
Когда генеративный искусственный интеллект только начинал менять представление о создании изображений, главной проблемой оставалось не само получение картинки, а скорость и эффективность процесса. Диффузионные модели могли создавать впечатляющие результаты, но требовали огромного количества вычислений.
Одной из исследовательниц, работавших над этой проблемой, стала Ченлинь Мэн (Chenlin Meng). Её имя связано с DDIM — методом, который позволил существенно ускорить генерацию изображений и впоследствии оказался важен для целого поколения систем генеративного ИИ. Позже Мэн ушла из академической среды и вместе с Деми Го стала соосновательницей Pika — компании, превратившей научные идеи о генеративных моделях в инструмент для создания и редактирования видео.
Сегодня Мэн занимает должность технического директора Pika. Но её путь к этой позиции начался не со стартапа, а с математики, научных публикаций и исследований в лабораториях Stanford.
О ранних годах Ченлинь Мэн в открытых источниках известно немного. Значительно подробнее документирован её академический путь.
В 2016 году Мэн поступила в Стэнфордский университет, где изучала математику. В 2020 году она получила степень бакалавра с отличием. Ещё во время обучения её научные интересы постепенно сместились к генеративному искусственному интеллекту.
Под руководством профессора Стефано Эрмона Мэн начала заниматься исследованиями, связанными с генеративными моделями. Причём для неё научная работа началась ещё до окончания бакалавриата: уже в студенческие годы она участвовала в подготовке нескольких научных публикаций по генеративному ИИ.
После получения степени Мэн продолжила обучение в Stanford на программе PhD по компьютерным наукам. Её научным руководителем оставался Стефано Эрмон, известный специалист по машинному обучению и генеративным моделям.
Именно в этот период появились работы, которые впоследствии сделали имя Мэн известным далеко за пределами университетской среды.
Одной из самых известных научных работ Мэн стала статья «Denoising Diffusion Implicit Models», или DDIM.
Диффузионные модели работают по принципу постепенного преобразования шума в изображение. Проблема заключалась в том, что для получения результата требовалось выполнить множество последовательных шагов. Чем больше таких операций, тем выше вычислительная стоимость генерации.
Исследование Мэн и её соавторов предложило иной способ организации процесса. DDIM позволил получать сопоставимые результаты при значительно меньшем количестве шагов сэмплирования.
Для пользователя это звучит как техническая деталь, но именно такие детали определяют, насколько практически применимой становится технология. Ускорение генерации означает меньше вычислений, меньше времени ожидания и возможность использовать сложные модели в более широком спектре продуктов.
DDIM впоследствии стал частью научного фундамента современной генеративной экосистемы. Работу связывают с развитием подходов, использовавшихся в таких системах, как DALL-E 2, Imagen и Stable Diffusion.
При этом DDIM был далеко не единственным направлением исследований Мэн. Она работала над ускорением диффузионных моделей, генерацией и редактированием изображений, а также методами дистилляции моделей.
В её научном портфолио появились работы по distillation of guided diffusion models и другим методам, позволявшим сокращать число вычислительных операций при генерации. Stanford отмечает, что предложенный подход мог уменьшить количество вычислений с десятков или сотен шагов до нескольких.
Научная карьера Мэн развивалась одновременно с бурным ростом генеративного ИИ.
Она успела поработать в исследовательских командах Google Brain и Stability AI, получив опыт уже не только академической, но и прикладной разработки искусственного интеллекта. К тому времени её научные работы были известны специалистам по генеративным моделям, а сама Мэн продолжала работать на пересечении математики, компьютерного зрения и машинного обучения.
Однако постепенно перед ней возник вопрос, который невозможно решить одной научной публикацией: что будет, если сделать генеративный ИИ доступным не исследователям, а обычным пользователям?
Ответом стала Pika.
В 2023 году Ченлинь Мэн и Деми Го основали Pika. Обе пришли из Stanford и имели серьёзный исследовательский опыт в области искусственного интеллекта.
Поводом для создания компании стала не только вера в потенциал генеративных моделей, но и неудовлетворённость существовавшими инструментами для работы с видео. Во время участия в AI Film Festival, организованном Runway, основательницы увидели, насколько сложным для обычного пользователя остаётся процесс создания видео с помощью ИИ.
Они решили сделать интерфейс значительно проще.
