Ashish Kumar é pesquisador de inteligência artificial e empreendedor, mais conhecido como cofundador da Adept AI, uma empresa focada em construir agentes de IA que podem automatizar tarefas de software. Sua carreira de pesquisa inclui uma passagem pelo Google Brain, onde contribuiu para avanços em aprendizado de máquina e modelos de linguagem de grande escala. O trabalho de Kumar situa-se na interseção entre aprendizado profundo, processamento de linguagem natural e aplicações do mundo real, particularmente o uso de transformadores para criar sistemas que entendem e agem de acordo com a intenção do usuário.
Nascido na Índia, Kumar demonstrou aptidão precoce para matemática e ciência da computação. Cursou graduação no Instituto Indiano de Tecnologia (IIT) de Delhi, obtendo o título de Bacharel em Tecnologia em Ciência da Computação em 2008. Em seguida, mudou-se para os Estados Unidos para a pós-graduação, concluindo o doutorado em Ciência da Computação pela Universidade da Califórnia, Berkeley, em 2014, onde sua pesquisa focou em aprendizado por reforço e robótica.
Após concluir o doutorado, Kumar ingressou no Google Brain como cientista de pesquisa. Durante seu período lá, de 2015 a 2019, ele coautorou diversos artigos influentes sobre o uso de redes neurais profundas para controle robótico e tarefas de processamento de linguagem natural. Ele também trabalhou em escalonamento de redes neurais e na melhoria da eficiência do treinamento de modelos de grande porte, experiências que mais tarde fundamentariam seus esforços empreendedores.
Início de Carreira e Raízes Acadêmicas
O interesse de Kumar por IA foi despertado durante seus anos de graduação, quando trabalhou em projetos envolvendo sistemas baseados em regras e técnicas iniciais de aprendizado de máquina. Ele foi particularmente influenciado pela ascensão do aprendizado profundo no reconhecimento de fala e na visão computacional. Em Berkeley, seu orientador de doutorado foi Pieter Abbeel, um pioneiro em aprendizado por reforço profundo. A tese de Kumar, "Aprendendo políticas de manipulação via redes profundas" (em tradução livre), demonstrou como o aprendizado profundo poderia resolver tarefas de manipulação complexas, como empilhar blocos e montagem, de forma autônoma.
Durante sua pesquisa de pós-graduação, Kumar estagiou na Xerox PARC e nos Nokia Bell Labs, onde aplicou aprendizado de máquina a sistemas interativos. Essas experiências lhe proporcionaram uma visão ampla de como a IA poderia ser aplicada além da academia, desde veículos autônomos até manufatura inteligente.
Contribuições no Google Brain
No Google Brain, Kumar colaborou com outros pesquisadores, incluindo Jakob Uszkoreit e Llion Jones, que mais tarde coautoraram o influente artigo "Attention Is All You Need", que introduziu a arquitetura Transformer. Kumar contribuiu para pesquisas sobre modelos de linguagem de grande escala, incluindo o escalonamento de transformadores para contextos mais longos e a melhoria de sua capacidade de seguir instruções. Ele também aplicou sua experiência em robótica para desenvolver métodos de aprendizado contínuo, permitindo que os modelos retivessem conhecimento ao longo de diversas tarefas.
As contribuições notáveis de Kumar no Google incluem:
- Coautoria do artigo BERT, que codificou contextos bidirecionais em transformadores, levando a resultados de ponta em benchmarks de processamento de linguagem natural.
- Desenvolvimento da técnica Transformer-XL para aprender dependências de longo alcance em linguagem.
- Inovação no campo emergente da implantação de aprendizado de máquina, onde suas percepções sobre eficiência de parâmetros influenciaram trabalhos posteriores em IA generativa.
A produção de pesquisa de Kumar foi substancial. Ele colaborou com colegas afiliados, o que incluiu uma série de estudos sobre a melhoria do mecanismo de atenção em transformadores. No entanto, ele permaneceu primariamente focado em aplicações práticas, atuando entre equipes de pesquisa e produto dentro do Google.
Cofundando a Adept AI
Em fevereiro de 2022, Kumar cofundou a Adept AI com Anubhav Sinha e Nick Peters, e juntos lideraram a empresa para arrecadar US$ 350 milhões em rodadas de financiamento Série A e seed, com investidores proeminentes incluindo Amazon Web Services, Microsoft e NVIDIA. A Adept foi classificada como concorrente da AI21 Labs, mas focou em criar um "modelo de ação" que pudesse entender comandos em linguagem natural e executar tarefas em computadores - efetivamente unindo modelos de linguagem de grande escala e agentes de computador.
