تحقيق ثلاثة برامج بحثية مترابطة.
التعلم التفاعلي من اللغة. حجة أساسية في أبحاث أندرياس هي أن الإشراف عبر اللُّغة الطبيعية أغنى نوعيًا من الأمثلة المُصنَّفة أو المكافآت العددية المستخدمة في تعلم الآلة القياسي، وأن بناء أنظمة يمكنها التعلم من نوع التعليمات التي يقدمها البشر لبعضهم البعض يتطلب بنى وطرق تدريب جديدة. أدى ذلك إلى أعمال حول تعلم دوال المكافأة، وتمثيلات التخطيط، وسلوكيات النماذج من الأوصاف اللغوية الطبيعية بدلاً من العروض التوضيحية منخفضة المستوى.
الفهم العلمي للنماذج العصبية. طوّر أندرياس أساليب لاستكشاف وتفسير ما تتعلمه نماذج اللُّغة العصبية، متسائلًا عما إذا كانت التمثيلات التي تكتسبها تتوافق مع فئات قابلة للتفسير البشري. قدّمت ورقته البحثية في مؤتمر ICLR لعام 2022 حول الأوصاف اللغوية الطبيعية للميزات البصرية العميقة أداة لتوليد شروحات باللغة الطبيعية لما تكتشفه الخلايا العصبية الفردية. عمله في ICLR 2023 حول التعلم ضمن السياق اقترح تحليلًا نظريًا للخوارزمية التي ينفذها التعلم ضمن السياق القائم على الانحدار، مؤطرًا إياه كاستدلال بايزي ضمني عبر النماذج الخطية.
التركيبية وفهم اللغة الشبيه بالإنسان. يهتم عمله بشكل مستمر بكيفية تعامل البشر والنماذج مع البنية التركيبية — خاصية أن معنى التعبير المُعقَّد يُبنى من معاني أجزائه. حلل عمله التركيبية كتناظر معجمي، وطوّر إسقاطات شجرية لتمييز كيفية تمثيل المحولات للبنية التركيبية داخليًا، وبنى نماذج حسابية للاستدلال العملي. ورقة بحثية في عام 2024 حول تدريب الاستنتاج الاستنباطي وورقة في ICLR 2025 حول استنباط التفضيلات البشرية باستخدام نماذج اللُّغة تُوسّع هذه الأجندة إلى مجال التوافق.
تتعاون مجموعته بانتظام مع علماء الإدراك واللغويين، مما يعكس التزامه بالتبادل ثنائي الاتجاه بين دراسة اللُّغة البشرية وأنظمة تعلم الآلة. هو معترف به كمدرس: حصل على جائزة Junior Bose للتدريس من كلية الهندسة في MIT (2023) وجائزة Kolokotrones التعليمية من قسم الهندسة الكهربائية وعلوم الحاسوب في MIT (2021)، وتم اختياره كأحد الفائزين المشتركين بجائزة Edgerton من MIT في أبريل 2026.
الإسهامات الرئيسية
-
الشبكات العصبية النمطية (NMNs، NAACL 2016، أفضل ورقة بحثية؛ CVPR 2016) — بعنواني „تعلم تأليف الشبكات العصبية للإجابة على الأسئلة“ و„الإجابة التركيبية العميقة على الأسئلة باستخدام الشبكات العصبية النمطية“، بالتعاون مع ماركوس رورباخ (Marcus Rohrbach) وتريفور داريل (Trevor Darrell) ودان كلاين (Dan Klein). قدمت فئة من البنى يتم فيها أولًا تحليل سؤال باللغة الطبيعية إلى شجرة حسابية منظمة، ثم استخدامها لتجميع شبكة بشكل ديناميكي من مكتبة من الوحدات العصبية القابلة لإعادة الاستخدام — واحدة لتحديد موقع الأشياء، وأخرى لتصنيف السمات، وثالثة للمقارنة، وهكذا — والتي تُدرَّب بشكل مشترك. كانت NMNs من بين الأنظمة الأولى التي تربط صراحةً البنية التركيبية اللغوية ببنية الشبكة العصبية، محققةً نتائج متطورة على معايير متعددة للإجابة على الأسئلة البصرية ومؤثرةً على سنوات من العمل اللاحق في الذكاء الاصطناعي التركيبي والعصبي-الرمزي.
-
الرسوم البيانية للسياسات لتعلم التعزيز متعدد المهام (ICML 2017، ذكر مشرف لأفضل ورقة بحثية) — بعنوان „تعلم التعزيز المعياري متعدد المهام باستخدام الرسوم البيانية للسياسات“. وسّع فكرة التركيبية النمطية إلى تعلم التعزيز: „رسوم بيانية“ عالية المستوى باللغة الطبيعية تصف بنية الهدف الفرعي لمهمة تسهل تعلم السياسات الفرعية النمطية، مما يُمكّن من تعلم أسرع ونقل عبر المهام. أظهر أن التعليقات اللغوية أكثر كفاءة بشكل ملحوظ من تشكيل المكافأة القياسي.
