چهره‌های کلیدی AI؛ چه کسانی هوش مصنوعی امروز را ساختند؟

چند سال پیش که برای اولین بار مشغول مطالعه تاریخ تحولات صنعت هوش مصنوعی شدم، تصورم این بود که AI یک فناوری است که به‌طور تصادفی از آزمایشگاه‌های دانشگاهی سر بیرون آورده و بعد توسط شرکت‌های بزرگ تجاری‌سازی شده. اما وقتی عمیق‌تر نگاه کردم، متوجه شدم که پشت هر جهش فنی — از AlexNet در سال ۲۰۱۲ تا GPT-4 در سال ۲۰۲۳ — مجموعه‌ای از تصمیم‌های انسانی، انتخاب‌های معماری و گاهی حتی شرط‌بندی‌های مالی وجود داشته که توسط چهره‌های مشخصی گرفته شده است. امروز می‌خواهم به این پرسش پاسخ بدهم: چهره‌های کلیدی AI چه کسانی هستند و چگونه هوش مصنوعی امروز را ساختند؟ پیش از ورود به معرفی چهره‌ها، اگر با تعریف بنیادین این حوزه آشنا نیستید، مطالعه هوش مصنوعی مولد چیست و چگونه کار می‌کند نقطه شروع خوبی است. همچنین می‌توانید برای درک چارچوب کلی، نگاهی به تعریف Artificial Intelligence بیندازید.

چرا شناخت چهره‌های AI مهم است؟

صنعت هوش مصنوعی در سال‌های اخیر به یکی از سریع‌ترین حوزه‌های فناوری در جهان تبدیل شده و تصمیم‌های چند ده نفر کلیدی، مسیر آن را تعیین کرده است. شناخت چهره‌های این صنعت، تنها یک سرگرمی تاریخی نیست؛ یک ابزار تحلیلی است که به شما اجازه می‌دهد جهت‌گیری‌های آینده را پیش‌بینی کنید. وقتی می‌دانید کدام چهره در کدام شرکت چه چیزی را دنبال می‌کند، می‌توانید بفهمید که چرا OpenAI روی مدل‌های زبانی بزرگ سرمایه‌گذاری می‌کند و Meta روی مدل‌های باز، یا چرا NVIDIA از عرضه پردازنده‌های عمومی به سمت پردازنده‌های تخصصی AI حرکت کرده است.

در سطح فنی، سه دلیل اصلی برای شناخت این چهره‌ها وجود دارد. دلیل اول، درک معماری‌های غالب است که هر چهره دنبال می‌کند؛ برای مثال، یان لکان از Meta سال‌هاست روی معماری‌های Self-Supervised Learning کار می‌کند و این رویکرد، معماری متفاوتی از Transformerهای OpenAI دارد. دلیل دوم، پیش‌بینی جهت سرمایه‌گذاری است؛ چهره‌هایی که در رأس شرکت‌های بزرگ قرار دارند، جهت کل صنعت را تعیین می‌کنند. دلیل سوم، درک اخلاقیات AI است؛ برخی از این چهره‌ها روی اخلاقیات AI و خطرات آن تأکید می‌کنند و همین رویکرد، بر تصمیم‌های فنی و قانونی اثر مستقیم دارد. اگر می‌خواهید درک عمیق‌تری از این لایه داشته باشید، مقاله‌ای که در آیا ابزارهای هوش مصنوعی جایگزین انسان می‌شوند نوشته‌ام به‌طور کامل این موضوع را باز می‌کند.

تجربه‌ای که در پروژه‌های واقعی به آن رسیده‌ام این است: در تیم‌هایی که به‌طور جدی با ابزارهای AI کار می‌کنند، شناخت این چهره‌ها به تصمیم‌های عملی کمک می‌کند؛ مثلاً انتخاب بین مدل‌های OpenAI و Meta، به رویکرد فلسفی و فنی این شرکت‌ها بستگی دارد که مستقیماً به چهره‌های محوری آن‌ها برمی‌گردد. اگر می‌خواهید تصویر دقیق‌تری از ابزارهای فعلی داشته باشید، مقاله‌ای که در بهترین ابزارهای هوش مصنوعی برای تولید محتوا نوشته‌ام نقطه شروع خوبی است.

پشت هر مدل زبانی، هر پردازنده گرافیکی و هر مقاله علمی درباره هوش مصنوعی، مجموعه‌ای از تصمیم‌های انسانی وجود دارد که توسط چهره‌های مشخصی گرفته شده. شناخت این چهره‌ها، شناخت نقشه راه صنعت است.

چهار نسل از سازندگان AI

برای درک بهتر صنعت هوش مصنوعی، بهتر است چهره‌های کلیدی آن را در چهار نسل تحلیلی دسته‌بندی کنیم. این دسته‌بندی بر پایه دوره فعالیت، نوع نقش و رویکرد فنی شکل گرفته است.

در این دسته‌بندی، تفاوت‌های فنی و فلسفی هر نسل به‌طور محسوس دیده می‌شود. نسل اول بر پایه ریاضیات و نظریه یادگیری متمرکز بود، نسل دوم بر معماری و محاسبات، نسل سوم بر تجاری‌سازی و نسل چهارم بر ایمنی و حاکمیت. این چهار نسل در کنار هم، تصویر امروز AI را ساخته‌اند.

پیشگامان یادگیری عمیق: هینتون، لکان، بنژیو

در سال ۲۰۱۸، سه دانشمند به‌طور مشترک جایزه تورینگ — که به‌عنوان نوبل علوم کامپیوتر شناخته می‌شود — دریافت کردند: جفری هینتون، یان لکان و یوشوا بنژیو. این سه نفر، به‌دلیل نقش بنیادین در توسعه یادگیری عمیق، به‌عنوان پدرخوانده‌های AI شناخته می‌شوند و رویکردهای فنی هرکدام، بر نسل‌های بعدی تأثیر مستقیم داشته است.

