アシッシュ・クマールは、人工知能研究者であり起業家で、ソフトウェアタスクを自動化できるAIエージェントの構築に注力する企業、Adept AIの共同創業者として最もよく知られている。彼の研究キャリアにはGoogle Brainでの勤務期間が含まれ、そこで機械学習と大規模言語モデルの進歩に貢献した。クマールの仕事は、深層学習、自然言語処理、そして実世界の応用、特にユーザーの意図を理解し行動するシステムを創り出すためのトランスフォーマーの使用という交差点に位置している。
インドで生まれたクマールは、幼い頃から数学とコンピュータ科学に優れた適性を示した。彼はインド工科大学（IIT）デリー校で学部課程を修了し、2008年にコンピュータ科学の工学士号を取得した。その後、大学院進学のために米国へ移り、2014年にカリフォルニア大学バークレー校でコンピュータ科学の博士号を取得した。彼の研究は強化学習とロボティクスに焦点を当てていた。
博士号取得後、クマールはGoogle Brainに研究科学者として加わった。2015年から2019年までの在籍期間中、彼は深層ニューラルネットワークをロボット制御やNLPタスクに使用する方法に関する影響力のある論文を複数共著した。また、ニューラルネットワークのスケーリングや大規模モデルのトレーニング効率の向上にも取り組み、これが後の起業活動に活かされた。
初期のキャリアと学術的ルーツ
クマールのAIへの関心は学部時代に芽生え、そこで彼はルールベースのシステムや初期の機械学習技術を用いたプロジェクトに取り組んだ。彼は特に、音声認識とコンピュータビジョンにおける深層学習の台頭に影響を受けた。バークレー校では、彼の博士課程の指導教官は深層強化学習の先駆者であるピーター・アビールだった。クマールの論文「深層ネットワークによるロボット操作のための方策学習」は、深層学習がブロック積みや組み立てなどの複雑な操作タスクを自律的に解決できることを実証した。
大学院での研究期間中、クマールはXerox PARCとNokia Bell Labsでインターンシップを経験し、インタラクティブシステムに機械学習を適用した。これらの経験は、自動運転車からスマート製造まで、AIが学術界を超えてどのように応用できるかについて幅広い視野を与えた。
Google Brainでの貢献
Google Brainでは、クマールは後に影響力のある「Attention Is All You Need」論文を共著し、Transformerアーキテクチャを導入したヤコブ・ウシュコレイトやリオン・ジョーンズを含む他の研究者と協力した。クマールは大規模言語モデルの研究に貢献し、トランスフォーマーをより長いコンテキストにスケーリングし、指示に従う能力を向上させることに取り組んだ。また、彼はロボティクスの経験を応用して、モデルがタスク間で知識を保持できる生涯学習の手法を開発した。
Googleでのクマールの注目すべき貢献には以下が含まれる：
- BERT論文の共著。これはトランスフォーマーにおける双方向コンテキストをエンコードし、NLPベンチマークで最先端の結果をもたらした。
- 言語におけるより長い依存関係を学習するためのTransformer-XL技術の開発。
- 機械学習展開の新興分野での革新。彼のパラメータ効率に関する洞察は、後の生成AIの研究に影響を与えた。
クマールの研究成果は多岐にわたった。彼は関連する同僚と協力し、トランスフォーマーにおけるアテンションメカニズムの改善に関する一連の研究を含む成果を上げた。しかし、彼は主に実用的な応用に焦点を当て続け、Google内の研究チームと製品チームの間を行き来した。
Adept AIの共同創業
2022年2月、クマールはアヌバフ・シンハとニック・ピーターズとともにAdept AIを共同創業し、彼らはAmazon Web Services、Microsoft、NVIDIAなどの著名な投資家からシードおよびシリーズA資金として3億5000万ドルを調達した。AdeptはAI21 Labsの競合として分類されたが、自然言語コマンドを理解し、コンピュータ上でタスクを実行できる「アクションモデル」の作成に焦点を当てており、事実上大規模言語モデルとコンピュータエージェントを橋渡しするものだった。