В апреле 2023 года Мэн и Го покинули докторские программы Stanford, чтобы полностью сосредоточиться на Pika. Го стала генеральным директором, а Мэн — техническим директором.
Для Мэн это означало резкую смену масштаба работы. Если раньше результатом её исследований была научная статья или алгоритм, то теперь технологию требовалось превратить в продукт, которым сможет пользоваться человек без специального образования в области машинного обучения.
Первоначальная Pika была ориентирована на создание коротких видеороликов с помощью текстовых и визуальных запросов.
В ноябре 2023 года компания представила Pika 1.0. Проект быстро привлёк внимание рынка генеративного ИИ и получил финансирование от крупных венчурных инвесторов. В том же году Pika объявила о привлечении $55 млн в раундах финансирования, а среди инвесторов оказались Lightspeed Venture Partners и другие фонды.
Для Мэн это был переход от исследовательского прототипа к полноценной технологической платформе.
Её научная специализация оказалась особенно востребованной именно здесь. Pika должна была не просто генерировать красивую картинку, а заставлять изображения двигаться, сохранять визуальную целостность объектов, редактировать отдельные элементы и постепенно превращаться в универсальный инструмент работы с визуальным контентом.
Компания последовательно добавляла новые возможности: редактирование видео, изменение отдельных объектов, расширение изображения, стилизацию и другие функции.
Развитие Pika не остановилось на первой версии продукта.
В 2024 году компания продолжила расширять возможности генеративного редактирования, а затем представила новые поколения модели. Появились инструменты, позволяющие точнее задавать персонажей и элементы сцены, работать со стилями и синхронизацией речи.
В 2025 году Pika представила PikaSwaps — технологию, позволяющую заменять отдельные элементы видео. Это направление особенно показательно для эволюции продукта: Pika постепенно уходила от простой схемы «текст ? видео» к более сложной модели, где пользователь может управлять уже существующим визуальным материалом.
К 2026 году Pika стала развиваться ещё шире. В феврале компания представила AI Selves — инструмент для создания цифровых персонажей, а в сентябре 2026 года объявила о новом позиционировании Pika как единой AI-платформы для создания видео, изображений и звука.
Для технического директора это означает работу уже не над одним алгоритмом, а над целой системой генеративных технологий.
История Ченлинь Мэн интересна именно этим переходом.
Её имя появилось в научных публикациях ещё до того, как генеративный ИИ стал массовым явлением. DDIM и другие исследования сделали её частью академической истории развития диффузионных моделей. Но вместо того чтобы продолжать исключительно университетскую карьеру, Мэн выбрала путь технологического предпринимательства.
В Pika её задача изменилась: теперь нужно было превращать сложные математические методы в инструменты, которые понятны художнику, дизайнеру, режиссёру, маркетологу или обычному пользователю.
Именно поэтому её биография соединяет два мира, которые долго существовали отдельно друг от друга, — фундаментальные исследования искусственного интеллекта и массовые творческие продукты.
При этом личная жизнь Мэн остаётся практически полностью за пределами публичного пространства. В открытых биографических материалах подробно описаны её образование, научные работы и деятельность в Pika, но достоверных сведений о семье, возрасте, отношениях и других частных обстоятельствах немного. Поэтому приписывать ей неподтверждённые детали было бы неправильно.
Ченлинь Мэн получила степень бакалавра по математике в Stanford с отличием.
Её докторская специализация связана с компьютерными науками и генеративным ИИ.
Научным руководителем Мэн в Stanford был профессор Стефано Эрмон.
Она является соавтором работы DDIM, ставшей одной из заметных публикаций в развитии диффузионных моделей.
Мэн участвовала в исследованиях методов, позволяющих существенно ускорять генерацию изображений.
До Pika она работала в исследовательских командах Google Brain и Stability AI.
В 2023 году Мэн оставила докторскую программу Stanford ради создания Pika.
В Pika она занимает должность сооснователя и CTO, тогда как Деми Го руководит компанией как CEO.
Научные разработки Мэн относятся не только к генерации изображений, но и к их редактированию и оптимизации генеративных моделей.
В сентябре 2026 года Pika объявила о переходе к более широкой платформе, объединяющей генерацию видео, изображений и звука.
Ченлинь Мэн, учёная изменившей генерацию видео
| Родилась: | 00.00.1997 () |