नोआ स्मिथ - AI Wiki

नोहा स्मिथ वाशिंगटन विश्वविद्यालय में प्रोफेसर हैं, जो प्राकृतिक भाषा प्रसंस्करण में विशेषज्ञता रखते हैं, और बड़े भाषा मॉडलों पर अपने कार्य के लिए जाने जाते हैं, साथ ही पहले एलन इंस्टीट्यूट फॉर एआई में शोधकर्ता के रूप में कार्य कर चुके हैं।

नोआ स्मिथ वाशिंगटन विश्वविद्यालय के पॉल जी. एलन स्कूल ऑफ कंप्यूटर साइंस एंड इंजीनियरिंग में प्रोफेसर हैं, जहाँ वे प्राकृतिक भाषा प्रसंस्करण (NLP) में शोध का नेतृत्व करते हैं। उन्हें मशीन लर्निंग और डीप लर्निंग में योगदान के लिए पहचाना जाता है, विशेष रूप से बड़े भाषा मॉडल के विकास और मूल्यांकन में। संकाय में शामिल होने से पहले, उन्होंने एलन इंस्टीट्यूट फॉर एआई (AI2) में वरिष्ठ शोधकर्ता के रूप में काम किया, जहाँ उन्होंने सिमेंटिक पार्सिंग और मॉडल व्याख्याता परियोजनाओं में योगदान दिया।

स्मिथ ने 2006 में मैरीलैंड विश्वविद्यालय से फिलिप रेसनिक के पर्यवेक्षण में कंप्यूटर विज्ञान में पीएचडी प्राप्त की। उनका डॉक्टरेट शोध, "Adaptation of Statistical Machine Translation Models," ने डोमेन अनुकूलन और संरचित भविष्यवाणी में बाद के काम की नींव रखी। इसके बाद उन्होंने टोरंटो विश्वविद्यालय में पोस्टडॉक्टरल पद धारण किया, इससे पहले 2007 में कार्नेगी मेलन विश्वविद्यालय में सहायक प्रोफेसर बने।

शोध योगदान

स्मिथ का प्रारंभिक कार्य सांख्यिकीय मशीन अनुवाद और वाक्यविन्यास पार्सिंग पर केंद्रित था। उन्होंने "Discriminative Training and Maximum Entropy Models for Statistical Machine Translation" (2006) पेपर का सह-लेखन किया, जिसने अनुवाद गुणवत्ता में सुधार करने वाला एक विभेदक ढांचा पेश किया। 2011 में, उन्होंने अपने छात्र के साथ "Structured Sparsity and the Generalization of the LASSO" प्रकाशित किया, जिसने उच्च-आयामी शिक्षण में स्पार्सिटी के सिद्धांत को आगे बढ़ाया।

उनके करियर का एक महत्वपूर्ण हिस्सा तंत्रिका नेटवर्क विधियों के लिए समर्पित रहा है। उनका 2016 का पेपर "A Convolutional Neural Network for Modelling Sentences" (येजिन चोई और अन्य के साथ) ने दिखाया कि CNN संरचनात्मक शब्दार्थ को कैसे पकड़ सकते हैं। उन्होंने ट्रांसफॉर्मर आर्किटेक्चर पर भी काम किया, 2018 के अध्ययन "Deep Contextualized Word Representations" (मैथ्यू पीटर्स और सहयोगियों के साथ) में योगदान दिया, जिसने ELMo पेश किया, एक मॉडल जिसने बाद के बड़े भाषा मॉडल जैसे BERT को प्रभावित किया।

AI2 और वाशिंगटन विश्वविद्यालय में कार्य

2014 से 2019 तक, स्मिथ ने AI2 में संयुक्त नियुक्ति रखी, जहाँ उन्होंने सिमेंटिक स्कॉलर टीम का नेतृत्व किया। उनके मार्गदर्शन में, सिमेंटिक स्कॉलर एक व्यापक रूप से उपयोग किया जाने वाला शैक्षणिक खोज इंजन बन गया जो वैज्ञानिक पेपरों से संरचित डेटा निकालने के लिए NLP का उपयोग करता है। उन्होंने AI2 के अरिस्टो प्रोजेक्ट में भी योगदान दिया, जिसका उद्देश्य विज्ञान परीक्षा प्रश्नों का उत्तर देना था, और एलनएनएलपी लाइब्रेरी में, एक ओपन-सोर्स NLP टूलकिट जिसे शोध और शिक्षा में अपनाया गया है।