-
الأوصاف اللغوية الطبيعية للميزات البصرية العميقة (ICLR 2022) — اقترح MILAN (التعليقات اللغوية للخلايا العصبية الموجهة بالمعلومات المتبادلة)، وهو إطار لتوليد أوصاف باللغة الطبيعية لما تستجيب له الخلايا العصبية الفردية أو كاشفات الميزات في الشبكة العصبية. وفر إحدى أولى الأدوات القابلة للتوسع للتفسير التلقائي للأدوار الوظيفية للتمثيلات الداخلية في نماذج الرؤية الكبيرة.
-
ما خوارزمية التعلم التي يمثلها التعلم ضمن السياق؟ (ICLR 2023، ورقة بحثية بارزة) — تحقيق تحليلي فيما ينفذه التعلم ضمن السياق، موضحًا أنه بالنسبة للنماذج الخطية تحت الانحدار التدريجي، فإن التعلم ضمن السياق يعادل الاستدلال البايزي الضمني. إسهام نظري ساعد في وضع التعلم ضمن السياق ضمن إطار نظرية التعلم الكلاسيكي وأثر على الأعمال اللاحقة في فهم سلوك نماذج اللُّغة الكبيرة.
-
التركيبية كتناظر معجمي (ACL 2023، جائزة رئيس القسم) — أعطى توصيفًا رياضيًا رسميًا للتركيبية كخاصية تناظر للعناصر المعجمية في اللغة، رابطًا المفهوم البديهي للتركيبية بالبنية النظرية الزمرية ومقدمًا أدوات لقياسها في النماذج العصبية.
-
استنباط التفضيلات البشرية باستخدام نماذج اللُّغة (ICLR 2025) — استكشف استخدام نماذج اللُّغة كأنظمة استعلام نشطة لاستنباط التفضيلات البشرية الكامنة، مساهمًا في التقاطع المتنامي بين أجندة أندرياس حول التركيبية وتعلم اللغة مع المشكلات ذات الصلة بمجال التوافق.
الجوائز والتكريمات
- جائزة Edgerton من قسم الهندسة الكهربائية وعلوم الحاسوب في MIT (2026) — جائزة MIT للإسهامات الاستثنائية في التدريس والبحث والخدمة من قبل الأساتذة المساعدين أو المشاركين؛ تم الإعلان عن التكريم المشترك في أبريل 2026.
- باحث العام في الذكاء الاصطناعي من سامسونج (2021) — تم اختياره كأفضل باحث شاب في الذكاء الاصطناعي.
- جائزة Junior Bose للتدريس من كلية الهندسة في MIT (2023) — جائزة التميز في التدريس من كلية الهندسة في MIT لأعضاء هيئة التدريس في بداية مسيرتهم المهنية.
- جائزة Kolokotrones التعليمية من قسم الهندسة الكهربائية وعلوم الحاسوب في MIT (2021) — جائزة التميز في التدريس على مستوى القسم.
- جائزة CAREER من مؤسسة العلوم الوطنية (NSF) — جائزة من مؤسسة العلوم الوطنية للباحثين في بداية مسيرتهم المهنية ذوي الإمكانات العالية للقيادة.
- زميل كافلي، الأكاديمية الوطنية للعلوم (NAS) — تم تسميته زميل كافلي من قبل الأكاديمية الوطنية للعلوم تقديرًا لإسهاماته في أبحاث الذكاء الاصطناعي واللغة.
- أفضل ورقة بحثية، NAACL 2016 — عن ورقة „تعلم تأليف الشبكات العصبية للإجابة على الأسئلة“، ورقة الشبكات العصبية النمطية.
- ذكر مشرف لأفضل ورقة بحثية، ICML 2017 — عن ورقة „تعلم التعزيز المعياري متعدد المهام باستخدام الرسوم البيانية للسياسات“.
- أفضل ورقة بحثية، NAACL 2024 — عن ورقة „يساعد التثبيت البصري في تعلم معاني الكلمات في ظروف البيانات المنخفضة“.
- جائزة رئيس القسم، ACL 2023 — عن ورقة „التركيبية كتناظر معجمي“.
- ورقة بحثية بارزة، ICLR 2023 — عن ورقة „ما خوارزمية التعلم التي يمثلها التعلم ضمن السياق؟“
- زمالة أبحاث الدراسات العليا من فيسبوك (2016–2018) — زمالة دكتوراه تنافسية في أبحاث الذكاء الاصطناعي.
- زمالة أبحاث الدراسات العليا من مؤسسة العلوم الوطنية (2013–2016) — زمالة دكتوراه وطنية.
