Ce Zhang é um cientista da computação e acadêmico conhecido por suas contribuições para sistemas de aprendizado de máquina e gerenciamento de dados. Ele é professor associado na Universidade de Chicago e cofundador da Together AI, uma empresa focada em infraestrutura de IA generativa de código aberto. Sua pesquisa conecta inteligência artificial ao design de bancos de dados e sistemas, visando tornar o aprendizado de máquina mais eficiente e acessível.
O trabalho de Zhang foi reconhecido com diversos prêmios, incluindo uma Bolsa de Pesquisa Sloan e um Prêmio CAREER da NSF. Ele publicou extensivamente em conferências de alto nível como SIGMOD, VLDB e NeurIPS, e sua pesquisa influenciou tanto práticas acadêmicas quanto industriais na implantação de modelos de IA em larga escala.
Início de Carreira e Educação
Zhang obteve seu Ph.D. em ciência da computação na Universidade de Toronto, onde trabalhou sob a supervisão de Renée J. Miller. Sua pesquisa de doutorado focou em integração e limpeza de dados, o que posteriormente informou seu interesse em aplicar essas técnicas a pipelines de aprendizado de máquina. Antes de ingressar na Universidade de Chicago, ele foi pesquisador de pós-doutorado no Laboratório de IA de Stanford, colaborando com Christopher Ré no sistema DeepDive, que usava inferência estatística para extração de informações de dados não estruturados.
Contribuições de Pesquisa
A pesquisa de Zhang centra-se na interseção entre gerenciamento de dados e aprendizado de máquina. Ele desenvolveu sistemas que otimizam o treinamento e a inferência de modelos de aprendizado profundo utilizando princípios de bancos de dados, como indexação, compressão e otimização de consultas. Um projeto notável é a implementação de SGD paralelo no estilo "Hogwild!", que demonstrou como escalar variantes de SGD em sistemas multicore sem bloqueio, alcançando acelerações quase lineares.
Ele também contribuiu para o desenvolvimento do "Cerebro", um sistema para seleção e gerenciamento de modelos em larga escala, que permite que cientistas de dados explorem eficientemente espaços de hiperparâmetros. Seu trabalho em técnicas de "LazyBatching" e "DataSkipping" melhorou o desempenho do treinamento de redes neurais em dados relacionais, reduzindo custos de I/O e computação. Essas contribuições foram amplamente citadas e influenciaram pesquisas subsequentes no campo de sistemas de ML.
Together AI e Impacto na Indústria
Em 2022, Zhang cofundou a Together AI juntamente com outros pesquisadores e engenheiros. A empresa fornece infraestrutura em nuvem para treinar e executar modelos de linguagem de grande escala, com foco em modelos e ferramentas de código aberto. A plataforma da Together AI suporta modelos populares como Llama e Mistral, oferecendo serviços para ajuste fino, inferência e implantação. A empresa levantou financiamento significativo e se tornou um ator-chave no ecossistema de IA generativa, competindo com provedores de nuvem maiores ao oferecer soluções especializadas e econômicas.
O papel de Zhang na Together AI envolve orientar a direção técnica, particularmente na otimização do desempenho de arquiteturas transformers em sistemas distribuídos. Seus insights acadêmicos moldaram diretamente a abordagem da empresa para construir infraestrutura de IA escalável, e ele continua a conectar pesquisa e prática industrial.
Ensino e Mentoria
Na Universidade de Chicago, Zhang ministra cursos sobre sistemas de aprendizado de máquina e gerenciamento de dados. Ele orientou numerosos estudantes de Ph.D. e pós-doutorandos, muitos dos quais seguiram para posições na academia e na indústria. Seu ensino enfatiza experiência prática com construção e implantação de sistemas de IA, incentivando os alunos a compreender tanto fundamentos teóricos quanto desafios práticos de engenharia.
Zhang também tem sido ativo na organização de conferências e workshops acadêmicos, servindo em comitês de programa para eventos importantes como NeurIPS, ICML e SIGMOD. Ele é um forte defensor da reprodutibilidade na pesquisa de IA, e seu laboratório mantém código aberto e benchmarks para os sistemas que desenvolve.
Reconhecimento e Prêmios
As contribuições de Zhang foram reconhecidas com várias honrarias. Ele recebeu a Bolsa de Pesquisa Sloan em 2021, concedida a cientistas em início de carreira de promessa excepcional. Ele também recebeu o Prêmio CAREER da NSF, uma bolsa prestigiosa para professores juniores. Seu artigo sobre "Cerebro" ganhou o Prêmio de Melhor Artigo no ICDE 2020, e seu trabalho em algoritmos no estilo "Hogwild!" foi reconhecido como uma contribuição fundamental para o aprendizado de máquina paralelo.
Ele foi convidado a dar palestras principais em várias conferências e workshops, e sua pesquisa foi destaque em veículos de mídia que cobrem avanços em IA. Seu trabalho com a Together AI também foi destacado em relatórios da indústria sobre o crescente cenário de provedores de infraestrutura de IA.
Direções Futuras
Zhang continua a explorar novas fronteiras em sistemas de aprendizado de máquina, incluindo métodos eficientes de treinamento para redes residuais e outras arquiteturas, bem como técnicas para poda de modelos e aumento de dados. Ele está interessado em tornar a IA mais sustentável, reduzindo os recursos computacionais necessários para treinar modelos grandes. Sua pesquisa em andamento visa desenvolver sistemas que possam se adaptar a distribuições de dados em mudança e suportar inferência em tempo real em escala.
Como cofundador da Together AI, Zhang também está focado em democratizar o acesso à IA, garantindo que pesquisadores e desenvolvedores possam aproveitar modelos poderosos sem custos proibitivos. Seu papel duplo como acadêmico e empreendedor o posiciona para influenciar tanto a evolução teórica quanto prática da inteligência artificial nos próximos anos.