دانيال روي

ويكي
, , , ,
1

عالم رياضيات وإحصاء كندي شارك في اختراع لغة البرمجة الاحتمالية Church، وقدم عملية Mondrian، وأثبت حدودًا أساسية لقابلية حساب الاحتمال الشرطي، وبنى نظرية تعميم PAC-Bayes التي تربط الأوليات البايزية بالتعلم العميق — وهو الآن في Google DeepMind.

نبذة شخصية
الجنسية كندي
المؤسسة الحالية Google DeepMind (باحث زائر، لندن، 2026–حتى الآن)؛ جامعة تورنتو (أستاذ، في إجازة — قسم العلوم الإحصائية وقسم علوم الحاسوب)
مجالات البحث أسس التعلم الآلي، نظرية التعلم، الإحصاء البايزي غير الوسيطي، البرمجة الاحتمالية، نظرية الاحتمالات القابلة للحساب، التعلم عبر الإنترنت، التحليل غير القياسي
المشرف على الدكتوراه Leslie Kaelbling
أطروحة الدكتوراه قابلية الحساب والاستدلال والنمذجة في البرمجة الاحتمالية (MIT، 2011)
الموقع الإلكتروني danroy.org
X / Twitter @roydanroy
GitHub droy
Google Scholar Daniel Roy

نظرة عامة

دانيال م. روي (دان) هو أستاذ كندي للإحصاء في جامعة تورنتو — في إجازة منذ يناير 2026 كباحث زائر في Google DeepMind في لندن — وقد قدم إسهامات أساسية في أربعة مجالات متميزة: البرمجة الاحتمالية (بصفته مشاركًا في إنشاء Church)، والإحصاء البايزي غير الوسيطي (عملية Mondrian وعمليات graphex للرسوم البيانية العشوائية)، والمنطق الرياضي للاحتمال (قابلية حساب الاحتمال الشرطي، مقاييس de Finetti القابلة للحساب)، ونظرية التعلم الحديثة (حدود تعميم PAC-Bayes للشبكات العميقة، التعقيد المعلوماتي للتحسين المحدب العشوائي). حصل على جميع شهاداته الثلاث من MIT، وكان زميل نيوتن الدولي للجمعية الملكية وزميل أبحاث في كلية إيمانويل في كامبريدج، وانضم إلى جامعة تورنتو في أوائل عام 2010، حيث كان عضوًا مؤسسًا في هيئة التدريس في معهد Vector وشغل بعد ذلك منصب مديره البحثي حتى ديسمبر 2025. فازت ورقته البحثية الأفضل في ICML 2024، حول التعقيد المعلوماتي في التحسين المحدب العشوائي، بالتقدير بعد عشر سنوات من أشهر أعماله في البرمجة الاحتمالية — وهي فترة تعكس الاتساع والمدة غير العاديين لبرنامجه البحثي الأساسي. درّب شبكة خريجين بارزة، حيث يشغل طلابه السابقون وزملاؤه ما بعد الدكتوراه الآن مناصب أكاديمية في شيكاغو وكوبنهاغن وواترلو وأوسلو وباريس وكلية إمبريال كوليدج لندن.

الحياة المبكرة والتعليم

كان روي مشاركًا مبكرًا في البرنامج الصيفي لمعهد أبحاث العلوم (RSI) في عام 1998. أكمل جميع شهاداته الثلاث في علوم الحاسوب والهندسة الكهربائية في معهد ماساتشوستس للتكنولوجيا.

بكالوريوس العلوم وماجستير الهندسة، MIT — كانت أطروحته للماجستير، بعنوان „Naive Bayes العنقودية“ (2006)، استكشافًا مبكرًا للنمذجة الاحتمالية للتصنيف. خلال سنوات البكالوريوس والماجستير، شارك في تأليف أوراق بحثية حول تحليل البرامج وسلامة الذاكرة (OSDI 2004، ACSAC 2004، WODA 2004) مع مجموعة Martin Rinard في MIT CSAIL — وهي خلفية في مجال الأنظمة غير معتادة لشخص سيتخصص لاحقًا في المنطق الاحتمالي.

