جی لین (Ji Lin)
جی لین یک پژوهشگر در حوزه هوش مصنوعی است که به‌خاطر کارهایش در زمینه یادگیری عمیق کارآمد شناخته می‌شود؛ از جمله پیاده‌سازی مدل‌ها روی دستگاه‌هایی با منابع محدود و بهینه‌سازی مدل‌های زبانی بزرگ. او در حال حاضر در آزمایشگاه‌های ابرهوش متا (Meta's Superintelligence Labs یا MSL) فعالیت می‌کند و تمرکزش روی سیستم‌های چندوجهی (مولتی‌مودال)، استدلال و داده‌های مصنوعی است.
تحصیلات
جی لین در سال ۲۰۱۸ از دانشگاه تسینگ‌هوا (Tsinghua University) در رشته مهندسی برق و الکترونیک فارغ‌التحصیل شد و مدرک کارشناسی خود را دریافت کرد. پس از آن، در سال ۲۰۲۳ مدرک دکترای خود را از مؤسسه فناوری ماساچوست (MIT) دریافت نمود.
مسیر شغلی
لین حرفه‌اش را در سال ۲۰۱۸ به‌عنوان کارآموز پژوهشگر هوش مصنوعی در دفتر گوگل پکن آغاز کرد. سپس از سال ۲۰۱۸ تا ۲۰۲۳ به‌عنوان دستیار پژوهشی در MIT فعالیت داشت و در آنجا در پروژه‌های بلندمدت دانشگاهی در زمینه هوش مصنوعی مشارکت کرد. در تابستان ۲۰۲۰، او یک دوره کارآموزی تحقیقاتی در شرکت ادوبی در کمبریج، ماساچوست گذراند. همچنین در سال ۲۰۲۳ به‌عنوان کارآموز پژوهشی در شرکت انویدیا در سانتا کلارا مشغول به کار شد و روی تحقیقات پیشرفته در حوزه هوش مصنوعی تمرکز کرد.
از نوامبر ۲۰۲۳، لین به‌عنوان یکی از اعضای فنی در شرکت OpenAI مشغول به کار شد. او در توسعه مدل‌هایی مانند o3، o4-mini، GPT-4o، GPT-4.1، GPT-4.5، 4o-imagegen و زیرساخت استدلالی Operator مشارکت داشت، با تمرکز بر سیستم‌های چندوجهی، استدلال، و داده‌های مصنوعی. در ژوئیه ۲۰۲۵، او به آزمایشگاه‌های ابرهوش (MSL) در شرکت متا پیوست؛ بخشی که بر پیشرفت در زمینه هوش عمومی مصنوعی تمرکز دارد.
آزمایشگاه‌های ابرهوش (MSL)
آزمایشگاه‌های ابرهوش متا (MSL) یک بخش درون‌سازمانی در شرکت متا است که در ژوئن ۲۰۲۴ راه‌اندازی شد تا تلاش‌های این شرکت در حوزه هوش مصنوعی را یکپارچه و تسریع کند، به‌ویژه در مسیر دستیابی به هوش عمومی مصنوعی (AGI). این بخش توسط الکساندر وانگ و نت فریدمن هدایت می‌شود و تیم‌هایی را که روی مدل‌های بنیادین، محصولات کاربردی هوش مصنوعی و پژوهش‌های اصلی از FAIR کار می‌کنند، گرد هم می‌آورد. این واحد همزمان با یک کارزار بزرگ جذب استعداد شکل گرفت که در آن پژوهشگرانی از شرکت‌هایی مانند OpenAI، Anthropic و DeepMind استخدام شدند. این اقدام همچنین در پی سرمایه‌گذاری ۱۴.۳ میلیارد دلاری متا در شرکت Scale AI صورت گرفت. MSL مسئول توسعه سری مدل‌های Llama متا و نسل بعدی سیستم‌های هوش مصنوعی است و تمرکزش بر پیشرفت‌های بلندمدت و ادغام این فناوری‌ها در پلتفرم‌های مصرفی متا قرار دارد.
ارائه دفاعیه دکتری
دفاعیه دکترای جی لین در MIT بر پایه پژوهش او با عنوان «محاسبات یادگیری عمیق کارآمد: از TinyML تا مدل‌های زبانی بزرگ» برگزار شد. در جریان این ارائه، لین به معرفی دستاوردهای مهم خود در طول پنج سال پژوهش پرداخت، از جمله پروژه‌هایی که به کارآمدتر کردن یادگیری عمیق می‌پرداختند.
کار او شامل توسعه روش‌هایی برای پیاده‌سازی مدل‌های بینایی روی میکروکنترلرهایی با حافظه بسیار محدود بود، تا کوانتیده‌سازی (quantization) مدل‌های زبانی بزرگ به‌منظور کاهش هزینه اجرای آن‌ها. برای مثال، او الگوریتم‌هایی را پیاده‌سازی کرد که امکان آموزش و استنتاج مؤثر را روی دستگاه‌هایی با حافظه‌ای کمتر از ۲۵۶ کیلوبایت فراهم می‌کردند.
لین به چالش‌های مربوط به گسترش مدل‌های یادگیری عمیق در حالی‌که اندازه آن‌ها به‌سرعت از توانایی سخت‌افزارهای موجود پیشی می‌گرفت اشاره کرد. او همچنین اهمیت طراحی همزمان الگوریتم و سخت‌افزار را برای دستیابی به عملکرد بهینه مورد تأکید قرار داد.
ارائه با ابراز قدردانی لین از استادان راهنما، همکاران پژوهشی، خانواده و دوستانش برای حمایت‌هایی که در طول مسیر تحقیقاتی‌اش از او کرده بودند، به پایان رسید.
نظرات کاربران