से झांग एक कंप्यूटर वैज्ञानिक और शिक्षाविद हैं, जिन्हें मशीन लर्निंग सिस्टम और डेटा प्रबंधन में योगदान के लिए जाना जाता है। वे शिकागो विश्वविद्यालय में एसोसिएट प्रोफेसर हैं और टुगेदर एआई के सह-संस्थापक हैं, जो ओपन-सोर्स जनरेटिव एआई बुनियादी ढांचे पर केंद्रित एक कंपनी है। उनका शोध कृत्रिम बुद्धिमत्ता को डेटाबेस और सिस्टम डिज़ाइन के साथ जोड़ता है, जिसका उद्देश्य मशीन लर्निंग को अधिक कुशल और सुलभ बनाना है।
झांग के काम को कई पुरस्कारों से मान्यता मिली है, जिनमें स्लोअन रिसर्च फेलोशिप और एनएसएफ करियर अवार्ड शामिल हैं। उन्होंने SIGMOD, VLDB और NeurIPS जैसे शीर्ष स्थानों में व्यापक रूप से प्रकाशित किया है, और उनके शोध ने बड़े पैमाने पर एआई मॉडल तैनात करने में शैक्षणिक और औद्योगिक दोनों प्रथाओं को प्रभावित किया है।
प्रारंभिक करियर और शिक्षा
झांग ने टोरंटो विश्वविद्यालय से कंप्यूटर विज्ञान में पीएच.डी. प्राप्त की, जहाँ उन्होंने रेने जे. मिलर के मार्गदर्शन में काम किया। उनका डॉक्टरेट शोध डेटा एकीकरण और सफाई पर केंद्रित था, जिसने बाद में मशीन लर्निंग पाइपलाइनों में इन तकनीकों को लागू करने में उनकी रुचि को आकार दिया। शिकागो विश्वविद्यालय में शामिल होने से पहले, वे स्टैनफोर्ड एआई लैब में पोस्टडॉक्टरल शोधकर्ता थे, जहाँ उन्होंने क्रिस्टोफर रे के साथ डीपडाइव सिस्टम पर सहयोग किया, जो असंरचित डेटा से सूचना निष्कर्षण के लिए सांख्यिकीय अनुमान का उपयोग करता था।
शोध योगदान
झांग का शोध डेटा प्रबंधन और मशीन लर्निंग के प्रतिच्छेदन पर केंद्रित है। उन्होंने ऐसे सिस्टम विकसित किए हैं जो इंडेक्सिंग, संपीड़न और क्वेरी अनुकूलन जैसे डेटाबेस सिद्धांतों का लाभ उठाकर गहन शिक्षण मॉडल के प्रशिक्षण और अनुमान को अनुकूलित करते हैं। एक उल्लेखनीय परियोजना "हॉगवाइल्ड!"-शैली की समानांतर SGD कार्यान्वयन है, जिसने दिखाया कि बिना लॉकिंग के मल्टीकोर सिस्टम पर SGD वेरिएंट को कैसे स्केल किया जाए, जिससे लगभग रैखिक गति प्राप्त हुई।
उन्होंने "सेरेब्रो" के विकास में भी योगदान दिया, जो बड़े पैमाने पर मॉडल चयन और प्रबंधन के लिए एक प्रणाली है, जो डेटा वैज्ञानिकों को हाइपरपैरामीटर स्थानों को कुशलतापूर्वक खोजने की अनुमति देती है। "लैज़ीबैचिंग" और "डेटास्किपिंग" तकनीकों पर उनके काम ने रिलेशनल डेटा पर तंत्रिका नेटवर्क प्रशिक्षण के प्रदर्शन में सुधार किया है, जिससे I/O और गणना लागत कम हुई है। इन योगदानों को व्यापक रूप से उद्धृत किया गया है और एमएल सिस्टम के क्षेत्र में बाद के शोध को प्रभावित किया है।
टुगेदर एआई और उद्योग प्रभाव
2022 में, झांग ने अन्य शोधकर्ताओं और इंजीनियरों के साथ टुगेदर एआई की सह-स्थापना की। कंपनी बड़े भाषा मॉडल को प्रशिक्षित करने और चलाने के लिए क्लाउड बुनियादी ढांचा प्रदान करती है, जिसमें ओपन-सोर्स मॉडल और टूल पर ध्यान केंद्रित किया गया है। टुगेदर एआई का प्लेटफ़ॉर्म लामा और मिस्ट्रल जैसे लोकप्रिय मॉडलों का समर्थन करता है, जो फाइन-ट्यूनिंग, अनुमान और तैनाती के लिए सेवाएँ प्रदान करता है। कंपनी ने महत्वपूर्ण धन जुटाया है और जनरेटिव एआई पारिस्थितिकी तंत्र में एक प्रमुख खिलाड़ी बन गई है, जो विशेष, लागत प्रभावी समाधान पेश करके बड़े क्लाउड प्रदाताओं के साथ प्रतिस्पर्धा करती है।
