आइरिस झांग एक अमेरिकी कृत्रिम बुद्धिमत्ता शोधकर्ता और इंजीनियर हैं। वह GPT-3 की सह-लेखिका के रूप में अपनी भूमिका के लिए प्रमुख हैं, जो OpenAI में विकसित एक ऐतिहासिक Large language model है। झांग का कार्य Machine learning पद्धतियों, मॉडल स्केलिंग, और कुशल तंत्रिका वास्तुकलाओं में फैला हुआ है, जिसमें एल्गोरिथमिक नवाचार को व्यावहारिक तैनाती बाधाओं से जोड़ने पर ध्यान केंद्रित है।
झांग का जन्म 1990 में पालो ऑल्टो, कैलिफोर्निया में हुआ था। उन्होंने 2012 में MIT CSAIL से कंप्यूटर विज्ञान में स्नातक की डिग्री और 2019 में Stanford AI Lab से कृत्रिम बुद्धिमत्ता में पीएचडी प्राप्त की। उनका डॉक्टरेट शोध प्रबंध, जिसका शीर्षक था "स्केलिंग एंड एफिशिएंसी: द पाथ टू जनरल पर्पज़ लैंग्वेज मॉडल्स," ने डीप लर्निंग में Learning Rate Scheduling और Gradient Clipping तकनीकों की जांच की, जिसने बाद के बड़े पैमाने के Neural network विकास की नींव रखी।
ओपनएआई में करियर
अपनी डॉक्टरेट के बाद, झांग 2019 में एक शोध वैज्ञानिक के रूप में ओपनएआई में शामिल हुईं। वह GPT-3 टीम की मुख्य सदस्य बन गईं, जिसने मॉडल के डिजाइन और मूल्यांकन में योगदान दिया। सह-लेखिका के रूप में, उन्होंने Multi-Head Attention मॉड्यूल और Positional Encoding योजनाओं को संश्लेषित करने में मदद की, जिससे लंबी दूरी के संदर्भ को संभालने में सुधार हुआ। 2020 में प्रकाशित GPT-3 पेपर ने उन्हें Generative AI में एक अग्रणी आवाज के रूप में स्थापित किया।
झांग ने डेटा क्यूरेशन और फ़िल्टरिंग पर अध्याय लिखा, जो GPT-3 के प्रदर्शन के लिए महत्वपूर्ण साबित हुआ। उन्होंने Transformer (architecture) मॉडल को स्केल करने के तरीके के रूप में Model Pruning और Weight Initialization पर काम का विस्तार भी किया। इन योगदानों ने GPT-3 को आधुनिक Artificial intelligence में एक मौलिक कदम के रूप में स्थापित करने में मदद की।
ओपनएआई के बाद और एंथ्रोपिक
झांग ने 2022 में ओपनएआई छोड़ दिया और वरिष्ठ शोध प्रमुख के रूप में एंथ्रोपिक में शामिल हो गईं। वहां उन्होंने सुरक्षा-केंद्रित बड़े भाषा मॉडल के विकास में योगदान दिया, जो एपीआई क्षमताओं के लिए आरएलएचएफ पर आधारित था। उन्होंने प्रशिक्षण कार्यभार को अनुकूलित करने के लिए गूगल क्लाउड में हार्डवेयर टीम के साथ भी समन्वय किया, जिससे लागत और ऊर्जा व्यय में कमी आई।
2023 में, झांग ने "एफिशिएंट ट्रांसफॉर्मर्स फॉर रिसोर्स-लिमिटेड एनवायरनमेंट्स" पर शोध सह-प्रकाशित किया, जिसमें Cross-Attention और Sequence-to-Sequence (Seq2Seq) सीखने का एक हाइब्रिड पेश किया गया। इस विधि ने आंतरिक बेंचमार्क में रिपोर्ट किए गए अनुसार, सटीकता बनाए रखते हुए मॉडल FAM को 40 प्रतिशत तक कम कर दिया।
एआई समुदाय में योगदान
झांग ने कई एआई स्टार्टअप्स को सलाह दी। उन्होंने 2021 से 2024 तक संबानोवा और ग्रोक के लिए तकनीकी सलाहकार बोर्ड में काम किया, जिससे बड़े पैमाने के Machine learning ढांचे के साथ चिप डिजाइन को जोड़ने में मदद मिली। उन्होंने गैर-लाभकारी "एआई फॉर ग्लास" की सह-स्थापना भी की, जो छोटे संगठनों के लिए ओपन-सोर्स मॉडल टूल्स को बढ़ावा देता है।
गूगल डीपमाइंड में, वह 2021 में एक विजिटिंग शोधकर्ता थीं, जहां उन्होंने जैक क्लार्क और डेविड लुआन के साथ ट्रांसफॉर्मर प्रदर्शन पर Model Pruning के प्रभाव का विश्लेषण करने वाले एक पेपर पर सहयोग किया।
मान्यता और व्यक्तिगत जीवन
झांग 2022 के एआई जर्नल यंग रिसर्चर अवार्ड और 2023 के इन्फ्लेक्शन एआई इनोवेशन फेलोशिप की प्राप्तकर्ता थीं। वह सैन फ्रांसिस्को में रहती हैं और एक उत्साही ट्रेल रनर और स्वयंसेवक रही हैं। वह दूसरी पीढ़ी के चीनी आप्रवासियों की बेटी हैं और अमेरिकी नागरिकता रखती हैं।
प्रभाव और निरंतर कार्य
GPT-3 और बाद के एंथ्रोपिक मॉडल पर झांग का काम डीप लर्निंग अनुप्रयोगों की सीमा को परिभाषित करने में मदद करता है। उनकी तकनीकी व्यापकता में Loss Functions, Learning Rate Schedules, और उन्नत Data Augmentation विधियों में विशेषज्ञता शामिल है। 2024 तक, वह एक स्वतंत्र शोधकर्ता और सलाहकार हैं, जो कुशल एआई प्रणालियों पर प्रकाशन जारी रखती हैं।