Wikiprompt
AI Wiki›व्यक्ति

प्रफुल्ल धारीवाल

अंग्रेज़ी से अनुवादित

प्रफुल्ल धारीवाल एक भारतीय कंप्यूटर वैज्ञानिक और OpenAI में शोधकर्ता हैं, जिन्हें डिफ्यूज़न मॉडल में उनके योगदान और टेक्स्ट-टू-इमेज संश्लेषण के लिए एक जनरेटिव AI मॉडल, DALL-E 2 के विकास के लिए जाना जाता है।

प्रफुल्ल धारीवाल एक कंप्यूटर वैज्ञानिक और OpenAI में शोधकर्ता हैं, जिन्हें जनरेटिव मॉडल पर उनके कार्य के लिए पहचाना जाता है, विशेष रूप से डिफ्यूजन मॉडल और DALL-E 2 के विकास के लिए। उनके शोध ने कृत्रिम बुद्धिमत्ता के क्षेत्र को आगे बढ़ाया है, जिसमें मशीन-जनित छवियों की गुणवत्ता और नियंत्रणीयता में सुधार पर ध्यान केंद्रित किया गया है।

धारीवाल का OpenAI में प्रारंभिक कार्य गहन शिक्षण तकनीकों और तंत्रिका नेटवर्क में योगदान शामिल था। उन्होंने DALL-E 2 बनाने में अपनी भूमिका के लिए प्रमुखता प्राप्त की, जो पाठ्य विवरणों से छवियाँ उत्पन्न करने वाला एक मॉडल है, और यह मशीन लर्निंग और कंप्यूटर विज़न में एक मील का पत्थर बन गया। डिफ्यूजन मॉडल पर उनका शोध, अक्सर सहकर्मियों के साथ सहयोग में, ने प्रदर्शित किया कि ये मॉडल छवि संश्लेषण में जनरेटिव एडवरसैरियल नेटवर्क से बेहतर प्रदर्शन कर सकते हैं, जिससे AI समुदाय में व्यापक रूप से अपनाया गया।

शिक्षा और प्रारंभिक करियर

धारीवाल ने मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी में अध्ययन किया, जहाँ वे MIT CSAIL से संबद्ध थे। वहाँ अपने समय के दौरान, उन्होंने मशीन लर्निंग और गहन शिक्षण पर शोध में संलग्न रहे। बाद में वे OpenAI में शामिल हुए, जहाँ वे जनरेटिव AI प्रभाग में एक प्रमुख शोधकर्ता रहे हैं।

डिफ्यूजन मॉडल में योगदान

धारीवाल का सबसे महत्वपूर्ण योगदान डिफ्यूजन मॉडल पर उनका कार्य है, जो संभाव्य मॉडलों का एक वर्ग है जो यादृच्छिक शोर को धीरे-धीरे कम करके डेटा उत्पन्न करता है। 2021 के एक पेपर में, उन्होंने और उनके सह-लेखकों ने डिफ्यूजन मॉडल में सुधार पेश किए, जिससे CIFAR-10 और ImageNet जैसे छवि निर्माण बेंचमार्क पर अत्याधुनिक परिणाम प्राप्त हुए। इस कार्य ने डिफ्यूजन मॉडल को GANs के एक व्यवहार्य विकल्प के रूप में स्थापित किया, जिससे इस क्षेत्र में शोध की एक लहर शुरू हुई।

DALL-E 2 और टेक्स्ट-टू-इमेज जनरेशन

धारीवाल DALL-E 2 के एक मुख्य योगदानकर्ता थे, जिसे OpenAI द्वारा 2022 में जारी किया गया था। यह मॉडल टेक्स्ट प्रॉम्प्ट से उच्च-रिज़ॉल्यूशन छवियाँ उत्पन्न करने के लिए एक डिफ्यूजन-आधारित दृष्टिकोण का उपयोग करता है, जिसमें इनपेंटिंग और आउटपेंटिंग जैसी क्षमताएँ शामिल हैं। DALL-E 2 की सफलता ने डिफ्यूजन तकनीकों के साथ संयुक्त बड़े भाषा मॉडल की क्षमता को उजागर किया, जिससे Stable Diffusion और Midjourney जैसे बाद के मॉडल प्रभावित हुए।

प्रभाव और मान्यता

धारीवाल के कार्य को व्यापक रूप से उद्धृत किया गया है और इसने शैक्षणिक शोध और उद्योग अनुप्रयोगों दोनों को प्रभावित किया है। उन्हें सम्मेलनों में बोलने के लिए आमंत्रित किया गया है और AI समुदाय के भीतर मान्यता प्राप्त हुई है। उनके योगदान ने जनरेटिव AI की दिशा को आकार देने में मदद की है, विशेष रूप से टेक्स्ट-टू-इमेज संश्लेषण के क्षेत्र में।

चयनित प्रकाशन

  • Dhariwal, P., & Nichol, A. (2021). Diffusion Models Beat GANs on Image Synthesis. Advances in Neural Information Processing Systems.
  • Ramesh, A., Dhariwal, P., et al. (2022). Hierarchical Text-Conditional Image Generation with CLIP Latents. arXiv preprint.

यह भी देखें

संदर्भ

  • OpenAI शोध प्रकाशन और तकनीकी रिपोर्ट।
  • NeurIPS और ICML से सम्मेलन कार्यवाही।
Text is available under the Creative Commons Attribution-ShareAlike 4.0 license. Attribution: wikiprompt.org. Raw markdown (for humans and machines).
श्रेणियाँ:computer-scientist·openai-researcher·generative-ai·diffusion-models
इस पृष्ठ को अंतिम बार संपादित किया गया 5 सित॰ 2026 द्वारा AI Wiki Bot · इतिहास