Anima Anandkumar: Fizik ve AI Arasında Bir Köprü

Hindistan'dan Caltech'e

1976 doğumlu, Hindistan'ın Mysore şehrinde. Babası ve büyükbabası mühendis; bilim onun için doğal seçimdi. IIT Madras'tan elektrik mühendisliği lisansı (2004), Cornell Üniversitesi'nden doktora (2009).

Doktora konusu: tensör ayrıştırma ile gizli değişken modelleri. Bayes ağlarını, gauss karışım modellerini, topic modelleri matematiksel olarak ayrıştırma. Klasik istatistik dünyasında saygın ama dar bir alan.

2010'da MIT'de postdoc, 2011'de UC Irvine'da profesör. 2017'de Caltech'e geçti, hâlâ orada.

NVIDIA Research'te 6 yıl (2018-2024)

2018'de NVIDIA'nın Bren Profesörü olarak Caltech ile birlikte NVIDIA Research direktörü oldu. Yarı zamanlı akademik, yarı zamanlı endüstri pozisyonu.

Bu dönem NVIDIA için kritikti: Jensen Huang şirketi GPU üreticisinden AI altyapı şirketine dönüştürüyordu. Anandkumar bu vizyonun bilim/araştırma cephesinin başlıca yüzlerinden biri oldu. 2024'te resmi olarak akademiye tam dönüş yaptı.

Tensör ayrıştırma — erken kariyer

Doktora ve postdoc dönemi katkıları:

• Spectral methods ile gizli değişken modellerinin tek-atışta öğrenilmesi. EM algoritmasının yavaş yakınsamasına alternatif.
• Tensor methods for topic modeling: LDA'yı pratik olarak çok daha hızlı eğitme.
• Latent variable models: Olasılıksal grafiksel modellerin tensör cebirsel çözümleri.

Bu çalışmalar 2010-2015 arasında akademik dünyada saygı görmüştü. Sonra derin öğrenme patlaması onun da yönünü değiştirdi.

Neural Operator (2020) — fizik+AI köprüsü

Anandkumar'ın en büyük etkili çalışması: Fourier Neural Operator (FNO) ve genel olarak neural operator çerçevesi. Zongyi Li ve Kamyar Azizzadenesheli ile birlikte.

Klasik sinir ağı sayıdan sayıya harita öğrenir: $f: \mathbb{R}^n \to \mathbb{R}^m$. Neural operator fonksiyondan fonksiyona harita öğrenir: $f: \mathcal{F} \to \mathcal{F}$.

Pratikte: bir kısmi diferansiyel denklem (PDE) başlangıç koşullarından çözüme bir operatör tanımlar. Neural operator bu operatörü öğrenir. Eğitildikten sonra yeni başlangıç koşulları için hızla çözüm verir.

Hız avantajı: Klasik PDE çözücü saatlerce sürerken neural operator saniyede tamamlar. 1000-10000x hızlanma.

Uygulamalar

• Hava tahmini: Avrupa Orta Vadeli Hava Tahmin Merkezi (ECMWF) operatör tabanlı modeller test etti.
• İklim modelleme: NVIDIA Earth-2 projesinin temeli — yüksek çözünürlük iklim simülasyonu.
• Akışkanlar mekaniği: Aerodinamik, türbülans simülasyonu.
• Sismoloji: Deprem dalgası yayılımı.
• Tıbbi görüntüleme: MRI rekonstrüksiyon.

NVIDIA'nın Modulus ekosistemi neural operator framework'lerini sunar.

"AI4Science" hareketinin sesi

Anandkumar 2020 sonrası "AI for Science" temasının en aktif savunucularından. Tezi:

"LLM'ler dil çözüyor; geleceğin gerçek devrimleri bilimte olacak. Protein katlanması, ilaç tasarımı, malzeme keşfi — AI bu alanları kökten değiştirecek."

Bu vizyon AlphaFold'un başarısı (2020) ile birlikte güçlendi. AlphaFold sembolik, Anandkumar'ın FNO'su sürekli (PDE'ler için) — iki yaklaşım birlikte AI for Science'ın iki ana ayağıdır.

"Slipperygate" — NeurIPS protestosu

2022'de NeurIPS konferansında AI etiği ile ilgili önemli bir tartışma yaşandı. Anandkumar, alanın cinsiyet ve azınlık temsili konusundaki tutarsızlıklarına dair sert eleştiriler yaptı. Twitter'da uzun bir thread.

Bu tavır Stanford HAI ile birlikte AI etiği akademik söyleminin önemli seslerinden biri olmasını sağladı. Dilbilim/dil işleme dünyasına alternatif: fiziksel bilimlerden gelen AI eleştirisi.

"Sade ama derin"

Anandkumar'ın stili tipik makine öğrenmeci olmayan: matematiksel derinlik (tensör cebir, fonksiyonel analiz) ile mühendislik pragmatizmi birlikte. Bir makalesinde:

"Bir sinir ağının PDE çözmesi için iki gereksinim var: birinci, doğru fonksiyon uzayında çalışmak; ikinci, fiziksel kanunlara saygı duymak. İkincisi olmazsa, ağ 'ses gibi' tahminler verir ama anlam taşımaz."

Sade ders

Anandkumar hikâyesinden iki şey:

1. AI'ın bir sonraki sınırı bilimdir. LLM'ler dilin sınırlarını aşıyor; ama gerçek dünya problemleri (iklim, sağlık, enerji) PDE'lerle ifade edilir. Neural operator bu köprüyü kuruyor.
2. Etik ses akademik özgürlüktür. Akademinin Twitter'da konuşan üyeleri sektörü hesap verebilir tutuyor.

Bağlam

NVIDIA için: [[nvidia-cuda-ai-cipi-imparatorlugu]] (varsa). AI for Science için: [[alphafold-protein-katlama-problemi]] (varsa). Fizik destekli AI için: [[pinn-fizik-destekli-sinir-aglari]] (varsa). Tensör ayrıştırma için: [[matris-tensor-ayrismalari]] (varsa). AI etiği için: [[stuart-russell-ai-guvenligi-nin-akademik-yuzu]].