الدكتوراه، MIT CSAIL (2006–2011) — أكمل روي الدكتوراه في مختبر علوم الحاسوب والذكاء الاصطناعي في MIT تحت إشراف Leslie Kaelbling، مع مشاركة عميقة في مجموعة Josh Tenenbaum للعلوم المعرفية الحاسوبية. تناولت أطروحته، بعنوان قابلية الحساب والاستدلال والنمذجة في البرمجة الاحتمالية، تقاطع نظرية الحساب والمنطق الرياضي والإحصاء البايزي. وفازت بجائزة جورج م. سبرولز لأطروحات الدكتوراه في قسم EECS في MIT — وهي أعلى وسام في القسم لأطروحات الدكتوراه. تشمل المكونات الرئيسية للأطروحة لغة البرمجة الاحتمالية Church، ونتائج حول قابلية حساب الاحتمال الشرطي، وتحليل لمقاييس de Finetti القابلة للحساب.

كامبريدج — زميل نيوتن الدولي وزميل أبحاث كلية إيمانويل — بعد الدكتوراه، حصل روي على زمالة نيوتن الدولية من الجمعية الملكية وزمالة بحثية في كلية إيمانويل، كامبريدج. في كامبريدج انضم إلى مجموعة التعلم الآلي لـ Zoubin Ghahramani ومختبر التعلم الحاسوبي والبيولوجي، مما عمّق أسس النمذجة الاحتمالية التي طورها في MIT.

المسيرة المهنية

MIT CSAIL — البحث الدكتوراه و Church (2006–2011)

كان الناتج الأكثر شهرة لسنوات الدكتوراه لروي هو إنشاء Church، وهي لغة برمجة احتمالية تم تقديمها في UAI 2008 (مع Noah Goodman و Vikash Mansinghka و Keith Bonawitz و Josh Tenenbaum). وسعت Church الحساب على غرار Lisp مع بديهيات عشوائية، مما أعطى طريقة مبدئية لتحديد نماذج توليدية معقدة — بما في ذلك توزيعات على العبارات في اللغة الطبيعية، والصور المُنشأة، وقياسات المناخ — كبرامج، وإجراء استدلال بايزي على تواريخ تنفيذها عبر سلسلة ماركوف مونت كارلو. أصبحت Church واحدة من الوثائق التأسيسية لمجال البرمجة الاحتمالية وأثرت على جيل من الأنظمة بما في ذلك Anglican و Venture و Pyro و Stan.

كان الخيط الرياضي الأعمق في أطروحته عبارة عن سلسلة من النتائج حول قابلية حساب الاحتمال الشرطي ومقاييس de Finetti. أظهرت النتيجة السلبية المركزية — المنشورة في LICS 2011 ولاحقًا في مجلة ACM مع Nathanael Ackerman و Cameron Freer — أن توزيعات الاحتمال الشرطي ليست قابلة للحساب بشكل عام من التوزيع المشترك، حتى عندما يكون المشترك قابلاً للحساب: الاستدلال البايزي، بمعنى دقيق، غير قابل للحل خوارزميًا. النتائج المصاحبة حول مقاييس de Finetti القابلة للحساب (Annals of Pure and Applied Logic، 2012، مع Freer) وسعت نتائج الاستحالة هذه إلى المتواليات القابلة للتبادل.

كامبريدج — زميل نيوتن الدولي وكلية إيمانويل (2011–2013)

في كامبريدج، عمل روي مع مجموعة Zoubin Ghahramani على النماذج البايزية غير الوسيطية وأسس البرمجة الاحتمالية الخاصة بها. أنتجت فترة كامبريدج، من بين أمور أخرى، عملاً استقصائيًا تأسيسيًا حول النماذج البايزية للرسوم البيانية والهياكل العشوائية القابلة للتبادل (IEEE PAMI، 2014، مع Peter Orbanz)، والذي أنشأ إطار graphex — وهو معالجة موحدة للنماذج البايزية للبيانات العلائقية والشبكية من خلال عدسة قابلية التبادل — كبرنامج بحثي منظم.

جامعة تورنتو — أستاذ (ح. 2013–2026، مع إجازة من 2026)

انضم روي إلى قسم العلوم الإحصائية في جامعة تورنتو وتم تعيينه بشكل متقاطع في قسم علوم الحاسوب وقسم العلوم الحاسوبية والرياضية في UTSC. وهو رئيس الكرسي الكندي للذكاء الاصطناعي CIFAR وكان عضوًا مؤسسًا في هيئة التدريس في معهد Vector، وشغل بعد ذلك منصب مديره البحثي حتى 31 ديسمبر 2025.