جفری هینتون؛ صدای هشداردهنده AI

جفری هینتون یکی از بنیان‌گذاران اصلی یادگیری عمیق است. دستاورد مهم او در سال ۱۹۸۶، معرفی الگوریتم Backpropagation برای آموزش شبکه‌های عصبی بود که ستون فقرات تمام مدل‌های یادگیری عمیق امروز محسوب می‌شود. هینتون در سال ۲۰۱۳ به Google پیوست و در سال ۲۰۲۳، در اقدامی خبرساز، از Google جدا شد تا بتواند آزادانه درباره خطرات AI هشدار دهد. او در مصاحبه‌های متعدد، از جمله با رسانه‌های بین‌المللی، اعلام کرده که AI می‌تواند به‌عنوان یک تهدید جدی برای بشریت مطرح شود. این رویکرد هشداردهنده، هینتون را به یکی از چهره‌های محوری بحث ایمنی AI تبدیل کرده است.

در سطح فنی، دو دستاورد اصلی هینتون بر صنعت AI اثر مستقیم داشته است. دستاورد اول، توسعه الگوریتم Backpropagation است که روش آموزش شبکه‌های عصبی چندلایه را ممکن کرد و پیش‌نیاز تمام مدل‌های امروز است. دستاورد دوم، معرفی Dropout است که یک روش تنظیم‌کننده برای جلوگیری از بیش‌برازش شبکه‌های عصبی محسوب می‌شود. اگر می‌خواهید درک عمیق‌تری از مبانی یادگیری عمیق داشته باشید، مقاله‌ای که در یادگیری عمیق چه تفاوتی با یادگیری ماشین دارد نوشته‌ام به‌طور کامل این لایه را باز می‌کند.

یان لکان؛ معمار شبکه‌های کانولوشنی و مدافع AI باز

یان لکان یکی از چهره‌های اصلی AI مدرن است و به‌عنوان معمار شبکه‌های کانولوشنی (CNN) شناخته می‌شود. دستاورد کلیدی لکان در دهه ۱۹۸۰ و ۱۹۹۰، توسعه شبکه‌های کانولوشنی برای تشخیص تصویر بود که امروز پایه تمام مدل‌های بینایی ماشین محسوب می‌شود. لکان سال‌هاست در Meta (که پیش‌تر Facebook نام داشت) به‌عنوان دانشمند ارشد AI فعالیت می‌کند و یکی از مدافعان سرسخت رویکرد AI باز (Open Source AI) است. او بارها در مقالات و سخنرانی‌های خود، رویکرد شرکت‌هایی مثل OpenAI را که مدل‌های خود را بسته نگه می‌دارند نقد کرده و بر ضرورت انتشار عمومی مدل‌ها تأکید کرده است.

در سطح فنی، لکان بر معماری Self-Supervised Learning تأکید می‌کند که در آن مدل‌ها از داده‌های بدون برچسب یاد می‌گیرند، برخلاف رویکرد نظارت‌شده که به داده‌های برچسب‌دار وابسته است. این رویکرد، از منظر مقیاس‌پذیری و پایداری داده‌ای، مزیت‌های قابل توجهی دارد. اگر می‌خواهید درک عمیق‌تری از این تفاوت داشته باشید، مقاله‌ای که در یادگیری نظارت‌شده و بدون نظارت چه تفاوتی دارند نوشته‌ام نقطه شروع خوبی است.

یوشوا بنژیو؛ صدای اخلاقیات و ایمنی AI

یوشوا بنژیو، استاد دانشگاه مونترال، یکی از سه دریافت‌کننده جایزه تورینگ ۲۰۱۸ و یکی از چهره‌های مهم AI مدرن است. دستاورد فنی او در حوزه مدل‌های زبانی و شبکه‌های عصبی احتمالاتی است. بنژیو در سال‌های اخیر، بیشتر بر روی اخلاقیات AI و ایمنی آن متمرکز شده است و در تنظیم قوانین کانادا و بین‌المللی AI نقش داشته است. کتاب او با عنوان Deep Learning، که با همکاری هینتون و لکان نوشته شده، یکی از مراجع اصلی این حوزه محسوب می‌شود.

سه چهره پیشگام، با وجود تفاوت‌های فنی و فلسفی، یک ویژگی مشترک دارند: اعتقاد به اینکه AI باید برای بهبود زندگی انسان استفاده شود، نه فقط برای سود تجاری. این رویکرد، در نسل‌های بعدی AI، به دوگانه‌ای بین تجاری‌سازان و تنظیم‌گران تبدیل شده است. اگر می‌خواهید درک عمیق‌تری از این دوگانه داشته باشید، مقاله‌ای که در یادگیری ماشین چیست و چگونه کار می‌کند نوشته‌ام به‌طور کامل این لایه را باز می‌کند.

هینتون، لکان و بنژیو سه دیدگاه متفاوت از یک حقیقت واحدند: هوش مصنوعی، قوی‌ترین ابزاری است که بشر ساخته و همین قدرت، آن را خطرناک می‌کند. مسئولیت ما این است که این ابزار را در مسیر درست هدایت کنیم.