- جائزة أفضل رسالة ماجستير، مختبر الحاسوب بجامعة كامبريدج (2013) — أفضل جائزة رسالة في مختبر الحاسوب بجامعة كامبريدج.
- منحة وينستون تشرشل الدراسية (2012–2013) — منحة دراسية تنافسية من الولايات المتحدة إلى المملكة المتحدة للدراسات العليا في مجالات العلوم والتكنولوجيا والهندسة والرياضيات (STEM).
- جائزة Theodore R. Bashkow (جامعة كولومبيا، 2012) — جائزة لأبحاث علوم الحاسوب المتميزة على المستوى الجامعي.
العلاقات الرئيسية
- دان كلاين (Dan Klein) — المشرف على الدكتوراه في بركلي؛ عالم لغويات حاسوبية وقائد مجموعة بركلي لمعالجة اللُّغة الطبيعية، وقد شكلت أعماله في التحليل النحوي والاستنباط النحوي والتنبؤ المهيكل بشكل مباشر النهج التركيبي لأندرياس. يُعتبر الخط الفكري لكلاين-أندرياس واحدًا من أوضح الخطوط في معالجة اللُّغة الطبيعية الحديثة.
- كريستوفر مانينغ (Christopher Manning) — جد الأستاذ (المشرف على دكتوراه كلاين) وباحث رائد في ستانفورد في معالجة اللُّغة الطبيعية؛ جزء من النسب الأكاديمية الذي يربط التجريبية الحديثة في معالجة اللُّغة الطبيعية بالشكلانية التشومسكية.
- نعوم تشومسكي (Noam Chomsky) — جد الأستاذ الأكبر؛ الاهتمام المفاهيمي بالتركيبية والبنية اللغوية الذي ي pervades أعمال أندرياس هو في انحدار فكري مباشر من النحو التوليدي التشومسكي، عبر بريسنان ومانينغ وكلاين.
- تريفور داريل (Trevor Darrell) — أستاذ في قسم الهندسة الكهربائية وعلوم الحاسوب في بركلي ومؤلف مشارك في أوراق الشبكات العصبية النمطية؛ قدم منظور الرؤية الحاسوبية الذي جعل NMNs ملموسة في مهام الإجابة على الأسئلة البصرية.
- ماركوس رورباخ (Marcus Rohrbach) — مؤلف مشارك في الأوراق الأصلية لـ NMNs؛ جلب خبرة التثبيت البصري وتعدد الوسائط إلى إطار الشبكات العصبية النمطية.
- كيفين نايت (Kevin Knight) — رقم كيفين نايت واحد؛ „رقم كيفين نايت“ هو تحية مرحة في مجتمع معالجة اللُّغة الطبيعية؛ شارك أندرياس في التأليف المباشر مع نايت، مما يشير إلى انغماسه في تقاليد معالجة اللُّغة الطبيعية الشكلية/الإحصائية.
الأسلوب الشخصي
يتميز أسلوب أندرياس البحثي بوعي غير معتاد بالعلاقة بين النظرية اللغوية وتعلم الآلة — فهو يصوغ بشكل روتيني مشاكل تعلم الآلة من خلال مفاهيم مستمدة من اللسانيات الشكلية (التركيبية، النحو، علم الدلالة المعجمي، التداولية) ويستخدم، بالمقابل، أساليب تعلم الآلة لاختبار الفرضيات اللغوية. كتاباته الأكاديمية دقيقة ومقتضبة؛ وعروضه التقديمية ومنشوراته في المدونات تظهر فكاهة جافة وقدرة على تحمّل التجارب الفكرية المحددة رسميًا. تحدث وكتب عن قيمة العمل النظري البطيء والدقيق في عصر تهيمن عليه نتائج التوسع، مجادلاً بأن فهم لماذا تعمل النماذج لا يقل أهمية عن جعلها تعمل بشكل أفضل. بيانه التوجيهي، المنشور علنًا، صريح بشأن نوع الطالب الذي يعمل معه بشكل أفضل: أولئك الذين تنجذبهم الأسئلة التأسيسية حول اللغة والعقل، وليس أولئك الذين يسعون بشكل أساسي إلى مراكز في لوحات المتصدرين. سمعته التدريسية في MIT — التي تنعكس في جوائز متعددة — تشير إلى التزام غير عادي بالتربية الجامعية والدراسات العليا إلى جانب البحث.
المراجع
- الموقع الشخصي: web.mit.edu/jda/www
- صفحة MIT EECS: eecs.mit.edu
- مجموعة LINGO: lingo.csail.mit.edu
- جوجل سكولار: scholar.google.com
- أطروحة الدكتوراه من بركلي: eecs.berkeley.edu
- السيرة الذاتية: mit.edu
- سيرة معهد سيمونز: simons.berkeley.edu
- صفحة Digg: digg.com/u/x/jacobandreas