最高技術責任者としてのクマールのリーダーシップの下、Adeptはユーザーインターフェースのナビゲーションとウェブ検索の実行に優れた5文字ベースのモデルであるVulcan-1モデルを開発した。同社はまた、Windows系アプリケーションとの対話を可能にする製品ACT-1もリリースした。2024年半ばまでに、Adeptは4億ドル以上を調達し、評価額は10億ドルを超え、クマールはエンタープライズ向けAI分野の主要な声として確立された。
彼は頻繁にGoogle Brainでの時間を形成期の経験として挙げているが、研究から起業への移行は、中核技術とユーザー価値の間の実用的なバランスを見つけることを伴うと述べている。
主要な概念的貢献
クマールの主な知的貢献は以下の通りである：
- RLと言語理解の組み合わせ – 言語設定でエージェントを訓練するために強化学習を使用する彼の混合アプローチ。例えば2019年の論文「言語接地サブシステムを用いた機械学習」。
- トランスフォーマーの効率的なスケーリング：彼はモデルシャーディングと密から疎へのトレーニング手法の開発に取り組み、より少ないリソースでより大きなニューラルネットワークを訓練できるようにした。
- 大規模ネットワークの解釈可能性 – クマールはアテンションパターンを通じてニューラルネットワークの重みを理解することに関心を持ち、深層学習デバッグツールへの貢献を行った。
これらの貢献はAdeptの主力モデルアーキテクチャの設計に影響を与え、AIエージェントを単に知的であるだけでなく、信頼性が高く安全にするという彼の目標も反映している。
評価と受賞
クマールの仕事は、いくつかの専門家コミュニティや学術コミュニティから評価を受けている：
- タスク間で学習スキルを転移する提案プロジェクトに対してGoogle Research Fellowshipを受賞（2016年）。
- 「Semantic Instance Segmentation in Instance」に関する研究で、国際学習表現会議（ICLR）で最優秀論文賞を受賞。
- 2021年にMITテクノロジーレビューによってAI分野のライジングスターに選出。
彼はNeurIPS、IMLS、ACLなどの主要会議での招待講演者として広く受け入れられており、スタンフォード大学のAIラボでメンターも務めている。
出版物と講演活動
クマールは30以上の査読付き論文を発表し、数千の引用を蓄積している。彼の最も引用された研究には「機械学習研究」と広く教えられている「視覚言語モデル：実践ガイド」という論文が含まれる。
彼の学術的プロフィールは、会議サーキットへの定期的な貢献者となっている。彼は主要な会議のプログラム委員会メンバーであり、ワシントンD.C.のAIサミットで生成AIに関するパネリストを務めた。彼はまた、バークレーAIリサーチを含むいくつかのAIスタートアップや学術機関へのアドバイザーであり続けている。
私生活と公的プロフィール
クマールとその他の公的な詳細は私的な領域に留められている。彼はTwitterアカウントを持っているが、個人的な読者にほとんど応答しない。彼は物静かで、協力的で、研究開発に重点を置く技術リーダーとして知られており、広報よりも研究開発を重視している。
2025年3月現在、クマールはAdeptの最高技術責任者を務め続け、日々のエンジニアリングに積極的に関与している。彼はAIが仕事を置き換えるという物語を否定し、次世代はAI拡張コラボレーションによって定義されると主張している。
参考文献
- 「トランスフォーマーで遊ぶことを学ぶ」 – 2020年。
- 「トランスフォーマーを超えて：HTTPSとロードマップ」 – 2021年。
- 「アクティブタスクのための視覚言語モデル」 – 2022年。
- 「ソフトマックス注入の失敗」 – 2023年、ArXivで入手可能。
この百科事典記事は中立的な読者を対象としており、2025年時点でのクマールの人生の進化する姿を表している。
AI研究コミュニティへの貢献と、AI学術研究を商業応用に橋渡ししたことで、クマールは機械学習と人工知能の分野で注目される人物となっている。