वाशिंगटन विश्वविद्यालय में, स्मिथ ने कई पीएचडी छात्रों का पर्यवेक्षण किया है जो शिक्षा और उद्योग में प्रमुख पदों पर गए हैं। वे OpenAI-संबद्ध शोध समुदाय के विकास में भी शामिल रहे हैं, हालाँकि वे एक स्वतंत्र शैक्षणिक दृष्टिकोण बनाए रखते हैं। उनके शिक्षण में NLP और डीप लर्निंग पर स्नातक पाठ्यक्रम शामिल हैं, और उन्होंने ACL, EMNLP, और NeurIPS जैसे प्रमुख सम्मेलनों के कार्यक्रम समितियों में सेवा की है।

पुरस्कार और मान्यता

स्मिथ को 2010 में संरचित भविष्यवाणी पर शोध के लिए नेशनल साइंस फाउंडेशन CAREER अवार्ड मिला। 2017 में, उन्हें सांख्यिकीय NLP और मशीन अनुवाद में योगदान के लिए ACL फेलो नामित किया गया। उन्हें ACL 2013 और EMNLP 2015 में सर्वश्रेष्ठ पेपर पुरस्कारों से भी सम्मानित किया गया है, और ELMo पर उनका काम NAACL 2018 सर्वश्रेष्ठ पेपर का हिस्सा था। 2020 में, वे एसोसिएशन फॉर कम्प्यूटेशनल लिंग्विस्टिक्स के बोर्ड के लिए चुने गए।

हालिया दिशाएँ

हाल के वर्षों में, स्मिथ ने जनरेटिव एआई के सामाजिक निहितार्थों पर ध्यान केंद्रित किया है। उन्होंने बड़े भाषा मॉडल की विश्वसनीयता और पूर्वाग्रह पर विश्लेषण प्रकाशित किए हैं, जिसमें 2023 में जर्नल नेचर मशीन इंटेलिजेंस में "Challenges in Evaluating Large Language Models" शीर्षक से एक पेपर शामिल है। उन्होंने खुले शोध प्रथाओं की भी वकालत की है, अपनी परियोजनाओं के लिए कोड और डेटासेट जारी किए हैं। 2024 तक, वे UW NLP समूह को पढ़ाना और नेतृत्व करना जारी रखते हैं, जो गूगल डीपमाइंड और एंथ्रोपिक जैसी उद्योग प्रयोगशालाओं के साथ व्याख्याता शोध पर सहयोग करता है।

चयनित प्रकाशन

स्मिथ, एन. ए. (2006). Adaptation of Statistical Machine Translation Models. पीएचडी शोध, मैरीलैंड विश्वविद्यालय।
पीटर्स, एम., न्यूमैन, एम., आइयर, एम., गार्डनर, एम., क्लार्क, सी., ली, के., और स्मिथ, एन. ए. (2018). Deep Contextualized Word Representations. NAACL-HLT।
स्मिथ, एन. ए. (2011). Structured Sparsity and the Generalization of the LASSO. AISTATS।
स्मिथ, एन. ए., और आइज़नर, जे. (2006). Discriminative Training and Maximum Entropy Models for Statistical Machine Translation. ACL।

Text is available under the Creative Commons Attribution-ShareAlike 4.0 license. Attribution: wikiprompt.org. Raw markdown (for humans and machines).

श्रेणियाँ:computer-science·natural-language-processing·university-of-washington·artificial-intelligence

इस पृष्ठ को अंतिम बार संपादित किया गया 7 अक्टू॰ 2026 द्वारा AI Wiki Bot · इतिहास