टुगेदर एआई में झांग की भूमिका में तकनीकी दिशा का मार्गदर्शन करना शामिल है, विशेष रूप से वितरित सिस्टम पर ट्रांसफॉर्मर आर्किटेक्चर के प्रदर्शन को अनुकूलित करने में। उनकी शैक्षणिक अंतर्दृष्टि ने सीधे कंपनी के स्केलेबल एआई बुनियादी ढांचे के निर्माण के दृष्टिकोण को आकार दिया है, और वे शोध और उद्योग अभ्यास के बीच सेतु बनाना जारी रखते हैं।
शिक्षण और परामर्श
शिकागो विश्वविद्यालय में, झांग मशीन लर्निंग सिस्टम और डेटा प्रबंधन पर पाठ्यक्रम पढ़ाते हैं। उन्होंने कई पीएच.डी. छात्रों और पोस्टडॉक्स का मार्गदर्शन किया है, जिनमें से कई शिक्षा और उद्योग में पदों पर गए हैं। उनका शिक्षण एआई सिस्टम के निर्माण और तैनाती के साथ व्यावहारिक अनुभव पर जोर देता है, जिससे छात्रों को सैद्धांतिक नींव और व्यावहारिक इंजीनियरिंग चुनौतियों दोनों को समझने के लिए प्रोत्साहित किया जाता है।
झांग शैक्षणिक सम्मेलनों और कार्यशालाओं के आयोजन में भी सक्रिय रहे हैं, जो NeurIPS, ICML और SIGMOD जैसे प्रमुख स्थानों के लिए कार्यक्रम समितियों में सेवा करते हैं। वे एआई शोध में प्रतिलिपि प्रस्तुत करने योग्यता के प्रबल समर्थक हैं, और उनकी प्रयोगशाला अपने द्वारा विकसित सिस्टम के लिए ओपन-सोर्स कोड और बेंचमार्क बनाए रखती है।
मान्यता और पुरस्कार
झांग के योगदान को कई सम्मानों से मान्यता मिली है। उन्हें 2021 में स्लोअन रिसर्च फेलोशिप मिली, जो असाधारण क्षमता वाले प्रारंभिक करियर वैज्ञानिकों को दी जाती है। उन्हें एनएसएफ करियर अवार्ड भी मिला, जो जूनियर संकाय के लिए एक प्रतिष्ठित अनुदान है। "सेरेब्रो" पर उनके पेपर ने ICDE 2020 में सर्वश्रेष्ठ पेपर पुरस्कार जीता, और "हॉगवाइल्ड!"-शैली एल्गोरिदम पर उनके काम को समानांतर मशीन लर्निंग में एक मौलिक योगदान के रूप में मान्यता दी गई है।
उन्हें विभिन्न सम्मेलनों और कार्यशालाओं में मुख्य भाषण देने के लिए आमंत्रित किया गया है, और उनके शोध को एआई प्रगति को कवर करने वाले मीडिया आउटलेट्स में चित्रित किया गया है। टुगेदर एआई के साथ उनके काम को एआई बुनियादी ढांचा प्रदाताओं के बढ़ते परिदृश्य पर उद्योग रिपोर्टों में भी उजागर किया गया है।
भविष्य की दिशाएँ
झांग मशीन लर्निंग सिस्टम में नई सीमाओं का पता लगाना जारी रखते हैं, जिसमें अवशिष्ट नेटवर्क और अन्य आर्किटेक्चर के लिए कुशल प्रशिक्षण विधियाँ, साथ ही मॉडल प्रूनिंग और डेटा वृद्धि की तकनीकें शामिल हैं। वे बड़े मॉडलों के प्रशिक्षण के लिए आवश्यक कम्प्यूटेशनल संसाधनों को कम करके एआई को अधिक टिकाऊ बनाने में रुचि रखते हैं। उनका चल रहा शोध ऐसे सिस्टम विकसित करने का लक्ष्य रखता है जो बदलते डेटा वितरण के अनुकूल हो सकें और बड़े पैमाने पर वास्तविक समय अनुमान का समर्थन कर सकें।
टुगेदर एआई के सह-संस्थापक के रूप में, झांग एआई तक पहुँच को लोकतांत्रिक बनाने पर भी केंद्रित हैं, यह सुनिश्चित करते हुए कि शोधकर्ता और डेवलपर्स निषेधात्मक लागत के बिना शक्तिशाली मॉडल का लाभ उठा सकें। एक शिक्षाविद और उद्यमी के रूप में उनकी दोहरी भूमिका उन्हें आने वाले वर्षों में कृत्रिम बुद्धिमत्ता के सैद्धांतिक और व्यावहारिक दोनों विकास को प्रभावित करने की स्थिति में रखती है।