عمليات Mondrian والغابات العشوائية. عملية Mondrian (NIPS 2009، مع Yee Whye Teh) هي عملية عشوائية تُولّد أقسامًا مستطيلة هرمية للفضاء متعدد الأبعاد، يكون توزيعها متسقًا مع نفسه عبر المقاييس — وهو نوع من التناظر المكاني لعملية Dirichlet. وسعت Mondrian Forests (NIPS 2014، AISTATS 2015، 2016، مع Balaji Lakshminarayanan و Yee Whye Teh) هذا إلى غابات عشوائية قابلة للتطوير عبر الإنترنت مع تحديد عدم اليقين. أعطت Mondrian Kernel (UAI 2016) نواة صريحة تقابل عملية Mondrian، مما ربط نموذج التقسيم بطرق النواة.

عمليات Graphex والرسوم البيانية العشوائية المتناثرة. قام برنامج بحثي مستدام مع Victor Veitch وآخرين بتعميم نظرية Aldous-Hoover للرسوم البيانية القابلة للتبادل الكثيفة إلى النظام المتناثر عبر عمليات graphex — وهي مقاييس على حواف الرسوم البيانية العشوائية تُولّد نماذج رسوم بيانية عشوائية متناثرة (كثافة دون خطية) متسقة مع بيانات الشبكة المرصودة. ظهرت النتائج النظرية الرئيسية في Annals of Statistics (2019) وساهمت في أدبيات الرسم البياني القابل للتبادل المتناثر.

حدود تعميم PAC-Bayes. بدءًا من Gintare Karolina Dziugaite، طور روي خطًا من العمل على حدود PAC-Bayes كحدود عملية وغير فارغة لخطأ التعميم للشبكات العصبية العميقة. كانت ورقة „حساب حدود التعميم غير الفارغة للشبكات العصبية (العشوائية) العميقة بعدد معلمات أكبر بكثير من بيانات التدريب“ (UAI 2017) أول عرض لحد PAC-Bayes غير تافه لشبكة عصبية كبيرة مدربة على بيانات حقيقية. الأوراق اللاحقة — حول الأوليات المعتمدة على البيانات عبر الخصوصية التفاضلية (NeurIPS 2018)، والعلاقة بين entropy-SGD و PAC-Bayes (ICML 2018)، وحدود التعميم المعلوماتية النظرية لـ SGD (NeurIPS 2019) — طورت الأسس النظرية والعملية لنظرية تعلم PAC-Bayes كما طبقت على التعلم العميق، وأثرت على الأدبيات اللاحقة للتعميم المعلوماتي النظري.

التعقيد المعلوماتي للتعلم. في الآونة الأخيرة، طور روي والمتعاونون (بما في ذلك Mahdi Haghifam و Gintare Karolina Dziugaite و Idan Attias و Roi Livni) برنامجًا بحثيًا حول التعقيد المعلوماتي النظري كمقياس لصعوبة التحسين المحدب العشوائي والتعلم الإحصائي. الورقة البحثية الأفضل في ICML 2024، بعنوان „التعقيد المعلوماتي للتحسين المحدب العشوائي: تطبيقات على التعميم والحفظ“، أنشأت حدودًا ضيقة للتعقيد المعلوماتي لـ SGD في ظل ظروف التحسين المحدب القياسية — مما يوفر إطارًا موحدًا يشرح كلاً من خصائص التعميم وظواهر الحفظ الملاحظة عمليًا.

الأسس التحليلية غير القياسية لنظرية القرار. خط عمل ثالث موازٍ مع Haosui Duanmu و David Schrittesser يطبق التحليل غير القياسي على نظرية القرار الكلاسيكية: النتائج تميز قبول الإجراءات الإحصائية على أنها مكافئة لأمثلية بايزية نسبة إلى أولية متناهية الصغر، وتحل الأسئلة التأسيسية طويلة الأمد حول وجود التوزيعات الشرطية المنتظمة في ظل افتراضات قابلية قياس ضعيفة، وتوفر براهين غير قياسية لنظريات minimax الإحصائية.

مدير أبحاث معهد Vector (حتى ديسمبر 2025). شغل روي منصب مدير الأبحاث في معهد Vector، المعهد الوطني الكندي لأبحاث الذكاء الاصطناعي، قبل أن يتنحى في 31 ديسمبر 2025 لينضم إلى Google DeepMind كباحث زائر.

Google DeepMind — باحث زائر (يناير 2026–حتى الآن)

انضم روي إلى Google DeepMind في لندن كباحث زائر في يناير 2026 وهو حاليًا في إجازة من جامعة تورنتو.