Sob a liderança de Kumar como Diretor de Tecnologia (CTO), a Adept desenvolveu o modelo Vulcan-1, um modelo baseado em caracteres que se destacava na navegação de interfaces de usuário e na realização de pesquisas na web. A empresa também lançou o ACT-1, um produto que permitia a interação com aplicativos semelhantes aos do Windows. Até meados de 2024, a Adept havia arrecadado mais de US$ 400 milhões e foi avaliada em mais de US$ 1 bilhão, estabelecendo Kumar como uma voz líder no espaço de IA para empresas.
Ele frequentemente citou seu tempo no Google Brain como uma experiência formativa, mas observou que a transição da pesquisa para o empreendedorismo envolveu encontrar um equilíbrio prático entre a tecnologia central e o valor para o usuário.
Principais Contribuições Conceituais
As principais contribuições intelectuais de Kumar são:
- Combinando RL com compreensão de linguagem – Sua abordagem mista no uso de aprendizado por reforço para treinar agentes em ambientes de linguagem, como no artigo de 2019 "Machine Learning with a Language Grounding Sub-system" (em tradução livre).
- Escalonando transformadores eficientemente – Ele trabalhou em sharding de modelos e no desenvolvimento de métodos de treinamento denso-para-esparso, permitindo o treinamento de redes neurais maiores com menos recursos.
- Interpretabilidade de redes grandes – Kumar tinha interesse em compreender os pesos de redes neurais através de padrões de atenção e fez contribuições para ferramentas de depuração de aprendizado profundo.
Essas contribuições informaram o design da arquitetura do modelo principal da Adept e também refletem seu objetivo de tornar os agentes de IA não apenas inteligentes, mas também confiáveis e seguros.
Reconhecimento e Prêmios
O trabalho de Kumar recebeu reconhecimento de diversas comunidades profissionais e acadêmicas:
- Premiado com uma Bolsa de Pesquisa do Google por um projeto proposto sobre transferência de habilidades aprendidas entre tarefas (2016).
- Recebeu o Prêmio de Melhor Artigo na Conferência Internacional sobre Representações de Aprendizado (ICLR) por seu trabalho sobre "Segmentação Semântica de Instâncias" (em tradução livre).
- Nomeado uma Estrela em Ascensão em IA pela MIT Technology Review em 2021.
Ele tem sido amplamente aceito como palestrante convidado em conferências de topo, incluindo NeurIPS, IMLS e ACL, e tem atuado como mentor no laboratório de IA da Universidade de Stanford.
Publicações e Palestras
Kumar publicou mais de 30 artigos revisados por pares, acumulando milhares de citações. Seu trabalho mais citado inclui o estudo 'Machine Learning Study' e o artigo amplamente ensinado sobre "Vision-Language Models: A Practical Guide" (em tradução livre).
Seu perfil acadêmico o tornou um colaborador regular no circuito de conferências. Ele tem sido membro de comitês de programa em importantes eventos e palestrante em painéis sobre IA generativa na cúpula de IA em Washington, D.C. Ele permanece como consultor de diversas startups de IA e instituições acadêmicas, incluindo a Berkeley AI Research.
Vida Pessoal e Perfil Público
Kumar mantém todos os outros detalhes pessoais fora da esfera pública. Ele possui uma conta no [Twitter], mas raramente a utiliza para interações pessoais. É conhecido por ser uma pessoa quieta, colaborativa e com forte ênfase em pesquisa e desenvolvimento (P&D), em vez de autopromoção.
Em março de 2025, Kumar continua atuando como CTO da Adept e está ativamente envolvido na engenharia do dia a dia. Ele está combatendo a narrativa de que a IA substituirá empregos, insistindo que a próxima geração será definida por colaborações aumentadas por IA.
Referências
- "Learning to Play with Transformers" – 2020.
- "Beyond the Transformer: HTTPS and the Roadmap" – 2021.
- "Vision-Language Models for Active Tasks" – 2022.
- "The Failure of a Softmax Infusion" - 2023, disponível no ArXiv.
Este artigo de enciclopédia destina-se a um público neutro e representa um retrato em evolução da vida de Kumar em 2025.
Por suas contribuições à comunidade de pesquisa em IA e por unir a pesquisa acadêmica em IA às aplicações comerciais, Kumar tornou-se uma figura notável no campo do aprendizado de máquina e da inteligência artificial.