جوئل پوبار (Joel Pobar)
جوئل پوبار یک تکنولوژیست و رهبر مهندسی است که به‌خاطر فعالیت‌هایش در زمینه پلتفرم‌های نرم‌افزاری و پروژه‌های هوش مصنوعی شناخته می‌شود. او در شرکت‌های بزرگ فناوری در نقش‌های ارشد فعالیت کرده، از جمله مدیریت زیرساخت و مهندسی در شرکت Anthropic و همچنین به‌عنوان یکی از رهبران ارشد مهندسی در متا (Meta)، جایی که روی ابتکارات هوش مصنوعی از جمله PyTorch کار کرده و با تیم Superintelligence همکاری داشته است.
تحصیلات
جوئل پوبار مدرک کارشناسی فناوری اطلاعات با رتبه ممتاز در رشته علوم کامپیوتر را بین سال‌های ۱۹۹۹ تا ۲۰۰۱ از دانشگاه فناوری کوئینزلند (QUT) دریافت کرد.
مسیر شغلی
پوبار فعالیت حرفه‌ای خود را در بریزبین آغاز کرد؛ جایی که بین سال‌های ۱۹۹۹ تا ۲۰۰۳ به‌عنوان مدیر سیستم و شبکه در شرکت Quicknet Internet Provider کار می‌کرد. مسئولیت او شامل نگهداری زیرساخت فناوری اطلاعات بر بسترهای مختلفی مانند ویندوز، لینوکس، FreeBSD و سیستم‌های مبتنی بر Cisco بود. هم‌زمان با این کار، او به‌عنوان دستیار پژوهشی در دانشگاه QUT مشغول بود و در پروژه‌هایی مرتبط با زبان‌های برنامه‌نویسی، محاسبات توزیع‌شده و چارچوب‌های سازگار با نرم‌افزار شرکت داشت.
در سال ۲۰۰۲، او یک دوره کارآموزی در شرکت Sun Microsystems در منلو پارک گذراند و در آنجا به توسعه سیستم تقسیم کد برای یک کامپایلر داخلی Verilog که محیط‌های اجرایی مبتنی بر ASIC را هدف قرار می‌داد، کمک کرد.
در سال ۲۰۰۳، پوبار به‌عنوان مدیر برنامه در تیم Common Language Runtime (CLR) مایکروسافت مشغول به کار شد. وظایف او شامل کار بر روی مؤلفه‌های مختلف چارچوب .NET از جمله بازتاب (Reflection)، تولید کد، و مکانیسم‌های Delegate بود. او همچنین در توسعه Shared Source CLI (SSCLI) مشارکت داشت. بعدها به‌عنوان پیمانکار با مرکز توسعه راهکارهای مایکروسافت (SDC) همکاری کرد و در معماری فنی و تلاش‌های مهندسی در پروژه‌های بزرگ نرم‌افزاری نقش داشت.
در سال ۲۰۱۰، او به‌عنوان مهندس قراردادی در بانک مک‌کواری در سیدنی فعالیت کرد و در توسعه زیرساخت معاملاتی با هدف پشتیبانی از عملیات‌های پرسرعت و با تأخیر پایین مشارکت نمود.
پوبار در سال ۲۰۱۲ به فیسبوک (که اکنون متا نام دارد) پیوست و بیش از یک دهه در نقش‌های رهبری مهندسی خدمت کرد. در اوایل دوره کاری‌اش، او تیم‌هایی را مدیریت می‌کرد که مسئول پروژه‌های زیرساخت نرم‌افزاری اصلی مانند HHVM (کامپایلر JIT برای PHP)، زبان برنامه‌نویسی Hack، و سیستم بررسی نوع Flow برای جاوااسکریپت بودند.
بین سال‌های ۲۰۱۵ تا ۲۰۱۹، او ابتکارات مرتبط با زیرساخت‌های عملکرد را در برنامه‌های فیسبوک هدایت می‌کرد و مسئول بهینه‌سازی سیستم‌های موبایل و بک‌اند بود. از ۲۰۱۹ تا ۲۰۲۳، او با تیم‌های زیرساخت هوش مصنوعی و یادگیری ماشین همکاری داشت و در توسعه پلتفرم‌های داخلی مورد استفاده برای استقرار مدل‌ها، هماهنگی سیستم‌ها، و جریان‌های کاری آموزش در مقیاس وسیع مشارکت کرد؛ از جمله کار بر روی PyTorch و FBLearner.