OpenAI و چهره‌های محوری آن

OpenAI در سال ۲۰۱۵ به‌عنوان یک شرکت غیرانتفاعی تأسیس شد و در سال‌های اخیر، به یکی از تأثیرگذارترین شرکت‌های صنعت AI تبدیل شده است. این شرکت، سام آتمن را به‌عنوان مدیرعامل، ایلیا سوتسکور را به‌عنوان دانشمند ارشد سابق، و چهره‌های دیگری مثل میرا موراتی و آندری کارپاتی را در مسیر شکل‌گیری خود داشته است.

سام آتمن؛ مدیرعامل پرسروصدای OpenAI

سام آتمن یکی از چهره‌های محوری AI مدرن است که به‌عنوان مدیرعامل OpenAI شناخته می‌شود. آتمن پیش‌تر به‌عنوان رئیس Y Combinator، یکی از معتبرترین شتاب‌دهنده‌های استارتاپی جهان، فعالیت می‌کرد و در سال ۲۰۱۹ به‌عنوان مدیرعامل OpenAI منصوب شد. در دوران او، OpenAI از یک شرکت پژوهشی به یک شرکت تجاری با محصولاتی مثل ChatGPT و DALL-E تبدیل شد. آتمن در سال ۲۰۲۳ به‌طور موقت از OpenAI برکنار شد و پس از چند روز، با حمایت گسترده کارکنان، به سمت خود بازگشت. این رویداد، یکی از پرتنش‌ترین لحظات تاریخ صنعت AI مدرن محسوب می‌شود.

در سطح استراتژیک، رویکرد آتمن بر سه پایه استوار است: توسعه سریع مدل‌های بزرگ، تجاری‌سازی تهاجمی و مشارکت با شرکت‌های بزرگ مثل Microsoft. این رویکرد، OpenAI را به سرعت به یکی از ارزشمندترین شرکت‌های AI تبدیل کرده اما نقدهایی نیز بر آن مطرح شده است، از جمله نقد بر رویکرد بسته این شرکت در انتشار مدل‌های خود. اگر می‌خواهید درک عمیق‌تری از محصولات OpenAI داشته باشید، مقاله‌ای که در ChatGPT چیست و چگونه از آن استفاده کنیم نوشته‌ام به‌طور کامل این لایه را باز می‌کند.

ایلیا سوتسکور؛ معمار GPT و چهره ایمنی AI

ایلیا سوتسکور یکی از چهره‌های فنی محوری OpenAI و از شاگردان جفری هینتون محسوب می‌شود. او یکی از بنیان‌گذاران OpenAI و در سال‌های اخیر، دانشمند ارشد این شرکت بود. سوتسکور از چهره‌های کلیدی در توسعه معماری Transformer و مدل‌های GPT محسوب می‌شود. در نوامبر ۲۰۲۴، سوتسکور از OpenAI جدا شد و شرکت Safe Superintelligence را تأسیس کرد که هدف آن توسعه AI ایمن است. این جدایی، یکی دیگر از نشانه‌های دوگانه بین تجاری‌سازان و تنظیم‌گران AI است.

در سطح فنی، سوتسکور بر رویکرد Superalignment تأکید می‌کرد که به‌معنای هم‌راستاسازی مدل‌های فوق‌هوشمند با ارزش‌های انسانی است. این رویکرد، چارچوبی برای مدیریت خطرات AI در مقیاس بزرگ ارائه می‌دهد. اگر می‌خواهید درک عمیق‌تری از این لایه داشته باشید، مقاله‌ای که در عامل هوش مصنوعی چیست و چگونه کار می‌کند نوشته‌ام نقطه شروع خوبی است.

میرا موراتی و آندری کارپاتی؛ دو چهره فنی دیگر

میرا موراتی، مهندس اهل آلبانی، در سال ۲۰۱۸ به OpenAI پیوست و در سال ۲۰۲۲ به‌عنوان مدیر ارشد فناوری (CTO) این شرکت منصوب شد. او در توسعه ChatGPT نقش کلیدی داشت و در سال ۲۰۲۴ از OpenAI جدا شد. آندری کارپاتی، یکی دیگر از چهره‌های محوری OpenAI، در سال ۲۰۱۵ یکی از بنیان‌گذاران این شرکت بود و سال‌ها به‌عنوان مدیر بخش AI و Autopilot در Tesla فعالیت کرد. کارپاتی در سال ۲۰۲۳ به‌طور کوتاه به OpenAI بازگشت و سپس در سال ۲۰۲۴ بار دیگر جدا شد.

این دو چهره، نمایانگر مهاجرت آزاد استعدادها بین شرکت‌های AI در سال‌های اخیر هستند. پدیده‌ای که به‌طور محسوس بر سرعت تحول صنعت اثر گذاشته است. اگر می‌خواهید درک عمیق‌تری از این تحول داشته باشید، مقاله‌ای که در چگونه هوش مصنوعی به برنامه‌نویسی کمک می‌کند نوشته‌ام به‌طور کامل این لایه را باز می‌کند.

DeepMind و Google: هاسابیس و پیچای

DeepMind در سال ۲۰۱۰ توسط دمیس هاسابیس، شین لگ و مصطفی سلیمان تأسیس شد و در سال ۲۰۱۴ توسط Google خریداری شد. این شرکت، یکی از مراکز اصلی تحقیقات AI در جهان محسوب می‌شود و محصولات آن مثل AlphaGo و AlphaFold، از انقلابی‌ترین دستاوردهای AI در یک دهه اخیر بوده‌اند.

دمیس هاسابیس؛ نابغه شطرنج و معمار DeepMind

دمیس هاسابیس یکی از چهره‌های برجسته AI مدرن است. او در سن ۱۳ سالگی، استاد شطرنج شد و در سن ۱۷ سالگی، به‌عنوان یکی از نابغه‌های بازی‌های فکری شناخته می‌شد. هاسابیس در سال ۲۰۱۰ DeepMind را تأسیس کرد و پس از خریداری توسط Google، به‌عنوان مدیرعامل DeepMind فعالیت کرد. در سال ۲۰۲۳، پس از ادغام Google Brain و DeepMind، او به‌عنوان مدیرعامل Google DeepMind منصوب شد.

