الوصف
الموقع الشخصي لـ Yang Song، باحث بارز في مجال الذكاء الاصطناعي. يشغل Yang Song حاليًا منصب باحث رئيسي في مختبرات Meta Superintelligence (MSL)، حيث يلعب دورًا رئيسيًا في تشكيل اتجاه البحث في المختبر جنبًا إلى جنب مع كبير العلماء Shengjia Zhao. قبل توليه منصبه في Meta، قاد فريق الاستكشافات الاستراتيجية في OpenAI، مساهمًا في تطوير تقنيات الذكاء الاصطناعي.
قراءة المزيد
حصل Yang Song على درجة الدكتوراه في علوم الكمبيوتر من جامعة ستانفورد، تحت إشراف Stefano Ermon. خلال دراساته للدكتوراه، طور مفاهيم وتقنيات أساسية في نماذج الانتشار القائمة على الدرجات (score-based diffusion models)، والتي كان لها تأثير كبير على مجال الذكاء الاصطناعي التوليدي. تم الاعتراف بعمله في هذا المجال في منشورات مختلفة، بما في ذلك منشور مدونة، ومقال في مجلة Quanta، ومقابلات. أكمل أيضًا تدريبًا بحثيًا في شركات رائدة في الصناعة مثل Google Brain و Uber ATG و Microsoft Research.
بدأت رحلته الأكاديمية في جامعة تسينغهوا، حيث حصل على درجة البكالوريوس في الرياضيات والفيزياء. هناك، تعاون مع باحثين بارزين بما في ذلك Jun Zhu و Raquel Urtasun و Richard Zemel. تتركز اهتماماته البحثية في تطوير نماذج توليدية مبتكرة، مع التركيز بشكل خاص على نماذج الانتشار ونماذج الاتساق. هذه النماذج قادرة على توليد بيانات عالية الجودة، مثل الصور، بسرعة وكفاءة ملحوظة. أدى عمله إلى نتائج حديثة في توليد الصور، وحل المشكلات العكسية في التصوير الطبي، وتسريع الحسابات التغذوية الأمامية (feedforward computations) في الشبكات العصبية.
تعرض منشورات Yang Song مساهماته في مؤتمرات الذكاء الاصطناعي الرئيسية، بما في ذلك ICLR و ICML و NeurIPS. استكشف بحثه مجالات مثل تبسيط نماذج الاتساق في الوقت المستمر (continuous-time consistency models) وتحقيق الاستقرار فيها وتوسيع نطاقها، وتحسين تقنيات تدريب نماذج الاتساق، وتطوير النمذجة التوليدية القائمة على الدرجات من خلال المعادلات التفاضلية العشوائية. كما حقق في تطبيقات هذه النماذج في حل المشكلات العكسية في التصوير الطبي وتسريع الحسابات التغذوية الأمامية عبر حل المعادلات غير الخطية المتوازية. يسلط عمله على الأمثلة العدائية غير المقيدة (unrestricted adversarial examples) واستخدام النماذج التوليدية للدفاع ضد الهجمات العدائية الضوء بشكل أكبر على اتساع مساهماته البحثية.
- الفئةأدوات ذكاء اصطناعي أخرى
- النشرسحابي
- المنصاتالويب
الميزات الأساسية لـ Score SDE
باحث رئيسي في مختبرات Meta Superintelligence
قائد سابق لفريق الاستكشافات الاستراتيجية في OpenAI
عمل رائد في نماذج الانتشار القائمة على الدرجات
طور مفاهيم أساسية في نماذج الاتساق في الوقت المستمر
خبرة في الذكاء الاصطناعي التوليدي والنمذجة الاحتمالية
مساهمات في تقنيات أخذ العينات السريعة للنماذج التوليدية
تطبيقات في توليد الصور وإعادة بناء الصور الطبية
بحث في تسريع حسابات الشبكات العصبية
مؤلف العديد من المنشورات المؤثرة في مؤتمرات الذكاء الاصطناعي العليا
دكتوراه في علوم الكمبيوتر من جامعة ستانفورد
البدء مع Score SDE
الوصول إلى الأبحاث: استكشف المنشورات والأوراق البحثية حول النماذج التوليدية.
فهم النماذج: تعرف على نماذج الانتشار ونماذج الاتساق.
استكشاف الأكواد: عرض مستودعات الأكواد للمشاريع البحثية.
التواصل مع الباحث: تواصل للتعاون أو الاستفسارات.
حالات استخدام Score SDE
- بحث الذكاء الاصطناعي التوليدي
- توليد الصور
- التصوير الطبي
- تحسين النماذج
- استراتيجية الذكاء الاصطناعي