الإسهامات الرئيسية

  • لغة البرمجة الاحتمالية Church (UAI 2008) — شارك في إنشاء Church مع Noah Goodman و Vikash Mansinghka و Keith Bonawitz و Josh Tenenbaum. لغة قائمة على Lisp يمكن فيها التعبير عن أي توزيع قابل للحساب كبرنامج احتمالي وإجراء استدلال بايزي عبر MCMC على تواريخ التنفيذ. أسست مجال البرمجة الاحتمالية كمجال بحثي رسمي.

  • عملية Mondrian (NIPS 2009) — مع Yee Whye Teh. قدمت عملية عشوائية تُولّد أقسامًا مستطيلة هرمية للفضاء ℝ^d متسقة مع نفسها عبر المقياس — الأولوية غير الوسيطية الأساسية للتقسيم المكاني. أساس Mondrian forests و Mondrian kernel.

  • قابلية حساب الاحتمال الشرطي (LICS 2011؛ مجلة ACM) — مع Nathanael Ackerman و Cameron Freer. أثبتت أن توزيعات الاحتمال الشرطي ليست قابلة للحساب بشكل عام من التوزيع المشترك، حتى عندما يكون المشترك قابلاً للحساب. نتيجة استحالة أساسية في نظرية الحساب البايزي.

  • مقاييس de Finetti القابلة للحساب (Annals of Pure and Applied Logic، 2012) — مع Cameron Freer. أنشأت نتائج قابلية الحساب لتمثيلات de Finetti للمتواليات القابلة للتبادل، وربطت أسس الإحصاء البايزي غير الوسيطي بنظرية الحساب.

  • عمليات Graphex والرسوم البيانية القابلة للتبادل المتناثرة (Annals of Statistics، 2019؛ arXiv 2015) — مع Victor Veitch. عممت نظرية تمثيل Aldous-Hoover على الرسوم البيانية العشوائية المتناثرة عبر المقاييس العشوائية القابلة للتبادل (graphexes)، مما وفر إطارًا غير وسيطي مبدئيًا للتحليل الإحصائي لبيانات الشبكة.

  • حدود PAC-Bayes غير الفارغة للشبكات العميقة (UAI 2017) — مع Gintare Karolina Dziugaite. أول عرض لحد ضيق وغير فارغ على خطأ التعميم لشبكة عصبية عميقة مدربة على بيانات حقيقية، باستخدام أولية PAC-Bayes محسّنة. بدأ برنامج نظرية التعميم المعلوماتي الحديث للتعلم العميق.

  • التعقيد المعلوماتي للتحسين المحدب العشوائي (أفضل ورقة في ICML 2024) — مع Idan Attias و Gintare Karolina Dziugaite و Mahdi Haghifam و Roi Livni. أنشأت حدودًا ضيقة للتعقيد المعلوماتي للنزول التدرجي العشوائي (SGD) في ظل الافتراضات المحدبة القياسية، مما يوفر نظرية موحدة للتعميم والحفظ في خوارزميات التعلم.

  • الأسس غير القياسية لنظرية القرار — مع Haosui Duanmu و David Schrittesser. سلسلة من النتائج تستخدم التحليل غير القياسي لحل الأسئلة التأسيسية في نظرية القرار الإحصائي: توصيف القبول كأمثلية بايزية مع أوليات متناهية الصغر، وإثبات وجود التوزيعات الشرطية المنتظمة في ظل افتراضات ضعيفة، وتقديم براهين غير قياسية لنظريات minimax.

الجوائز والتقدير

  • جائزة جورج م. سبرولز لأطروحات الدكتوراه في MIT EECS (2011) — أعلى وسام في MIT لأطروحات الدكتوراه في علوم الحاسوب والهندسة الكهربائية.
  • زمالة نيوتن الدولية للجمعية الملكية — زمالة ما بعد الدكتوراه تنافسية من الجمعية الملكية في المملكة المتحدة، حصل عليها في كامبريدج.
  • زمالة أبحاث كلية إيمانويل، كامبريدج — زمالة بحثية مبتدئة في واحدة من أقدم كليات كامبريدج.
  • كرسي CIFAR كندا للذكاء الاصطناعي — تم تعيينه كرئيس كرسي كندا للذكاء الاصطناعي من قبل المعهد الكندي للبحوث المتقدمة.
  • عضو مؤسس في هيئة التدريس بمعهد Vector — أحد الأعضاء الأكاديميين المؤسسين الأصليين لمعهد Vector للذكاء الاصطناعي.
  • جائزة أفضل ورقة في ICML 2024 — عن ورقة „التعقيد المعلوماتي للتحسين المحدب العشوائي“.
  • محرر تنفيذي، JMLR — يعمل في مجلس تحرير مجلة أبحاث التعلم الآلي.