دستاورد اصلی هاسابیس در DeepMind، توسعه مدل‌های بازی‌محور مثل AlphaGo و AlphaZero بود که توانستند در بازی‌های پیچیده مثل Go، انسان را شکست دهند. دستاورد دیگر او، توسعه AlphaFold است که توانست ساختار سه‌بعدی پروتئین‌ها را با دقت بالا پیش‌بینی کند و در سال ۲۰۲۴، جایزه نوبل شیمی را برای این دستاورد دریافت کرد. اگر می‌خواهید درک عمیق‌تری از این لایه داشته باشید، مقاله‌ای که در الگوریتم‌های محبوب یادگیری ماشین کدامند نوشته‌ام نقطه شروع خوبی است.

سانداری پیچای؛ مدیرعامل Google و حامی AI

سانداری پیچای، مدیرعامل Alphabet و Google، در سال‌های اخیر AI را به یکی از محورهای اصلی استراتژی این شرکت تبدیل کرده است. تحت مدیریت او، Google مدل‌های Gemini را توسعه داده و محصولات متعدد AI را در اکوسیستم خود ادغام کرده است. پیچای در مصاحبه‌های متعدد تأکید کرده که AI، یکی از مهم‌ترین فناوری‌های تاریخ بشر است و Google متعهد به توسعه مسئولانه آن است.

Yann LeCun و نقش Meta در AI باز

Meta، شرکت مادر Facebook، Instagram و WhatsApp، در سال‌های اخیر یکی از مهم‌ترین بازیگران صنعت AI شده است. این شرکت، تحت هدایت مارک زاکربرگ و با تکیه بر تیم تحقیقاتی FAIR (Facebook AI Research)، مدل‌های Llama را توسعه داده که به‌عنوان یکی از مهم‌ترین مدل‌های باز در جهان شناخته می‌شوند.

یان لکان، به‌عنوان مدیر بخش AI Meta، نقش کلیدی در استراتژی باز این شرکت داشته است. لکان از منتقدان سرسخت رویکرد بسته شرکت‌هایی مثل OpenAI است و بارها تأکید کرده که AI باید به‌صورت باز توسعه یابد تا امنیت آن در سطح جهانی تأمین شود. این رویکرد فلسفی، تفاوت بنیادین Meta با رقبای دیگر محسوب می‌شود.

در سطح فنی، مدل‌های Llama از Meta، یکی از موفق‌ترین نمونه‌های AI باز محسوب می‌شوند که توسط هزاران محقق در سراسر جهان استفاده و بررسی شده‌اند. این رویکرد باز، سرعت توسعه AI در اکوسیستم جهانی را به‌طور محسوس افزایش داده است. اگر می‌خواهید درک عمیق‌تری از تفاوت مدل‌های باز و بسته داشته باشید، مقاله‌ای که در LLM و انقلاب مدل‌های زبانی بزرگ نوشته‌ام به‌طور کامل این لایه را باز می‌کند.

جنسن هوانگ و پردازنده‌ای که AI را ممکن کرد

جنسن هوانگ، بنیان‌گذار و مدیرعامل NVIDIA، یکی از چهره‌های کلیدی صنعت AI در سال‌های اخیر است. NVIDIA در سال ۱۹۹۳ توسط هوانگ و دو همکار دیگر تأسیس شد و ابتدا بر روی پردازنده‌های گرافیکی برای بازی‌های ویدیویی متمرکز بود. اما در سال‌های اخیر، NVIDIA به یکی از شرکت‌های کلیدی صنعت AI تبدیل شده است چون پردازنده‌های گرافیکی این شرکت، زیرساخت اصلی آموزش مدل‌های AI محسوب می‌شوند.

در سطح فنی، سه دستاورد اصلی NVIDIA در صنعت AI دیده می‌شود. دستاورد اول، توسعه پردازنده‌های تخصصی AI مثل سری H100 و A100 است که برای آموزش مدل‌های بزرگ طراحی شده‌اند. دستاورد دوم، توسعه CUDA است که چارچوب اصلی برنامه‌نویسی موازی محسوب می‌شود و بدون آن، آموزش مدل‌های بزرگ تقریباً غیرممکن بود. دستاورد سوم، توسعه پلتفرم DGX است که به سازمان‌ها اجازه می‌دهد زیرساخت AI خود را به‌طور سریع راه‌اندازی کنند.

هوانگ در سال‌های اخیر، NVIDIA را به یکی از ارزشمندترین شرکت‌های جهان تبدیل کرده است. ارزش سهام این شرکت در سال ۲۰۲۳ و ۲۰۲۴، رشد قابل توجهی داشت که نشان‌دهنده نقش کلیدی آن در صنعت AI است. اگر می‌خواهید درک عمیق‌تری از این لایه داشته باشید، مقاله‌ای که در انتخاب GPU برای یادگیری ماشین نوشته‌ام به‌طور کامل این موضوع را باز می‌کند.

هر مدل AI که امروز استفاده می‌کنید، در نهایت روی سیلیکون NVIDIA اجرا می‌شود. پشت هر گفت‌وگوی ChatGPT، پشت هر تصویر Midjourney، و پشت هر پیش‌بینی AlphaFold، پردازنده‌های این شرکت هستند که محاسبات را ممکن کرده‌اند.

