Dong Yu (computer scientist)

Dong Yu(俞栋) is a Chinese-American computer scientist, AI researcher, and engineer, known for his research in speech recognition, deep learning, and multi-modal artificial intelligence.^[1] He is a Fellow of the Association for Computing Machinery (ACM), the Institute of Electrical and Electronics Engineers (IEEE), and the International Speech Communication Association (ISCA).^[2] Yu currently serves as Distinguished Scientist and Vice General Manager at Tencent AI Lab and Chief Scientist and Vice General Manager at Tencent Cloud AI.^[3]

Yu received a Bachelor of Science in Electrical Engineering from Zhejiang University and a master's degree in Pattern Recognition and Intelligent Control from the Chinese Academy of Sciences.^[2] He subsequently earned a Master of Science in Computer Science from Indiana University at Bloomington and a Ph.D. in Computer Science from the University of Idaho.^[4]

Yu began his professional career at Microsoft Research in Redmond, Washington, in 1998, where he worked in the Speech and Dialog Research Group.^[5][6] During his time at Microsoft, he led research on automatic speech recognition, multi-modal AI, and deep learning framework, contributing to products such as Microsoft Cortana, Skype Translator, and Ford Sync.^[7]

In 2017, Yu joined Tencent America, where he holds dual leadership roles at Tencent AI Lab and Tencent Cloud AI.^[8] His work focuses on developing large language models, multi-modal AI systems, and research toward artificial general intelligence (AGI).^[9] He has led teams that created systems for conversational AI, speech and music synthesis, multi-modal interaction, and intelligent web agents.^[7]

Fue presidente del Comité Técnico de Procesamiento del Habla y el Lenguaje del IEEE y copresidente del Programa Técnico de ICASSP 2021. ^{[ 10 ]} Además, ha colaborado como editor asociado y editor jefe de área para las Transacciones IEEE/ACM sobre Procesamiento de Audio, Habla y Lenguaje, y ha actuado como editor invitado para varias revistas y números especiales de conferencias del IEEE centrados en el aprendizaje profundo, el procesamiento del habla y la IA conversacional. ^{[ 11 ]}

También fue profesor adjunto en la Universidad de Zhejiang , posee aproximadamente 60 patentes y fue uno de los fundadores y principales contribuyentes de CNTK , un marco de aprendizaje profundo de código abierto. ^{[ 1 ]}

Yu es conocido por la aplicación del aprendizaje profundo al reconocimiento de voz con vocabulario extenso , incluyendo el desarrollo de redes neuronales profundas dependientes del contexto (CD-DNN-HMM), que mejoraron significativamente la precisión del reconocimiento e influyeron tanto en el ámbito académico como en la industria. ^{[ 12 ]}

También ha impulsado redes neuronales recurrentes y convolucionales , ^{[ 13 ]} arquitecturas de aprendizaje profundo de extremo a extremo, IA multimodal y síntesis de voz , contribuyendo a tecnologías que sustentan los asistentes virtuales modernos y los sistemas de interacción humano-computadora . ^{[ 11 ]} Yu desarrolló el Computational Network Toolkit (CNTK), un marco de aprendizaje profundo de código abierto, e introdujo métodos de entrenamiento escalables para sistemas multi-GPU. ^{[ 14 ]}

Más recientemente, su investigación se ha centrado en modelos de lenguaje multimodales a gran escala e IAG, dando como resultado modelos como SongGeneration, AlphaLLM, LiteSearch, WebVoyager, Cognitive Kernel, R-Zero y WebEvolver, así como sistemas de interfaz de audio y síntesis de voz utilizados en productos de Tencent. ^{[ 15 ]}