العلاقات الرئيسية

  • Leslie Kaelbling — مشرفة دكتوراه في MIT؛ شخصية رائدة في تعلم الروبوتات وتخطيط المهام؛ علاقة الإرشاد التي من خلالها دخل روي مجتمع أبحاث الذكاء الاصطناعي.
  • Josh Tenenbaum — عالم معرفي حاسوبي في MIT ورائد في النمذجة البايزية؛ البيت الفكري لمشروع Church؛ مؤلف مشارك طويل الأمد في البرمجة الاحتمالية والعلوم المعرفية.
  • Vikash Mansinghka — باحث في MIT CSAIL ورائد في البرمجة الاحتمالية؛ شارك في إنشاء Church؛ يواصل التعاون في أسس البرمجة الاحتمالية.
  • Cameron Freer — المتعاون الأساسي في قابلية حساب الاحتمال الشرطي ومقاييس de Finetti؛ الخيط النظري للمنطق/الحساب في مسيرة روي يمر إلى حد كبير عبر هذا التعاون.
  • Yee Whye Teh — أستاذ في أكسفورد وباحث في Google DeepMind؛ شارك في اختراع عملية Mondrian؛ متعاون متكرر عبر الإحصاء البايزي غير الوسيطي والهياكل العشوائية.
  • Gintare Karolina Dziugaite — المتعاون البحثي الأكثر غزارة في سنوات روي في تورنتو؛ شاركت في قيادة برنامج PAC-Bayes للشبكات العميقة؛ نشرت أكثر من اثنتي عشرة ورقة معًا وشغلت مناصب ما بعد الدكتوراه والبحث في مجموعة روي.
  • Zoubin Ghahramani — رئيس مجموعة التعلم الآلي في كامبريدج ومضيف ما بعد الدكتوراه؛ وفر البيئة البايزية غير الوسيطية في كامبريدج التي ربطت أسس روي في MIT بنظرية التعلم الآلي البريطانية.
  • Peter Orbanz — إحصائي في جامعة كولومبيا؛ شارك في تأليف الدراسة الاستقصائية التأسيسية حول graphex والهياكل العشوائية القابلة للتبادل؛ شريك فكري رئيسي في برنامج الإحصاء البايزي غير الوسيطي الهيكلي.
  • Victor Veitch — طالب الدكتوراه الأكثر تتويجًا لروي؛ شارك في تطوير نظرية عملية graphex؛ فاز بجائزة بيير روبيلارد من الجمعية الإحصائية الكندية؛ وهو الآن أستاذ مساعد في جامعة شيكاغو.

الأسلوب الشخصي

روي هو مثال نادر لعالم حاسوب نظري حافظ على معيار رياضي ثابت عبر تقاليد بحثية متعددة — البرمجة الاحتمالية، والإحصاء البايزي غير الوسيطي، والمنطق الإحصائي، ونظرية التعلم — دون أن يختزل إلى مجموعة أدوات تقنية واحدة. يتميز عمله بإصرار على الأسس: فهو ينجذب إلى الأسئلة حول متى يكون الاستدلال البايزي قابلاً للحساب، ومتى تكون حدود التعميم ضيقة حقًا، ومتى يمكن إزالة الافتراضات القياسية في الإحصاء أو تخفيفها دون التضحية بالدقة. إن صياغة „إزالة الافتراضات من الإحصاء“ — التي استخدمها في محاضرة حديثة في ETH Zürich — تصف برنامجه البحثي الحالي على الأسس التحليلية غير القياسية بدقة كما وصفت عمله المبكر على استحالة الحساب. سجل توظيف طلابه ملحوظ حتى بمعايير مجموعات النظرية القوية: Victor Veitch (جامعة شيكاغو)، و Jeffrey Negrea و Mufan Li (جامعة واترلو)، و Jun Yang (جامعة كوبنهاغن)، و Yanbo Tang (كلية إمبريال كوليدج لندن)، وآخرون يشغلون الآن مناصب أكاديمية بحثية، و Haosui Duanmu يشغل أستاذية كاملة في الصين. يحتفظ على موقعه الإلكتروني بويكي „هوامش“ — مجموعة من الأخطاء المطبعية والتوضيحات والاستشهادات المفقودة — تعكس التزامه بالنزاهة العلمية على حساب صقل العرض.

المراجع