Anthropic و خانواده Amodei

Anthropic در سال ۲۰۲۱ توسط داریو آمودِی، دنیلا آمودِی و چند محقق دیگر که پیش‌تر در OpenAI کار می‌کردند، تأسیس شد. این شرکت، به‌عنوان یکی از رقبای اصلی OpenAI شناخته می‌شود و مدل‌های Claude آن، از محبوب‌ترین مدل‌های زبانی در جهان هستند.

داریو آمودِی؛ معمار رویکرد Constitutional AI

داریو آمودِی، مدیرعامل Anthropic و یکی از چهره‌های کلیدی AI مدرن است. او پیش‌تر به‌عنوان معاون تحقیقات در OpenAI فعالیت می‌کرد و در توسعه مدل‌های GPT-2 و GPT-3 نقش داشت. آمودِی در سال ۲۰۲۱ از OpenAI جدا شد و Anthropic را تأسیس کرد. فلسفه اصلی او، توسعه AI با تمرکز بر ایمنی و شفافیت است. Anthropic در توسعه مدل‌های Claude، از رویکردی به‌نام Constitutional AI استفاده می‌کند که در آن مدل‌ها بر پایه مجموعه‌ای از قوانین و اصول اخلاقی آموزش می‌بینند.

در سطح فنی، رویکرد Constitutional AI تفاوت قابل توجهی با رویکرد RLHF (Reinforcement Learning from Human Feedback) دارد که OpenAI در مدل‌های خود استفاده می‌کند. در Constitutional AI، مدل به‌جای یادگیری از بازخورد انسانی، بر پایه مجموعه‌ای از قوانین مکتوب آموزش می‌بیند. این رویکرد، مقیاس‌پذیری بالاتری دارد و در سال‌های اخیر، در صنعت AI به‌عنوان یک گزینه جدی مطرح شده است.

دنیلا آمودِی؛ مدیرعامل سابق OpenAI و رئیس Anthropic

دنیلا آمودِی، خواهر داریو آمودِی و رئیس هیئت‌مدیره Anthropic، پیش‌تر به‌عنوان مدیرعامل موقت OpenAI فعالیت کرده بود. دنیلا یکی از چهره‌های کمتر شناخته‌شده اما تأثیرگذار در صنعت AI است که در مدیریت و استراتژی شرکت‌های AI نقش مهمی داشته است.

خانواده Amodei، به‌عنوان یکی از تأثیرگذارترین خانواده‌های AI در جهان شناخته می‌شوند و رویکرد آن‌ها به AI، به‌عنوان یک گزینه جدی در برابر رویکرد تجاری OpenAI مطرح است. اگر می‌خواهید درک عمیق‌تری از این تفاوت داشته باشید، مقاله‌ای که در آیا اطلاعات ChatGPT قابل اعتماد است نوشته‌ام نقطه شروع خوبی است.

Microsoft: نادلا و سلیمان

Microsoft در سال‌های اخیر، به یکی از شرکت‌های کلیدی صنعت AI تبدیل شده است. این شرکت، با سرمایه‌گذاری چند میلیارد دلاری در OpenAI و توسعه محصولات AI خود، جایگاه مهمی در این صنعت پیدا کرده است.

ساتیا نادلا؛ مدیرعامل Microsoft و استراتژیست AI

ساتیا نادلا، مدیرعامل Microsoft، یکی از چهره‌های کلیدی صنعت AI مدرن است. او در دوران مدیریت خود، Microsoft را از یک شرکت نرم‌افزاری سنتی به یک شرکت فناوری ابری و AI تبدیل کرده است. نادلا از حامیان اصلی رویکرد Copilot بوده که در آن AI به‌عنوان دستیار در تمام محصولات Microsoft ادغام می‌شود.

مصطفی سلیمان؛ مدیرعامل Microsoft AI

مصطفی سلیمان، یکی از بنیان‌گذاران DeepMind و از چهره‌های مهم AI مدرن است. او پس از جدایی از DeepMind، شرکت Inflection AI را تأسیس کرد و در سال ۲۰۲۴ به Microsoft پیوست تا به‌عنوان مدیرعامل بخش Microsoft AI فعالیت کند. سلیمان از مدافعان رویکرد اخلاقی در AI است و در کتاب خود با عنوان The Coming Wave، به تحلیل خطرات و فرصت‌های AI پرداخته است.

Microsoft، با ترکیب سرمایه‌گذاری در OpenAI و توسعه محصولات AI خود، یکی از بازیگران کلیدی صنعت AI محسوب می‌شود. اگر می‌خواهید درک عمیق‌تری از محصولات Microsoft در حوزه AI داشته باشید، مقاله‌ای که در هوش مصنوعی چگونه به سئو کمک می‌کند نوشته‌ام به‌طور کامل این لایه را باز می‌کند.

Elon Musk و xAI

ایلان ماسک، مدیرعامل Tesla، SpaceX، X و xAI، یکی از چهره‌های پرحاشیه صنعت AI مدرن است. ماسک در سال ۲۰۱۵ یکی از بنیان‌گذاران OpenAI بود اما در سال ۲۰۱۸ از این شرکت جدا شد. در سال ۲۰۲۳، ماسک شرکت xAI را تأسیس کرد که هدف آن توسعه مدل‌های زبانی رقیب OpenAI است. مدل Grok، محصول اصلی xAI، در پلتفرم X (توییتر سابق) ادغام شده است.

