देवी पारिख एक अमेरिकी कंप्यूटर वैज्ञानिक हैं, जो कंप्यूटर विज़न और प्राकृतिक भाषा प्रसंस्करण में अपने शोध के लिए जानी जाती हैं। उन्होंने वर्जीनिया टेक और जॉर्जिया टेक में शैक्षणिक पदों पर कार्य किया है, और 2022 तक, वह मेटा में एक शोध निदेशक के रूप में कार्य करती हैं, जहाँ वह मल्टीमॉडल AI प्रणालियों में प्रयासों का नेतृत्व करती हैं।
पारिख ने कार्नेगी मेलन विश्वविद्यालय से इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग में पीएचडी प्राप्त की। उनका प्रारंभिक कार्य दृश्य पहचान और दृश्य समझ पर केंद्रित था, लेकिन बाद में उन्होंने दृश्य और पाठ्य जानकारी के संयोजन में विस्तार किया, एक ऐसा क्षेत्र जो कंप्यूटर विज़न और प्राकृतिक भाषा प्रसंस्करण के बीच सेतु का कार्य करता है। उनके योगदान को कई प्रतिष्ठित पुरस्कारों से मान्यता मिली है, जिनमें 2017 का IJCAI कंप्यूटर्स एंड थॉट अवार्ड और 2011 का ICCV सर्वश्रेष्ठ पेपर पुरस्कार (मार पुरस्कार) शामिल हैं।
विज़ुअल प्रश्न उत्तर
2015 में, वर्जीनिया टेक में रहते हुए, पारिख और उनके छात्रों ने विज़ुअल प्रश्न उत्तर (VQA) के लिए एक डेटासेट और ढांचा विकसित किया, एक ऐसा कार्य जहाँ एक AI प्रणाली छवियों के बारे में प्रश्नों का उत्तर देती है, जैसे "क्या यह एक शाकाहारी पिज्जा है?" VQA डेटासेट, जो छवियों को मानव-निर्मित प्रश्नों और उत्तरों के साथ जोड़ता है, मल्टीमॉडल AI मॉडलों के मूल्यांकन के लिए एक बेंचमार्क बन गया। 2022 तक, इसका उपयोग 30 से अधिक AI मॉडलों के मूल्यांकन के लिए किया गया है, जिसने गहन शिक्षण और मल्टीमॉडल शिक्षण में बाद के शोध को प्रभावित किया। इस कार्य ने मॉडलों की दृश्य सामग्री और भाषाई संदर्भ दोनों पर तर्क करने की आवश्यकता पर प्रकाश डाला, एक चुनौती जो कृत्रिम बुद्धिमत्ता अनुसंधान के केंद्र में बनी हुई है।
संवादात्मक AI और ParlAI
2017 में, पारिख ने ParlAI प्रकाशित किया, जो संवादात्मक AI एजेंटों के प्रशिक्षण और मूल्यांकन के लिए एक ओपन-सोर्स प्लेटफ़ॉर्म है। ParlAI संवाद, प्रश्न उत्तर और दृष्टि से कार्यों को एकीकृत करता है, जिससे शोधकर्ताओं को कई डोमेन में मॉडलों का परीक्षण करने की अनुमति मिलती है। यह प्लेटफ़ॉर्म मशीन लर्निंग ढांचों की एक श्रृंखला का समर्थन करता है और इसका उपयोग ऐसे एजेंटों को विकसित करने के लिए किया गया है जो दृश्य इनपुट का संदर्भ देते हुए सुसंगत बातचीत कर सकते हैं। यह योगदान बड़े भाषा मॉडलों और इंटरैक्टिव प्रणालियों में उनके अनुप्रयोग को आगे बढ़ाने के व्यापक प्रयास का हिस्सा था।
जनरेटिव AI और नृत्य निर्माण
2020 में, पारिख ने एक AI प्रणाली विकसित की जो संगीत के साथ तालमेल में नृत्य चाल उत्पन्न करती है। यह परियोजना, जिसने अनुक्रम-से-अनुक्रम मॉडलों को ऑडियो और गति डेटा के साथ जोड़ा, ने रचनात्मक डोमेन में जनरेटिव AI की क्षमता प्रदर्शित की। प्रणाली ने संगीत सुविधाओं को कोरियोग्राफी में मैप करना सीखा, जिससे ऐसी गतियाँ उत्पन्न हुईं जो इनपुट गीत की लय और शैली से मेल खाती थीं। यह कार्य जनरेटिव AI के बढ़ते क्षेत्र में योगदान देता है, जिसमें टेक्स्ट-टू-इमेज और टेक्स्ट-टू-वीडियो मॉडल भी शामिल हैं।
मेक-ए-वीडियो और टेक्स्ट-टू-वीडियो मॉडल
2022 में, पारिख और मेटा की एक टीम ने मेक-ए-वीडियो विकसित किया, जो डिफ्यूजन एल्गोरिदम पर आधारित एक टेक्स्ट-टू-वीडियो AI मॉडल है। यह मॉडल पाठ्य विवरणों से छोटे वीडियो क्लिप उत्पन्न करता है, जो डिफ्यूजन मॉडलों और ट्रांसफॉर्मरों में प्रगति का लाभ उठाता है। मेक-ए-वीडियो टेक्स्ट-टू-इमेज निर्माण में पिछले कार्य पर आधारित है, इसे फ्रेम के अनुक्रमों की भविष्यवाणी करना सीखकर अस्थायी आयाम तक विस्तारित करता है। इस नवाचार के सामग्री निर्माण, आभासी वातावरण और मानव-कंप्यूटर संपर्क के लिए निहितार्थ हैं, और यह गहन शिक्षण अनुसंधान में एक महत्वपूर्ण कदम का प्रतिनिधित्व करता है।
पुरस्कार और मान्यता
पारिख के शोध ने उन्हें कई सम्मान दिलाए हैं। 2011 में, उन्हें दृश्य विशेषताओं पर उनके पेपर के लिए इंटरनेशनल कॉन्फ्रेंस ऑन कंप्यूटर विज़न (ICCV) में मार पुरस्कार मिला, जो कंप्यूटर विज़न में शीर्ष पुरस्कारों में से एक है। 2017 में, उन्हें IJCAI कंप्यूटर्स एंड थॉट अवार्ड से सम्मानित किया गया, जो कृत्रिम बुद्धिमत्ता में युवा शोधकर्ताओं को मान्यता देता है। ये पुरस्कार AI के सैद्धांतिक और व्यावहारिक दोनों पहलुओं पर उनके प्रभाव को दर्शाते हैं, मौलिक विज़न एल्गोरिदम से लेकर भाषा और दृष्टि को एकीकृत करने वाली व्यावहारिक प्रणालियों तक।