در سال ۲۰۲۳، پوبار به شرکت Anthropic پیوست، جایی که به‌عنوان عضو فنی در زیرساخت مهندسی برای سیستم‌های استنتاج مدل‌های زبانی بزرگ فعالیت داشت. در سال ۲۰۲۴، او به‌عنوان اولین شریک سرمایه‌گذاری (Venture Partner) در شرکت سرمایه‌گذاری TEN13 منصوب شد؛ شرکتی که بر سرمایه‌گذاری در حوزه هوش مصنوعی تمرکز دارد. نقش او شامل مشاوره در زمینه‌های فنی مرتبط با فرصت‌های هوش مصنوعی و مشارکت در تدوین استراتژی سرمایه‌گذاری شرکت می‌شود.
پوبار همچنین در زمینه انتشار مطالب فنی و ارائه در کنفرانس‌ها فعالیت داشته است. از جمله، مقالاتی در مجله MSDN منتشر کرده و در رویدادهایی مانند کنفرانس GOTO در آرهوس سخنرانی کرده؛ جایی که درباره استفاده از تکنیک‌های برنامه‌نویسی تابعی در کاربردهای عملی صحبت نمود.
تیم ابرهوش (Superintelligence)
در ژوئن ۲۰۲۵، شرکت متا بخش آزمایشگاه‌های ابرهوش (Meta Superintelligence Labs یا MSL) را راه‌اندازی کرد؛ واحدی که بر تحقیق و توسعه در زمینه هوش عمومی مصنوعی (AGI) تمرکز دارد. هدف از ایجاد این بخش، یکپارچه‌سازی تلاش‌های هوش مصنوعی متا در یک ساختار سازمانی واحد بود.
رهبری این آزمایشگاه مشترکاً بر عهده الکساندر وانگ (مدیرعامل سابق Scale AI و مدیر ارشد هوش مصنوعی در متا) و نت فریدمن (مدیرعامل سابق GitHub) است که هدایت ابتکارات محصول و پژوهش‌های کاربردی را بر عهده دارند. هم‌زمان با تأسیس MSL، شرکت متا حدود ۴۹٪ از سهام شرکت Scale AI را به مبلغ تقریبی ۱۴.۳ میلیارد دلار خریداری کرد. این اقدام بخشی از برنامه‌های گسترده‌تر برای توسعه زیرساخت داده و افزایش توان جذب استعداد در حوزه هوش مصنوعی بود.
پس از تأسیس MSL، متا استراتژی هدفمند جذب نیرو را آغاز کرد تا متخصصانی با تجربه در شرکت‌هایی مانند OpenAI، Google DeepMind، Anthropic و Apple را جذب کند. گزارش‌ها نشان می‌دادند که بسته‌های پیشنهادی شامل پاداش‌های قابل توجهی بودند. از جمله افرادی که به این تیم پیوستند می‌توان به دنیل گراس (عضو سابق Safe Superintelligence)، روومینگ پنگ (عضو سابق تیم مدل‌های بنیادی اپل)، تریپت بانسال، جی لین، شوچائو بی، هونگیو رن، جک ری، و پی سان اشاره کرد. این افراد تخصص‌هایی در زمینه مدل‌های چندوجهی و سیستم‌های استدلالی داشتند.
جوئل پوبار نیز یکی از کسانی بود که به تیم MSL پیوست. پیش از آن، او در شرکت Anthropic در حوزه زیرساخت استنتاج در مقیاس بالا فعالیت می‌کرد و بیش از ده سال نیز در نقش‌های رهبری مهندسی در متا تجربه داشت.
راه‌اندازی MSL پس از ارزیابی داخلی از تلاش‌های قبلی متا در توسعه مدل‌ها، از جمله پروژه متن‌باز Llama 4، انجام شد. این اقدام در شرایطی صورت گرفت که رقابت در حوزه هوش مصنوعی میان شرکت‌هایی مانند OpenAI، گوگل، Anthropic و DeepSeek در حال افزایش بود. تمرکز اعلام‌شده MSL بر تحقیق روی سیستم‌های هوش مصنوعی چندمنظوره است، با کاربردهایی در حال بررسی مانند تولید محتوای خودکار، ابزارهای شخصی‌سازی‌شده، و رابط‌های واقعیت افزوده/مجازی.
نظرات کاربران