ماسک از مدافعان رویکرد باز در AI است اما رویکرد او با رویکرد Meta تفاوت‌های قابل توجهی دارد. او در مصاحبه‌های متعدد، از خطرات AI هشدار داده و خواستار تنظیم‌گری بیشتر در این صنعت شده است. با این حال، تأسیس xAI نشان می‌دهد که او معتقد است توسعه AI باید توسط چند بازیگر مستقل انجام شود، نه فقط توسط یک شرکت واحد. اگر می‌خواهید درک عمیق‌تری از این رویکرد داشته باشید، مقاله‌ای که در اتوماسیون با هوش مصنوعی چیست و چه مزایایی دارد نوشته‌ام نقطه شروع خوبی است.

فی‌فی لی و دموکراتیزه‌کردن داده‌های بصری

فی‌فی لی، استاد دانشگاه استنفورد و یکی از چهره‌های کلیدی AI مدرن، به‌دلیل توسعه ImageNet شناخته می‌شود. ImageNet یک پایگاه داده بزرگ از تصاویر برچسب‌دار است که در سال ۲۰۰۹ منتشر شد و نقش کلیدی در جهش AI در سال‌های بعدی داشت. AlexNet، مدلی که در سال ۲۰۱۲ توانست در مسابقه ImageNet به دقت بالایی برسد، پایه انقلاب یادگیری عمیق محسوب می‌شود.

فی‌فی لی در سال‌های اخیر، به‌عنوان یکی از چهره‌های مهم AI در سیاست‌گذاری و اخلاقیات این حوزه شناخته می‌شود. او در دولت آمریکا، به‌عنوان مشاور در حوزه AI فعالیت کرده و از مدافعان رویکرد Human-Centered AI است. اگر می‌خواهید درک عمیق‌تری از این لایه داشته باشید، مقاله‌ای که در کاربردهای یادگیری ماشین در کسب‌وکار نوشته‌ام به‌طور کامل این موضوع را باز می‌کند.

چهره‌های مهم دیگر که باید بشناسید

علاوه بر چهره‌های معرفی‌شده، چند چهره دیگر نیز در شکل‌گیری صنعت AI مدرن نقش کلیدی داشته‌اند که شناخت آن‌ها به درک جامع‌تر این حوزه کمک می‌کند.

• Andrew Ng: یکی از بنیان‌گذاران Google Brain و Coursera، از مدافعان دموکراتیزه‌کردن آموزش AI. دوره‌های آموزشی او، پایه یادگیری میلیون‌ها مهندس AI در سراسر جهان بوده است.
• Emad Mostaque: بنیان‌گذار Stability AI که مدل Stable Diffusion را توسعه داد و دسترسی به مدل‌های تولید تصویر را به‌طور قابل توجهی دموکراتیزه کرد.
• Aravind Srinivas: مدیرعامل Perplexity، از پیشگامان ترکیب موتور جستجو با مدل‌های زبانی.
• Clement Delangue: مدیرعامل Hugging Face، پلتفرمی که به مرکز اصلی اشتراک‌گذاری مدل‌های AI در جهان تبدیل شده است.
• Reid Hoffman: یکی از بنیان‌گذاران LinkedIn و از سرمایه‌گذاران اولیه OpenAI و Inflection AI.
• Kai-Fu Lee: یکی از چهره‌های مهم AI در چین و بنیان‌گذار Sinovation Ventures.
• Jeff Dean: یکی از معماران اصلی زیرساخت Google و از چهره‌های کلیدی Google Research.
• Ilya Sutskever و Mira Murati: که پیش‌تر در بخش OpenAI معرفی شدند.
• Shane Legg: یکی از بنیان‌گذاران DeepMind که رویکرد ریاضیاتی به AI دارد.
• Oriol Vinyals: از محققان کلیدی DeepMind که در توسعه AlphaStar و AlphaCode نقش داشته است.

این چهره‌ها، هرکدام از زاویه‌ای متفاوت، به شکل‌گیری AI مدرن کمک کرده‌اند. ترکیب تلاش‌های آن‌ها، تصویری چندلایه از یک صنعت پیچیده و پرتحول ساخته است. اگر می‌خواهید درک عمیق‌تری از این لایه داشته باشید، مقاله‌ای که در عامل‌های هوش مصنوعی در کسب‌وکار چه کاربردهایی دارند نوشته‌ام به‌طور کامل این موضوع را باز می‌کند.

الگوهای مشترک میان این چهره‌ها

پس از مرور چهره‌های کلیدی صنعت AI، می‌توان چهار الگوی مشترک میان آن‌ها را شناسایی کرد که برای درک این صنعت مفید است.

الگوی اول، ترکیب دانش نظری و توان اجرایی است. اکثر این چهره‌ها، هم دارای عمق نظری قابل توجهی هستند و هم توانایی تبدیل ایده به محصول را دارند. این ترکیب، نادر است و به همین دلیل این چهره‌ها به موقعیت‌های کلیدی رسیده‌اند. الگوی دوم، مهاجرت بین شرکت‌ها است. در صنعت AI، مهاجرت استعدادها بین شرکت‌های مختلف بسیار رایج است و همین مهاجرت، سرعت تحول صنعت را افزایش داده است. الگوی سوم، دوگانگی بین تجاری‌سازی و ایمنی است. تقریباً تمام این چهره‌ها، در طول فعالیت خود با این دوگانگی روبه‌رو بوده‌اند و هرکدام به شکلی متفاوت پاسخ داده‌اند. الگوی چهارم، تأثیر دانشگاه و صنعت است. اکثر این چهره‌ها از دانشگاه شروع کرده‌اند و سپس به صنعت منتقل شده‌اند یا در هر دو حوزه فعال هستند.

تجربه‌ای که در پروژه‌های واقعی داشته‌ام این است: تیم‌هایی که این الگوها را می‌شناسند، در انتخاب ابزارهای AI و همکاری با شرکت‌های مختلف، تصمیم‌های دقیق‌تری می‌گیرند. اگر می‌خواهید درک عمیق‌تری از این لایه داشته باشید، مقاله‌ای که در هوش مصنوعی چگونه به وردپرس کمک می‌کند نوشته‌ام نقطه شروع خوبی است.

چهره‌های کلیدی AI، نه فقط دانشمندان و مدیران، بلکه روایت‌گران یک لحظه تاریخی هستند. هر تصمیم آن‌ها، یکی از هزاران قطعه پازلی است که AI امروز را ساخته. شناخت این پازل، شناخت جهت آینده است.

پرسش‌های پرتکرار درباره مشاهیر هوش مصنوعی

این بخش را به سؤالاتی اختصاص داده‌ام که بیشتر در جلسه‌های مشاوره تکرار می‌شوند و پاسخ‌شان در تصمیم نهایی وزن زیادی دارد.

مشهورترین چهره‌های هوش مصنوعی چه کسانی هستند؟

مشهورترین چهره‌های هوش مصنوعی در سال‌های اخیر عبارتند از: سام آتمن (مدیرعامل OpenAI)، ایلان ماسک (بنیان‌گذار xAI و از بنیان‌گذاران OpenAI)، جفری هینتون (پدرخوانده AI و برنده جایزه تورینگ)، یان لکان (معمار شبکه‌های کانولوشنی و دانشمند ارشد Meta)، دمیس هاسابیس (مدیرعامل Google DeepMind و برنده نوبل شیمی ۲۰۲۴)، جنسن هوانگ (مدیرعامل NVIDIA)، داریو آمودِی (مدیرعامل Anthropic) و فی‌فی لی (استاد دانشگاه استنفورد و سازنده ImageNet).

جفری هینتون چه نقشی در توسعه AI داشته است؟

جفری هینتون به‌دلیل توسعه الگوریتم Backpropagation در سال ۱۹۸۶ و معرفی روش Dropout، نقش بنیادین در توسعه یادگیری عمیق داشته است. او در سال ۲۰۱۸ به‌همراه یان لکان و یوشوا بنژیو، جایزه تورینگ را دریافت کرد. هینتون در سال ۲۰۲۳ از Google جدا شد تا بتواند آزادانه درباره خطرات AI هشدار دهد و امروز به‌عنوان یکی از چهره‌های اصلی بحث ایمنی AI شناخته می‌شود.

تفاوت رویکرد OpenAI و Anthropic در چیست؟

OpenAI و Anthropic هر دو در توسعه مدل‌های زبانی بزرگ فعالیت می‌کنند اما رویکردشان متفاوت است. OpenAI بر توسعه سریع و تجاری‌سازی تهاجمی تمرکز دارد و مدل‌های GPT خود را به‌عنوان محصول عرضه می‌کند. Anthropic بر ایمنی و شفافیت تمرکز دارد و از رویکرد Constitutional AI استفاده می‌کند که در آن مدل‌ها بر پایه مجموعه‌ای از قوانین اخلاقی آموزش می‌بینند. تفاوت اصلی در سطح فلسفی است: OpenAI معتقد به توسعه سریع و مدیریت بعدی خطرات، Anthropic معتقد به توسعه محتاطانه با تمرکز اولیه بر ایمنی.

نقش NVIDIA در صنعت AI چیست؟

NVIDIA به‌عنوان تأمین‌کننده اصلی پردازنده‌های گرافیکی تخصصی AI شناخته می‌شود. پردازنده‌های سری H100 و A100 این شرکت، زیرساخت اصلی آموزش مدل‌های AI محسوب می‌شوند و بدون آن‌ها، آموزش مدل‌هایی مثل GPT-4 تقریباً غیرممکن بود. NVIDIA همچنین چارچوب CUDA را توسعه داده که ابزار اصلی برنامه‌نویسی موازی برای AI محسوب می‌شود. نقش این شرکت در صنعت AI، به‌عنوان زیرساخت اصلی، انکارناپذیر است.

فی‌فی لی چه نقشی در AI داشته است؟

فی‌فی لی، استاد دانشگاه استنفورد، به‌دلیل توسعه ImageNet شناخته می‌شود. ImageNet یک پایگاه داده بزرگ از تصاویر برچسب‌دار است که در سال ۲۰۰۹ منتشر شد و نقش کلیدی در جهش AI در سال‌های بعدی داشت. AlexNet، مدلی که در سال ۲۰۱۲ توانست در مسابقه ImageNet به دقت بالایی برسد، پایه انقلاب یادگیری عمیق محسوب می‌شود. فی‌فی لی همچنین از مدافعان رویکرد Human-Centered AI و نقش زنان در صنعت AI است.

چرا ایلیا سوتسکور از OpenAI جدا شد؟

ایلیا سوتسکور در نوامبر ۲۰۲۴ از OpenAI جدا شد و شرکت Safe Superintelligence را تأسیس کرد که هدف آن توسعه AI ایمن است. دلایل دقیق جدایی او به‌طور عمومی اعلام نشده اما با توجه به تأکید او بر رویکرد Superalignment (هم‌راستاسازی مدل‌های فوق‌هوشمند با ارزش‌های انسانی)، می‌توان حدس زد که تفاوت دیدگاه درباره سرعت و اولویت‌های توسعه AI در این جدایی نقش داشته است.

چه کسی ChatGPT را ساخت؟

ChatGPT توسط تیم OpenAI ساخته شد و در نوامبر ۲۰۲۲ منتشر شد. سام آتمن به‌عنوان مدیرعامل، میرا موراتی به‌عنوان مدیر ارشد فناوری، و ایلیا سوتسکور به‌عنوان دانشمند ارشد، از چهره‌های کلیدی توسعه ChatGPT بودند. این محصول در کمتر از دو ماه به بیش از صد میلیون کاربر رسید و به‌عنوان سریع‌ترین رشد کاربران در تاریخ محصولات مصرفی شناخته می‌شود.

نقش Meta در توسعه AI باز چیست؟

Meta تحت هدایت یان لکان و مارک زاکربرگ، یکی از مدافعان اصلی AI باز محسوب می‌شود. مدل‌های Llama این شرکت، از محبوب‌ترین مدل‌های باز در جهان هستند و توسط هزاران محقق در سراسر جهان استفاده می‌شوند. رویکرد باز Meta، تفاوت بنیادین با رویکرد بسته شرکت‌هایی مثل OpenAI دارد و در سال‌های اخیر، به‌عنوان یکی از دو قطب اصلی صنعت AI مطرح شده است.

آیا این چهره‌ها با هم همکاری می‌کنند یا رقابت؟

پاسخ این سؤال پیچیده است. در سطح فنی، بسیاری از این چهره‌ها در کنفرانس‌های علمی و پروژه‌های مشترک همکاری می‌کنند. اما در سطح تجاری، شرکت‌های آن‌ها رقبای مستقیم محسوب می‌شوند. این پدیده به‌عنوان Coopetition (همکاری-رقابت) شناخته می‌شود که در صنعت AI بسیار رایج است. برای مثال، محققان OpenAI و Google DeepMind مقالات علمی مشترک منتشر می‌کنند اما محصولات شرکت‌هایشان رقیب مستقیم هستند.

چگونه می‌توانم مسیر این چهره‌ها را دنبال کنم؟

برای دنبال کردن مسیر این چهره‌ها، سه مسیر اصلی وجود دارد. مسیر اول، دنبال کردن مقالات علمی آن‌ها در پلتفرم‌هایی مثل arXiv و Google Scholar. مسیر دوم، دنبال کردن سخنرانی‌ها و پادکست‌های آن‌ها. مسیر سوم، دنبال کردن اخبار شرکت‌های آن‌ها از طریق منابع خبری معتبر فناوری. توصیه من این است که از ترکیب هر سه مسیر استفاده کنید تا تصویر کامل‌تری به دست آورید.

آیا چهره‌های AI عمدتاً مرد هستند؟

در سال‌های اخیر، ترکیب جنسیتی چهره‌های کلیدی AI به‌طور محسوس تغییر کرده است. در نسل اول (پیشگامان)، اکثر چهره‌ها مرد بودند اما در نسل‌های بعدی، زنان تأثیرگذار بیشتری در این صنعت حضور دارند. نمونه‌های شاخص شامل فی‌فی لی (استنفورد)، میرا موراتی (OpenAI سابق)، دنیلا آمودِی (Anthropic)، Mira Lane (Microsoft) و چند چهره دیگر است. با این حال، شکاف جنسیتی در صنعت AI همچنان قابل توجه است و یکی از چالش‌های اصلی این حوزه محسوب می‌شود.

چهره‌های کلیدی AI در ایران چه کسانی هستند؟

در ایران، چند چهره و تیم در حوزه AI فعالیت می‌کنند اما صنعت AI ایران هنوز در مراحل ابتدایی خود است و چهره‌های شاخص آن به سطح بین‌المللی نرسیده‌اند. برخی از این چهره‌ها در دانشگاه‌های داخلی (مثل دانشگاه شریف، دانشگاه تهران و دانشگاه امیرکبیر) و برخی در شرکت‌های خصوصی فعال هستند. توصیه من این است که برای درک تصویر کامل AI در ایران، به منابع تخصصی داخلی مراجعه کنید.

از شناخت چهره‌ها تا درک واقعی AI

اگر این تحلیل را با یک جمله خلاصه کنم، صنعت هوش مصنوعی محصول تلاش چهره‌هایی است که هرکدام از زاویه‌ای متفاوت، به شکل‌گیری این حوزه کمک کرده‌اند. از پیشگامان یادگیری عمیق مثل هینتون، لکان و بنژیو که پایه‌های نظری را ساختند، تا معماران و تجاری‌سازانی مثل آتمن، هاسابیس و هوانگ که AI را به محصول و زیرساخت تبدیل کردند، تا تنظیم‌گران نسل جدید مثل داریو آمودِی و سوتسکور که بر ایمنی و اخلاقیات تمرکز دارند — همه این چهره‌ها، در کنار هم، تصویری چندلایه از یک صنعت پیچیده و پرتحول ساخته‌اند.

قدم بعدی که پیشنهاد می‌کنم بردارید این است: ابتدا یکی از این چهره‌ها را انتخاب کنید که رویکردش با علاقه شما هم‌خوانی بیشتری دارد، سپس مسیر فنی و فلسفی او را به‌طور عمیق دنبال کنید. اگر به حوزه فنی علاقه دارید، مسیر هینتون و لکان می‌تواند نقطه شروع خوبی باشد. اگر به تجاری‌سازی و مدیریت علاقه دارید، مسیر آتمن و نادلا مناسب‌تر است. اگر به اخلاقیات و ایمنی AI علاقه دارید، مسیر داریو آمودِی و بنژیو را دنبال کنید.

اگر تجربه‌ای از مطالعه یا کار با یکی از این چهره‌ها دارید — چه از طریق مقالات، چه از طریق محصولاتشان — برایم جالب است که در دیدگاه‌ها بنویسید کدام چهره بیشترین اثر را روی درک شما از AI داشته و چرا. تجربه‌های واقعی شما، این تحلیل را برای خواننده بعدی دقیق‌تر و کاربردی‌تر خواهد کرد. 🤖