Slav Petrov

Akadémiai és szakmai háttér

Petrov tanulmányi útja három országot ível át, és tükrözi karrierjének nemzetközi jellegét. A Freie Universität Berlinen elvégezte a Diplomot számítástechnika és üzleti adminisztráció szakon, majd a doktori tanulmányait a University of California, Berkeley számítástechnika szakán folytatta. Később a Duke University-n is tanult korábbi akadémiai útjának részeként. 2010 és 2016 között Adjunktus professzorként dolgozott a New York University-n, ahol a Statisztikai természetesnyelv-feldolgozást tanította — ez a szerep párhuzamosan futott az iparági munkájával a Google-nél, ahová 2009 augusztusában csatlakozott.

Szerepe a Google DeepMindnál

A Google DeepMindnál Petrov a Kutatás alelnöki (Vice President of Research) pozícióját tölti be, és társigazgatóként vezeti a Post-Traininget a vállalat zászlóshajó nagy nyelvi modellje, a Gemini kapcsán. A post-training a nagy nyelvi modellek fejlesztésének kritikus szakasza, amely olyan módszereket foglal magában, amelyek finomítják a modell viselkedését, az utasítások követésének képességét és az igazodást (alignment) az első előtanítás után. Csapata globálisan elosztott, ami tükrözi a munka skáláját és összetettségét. A Google DeepMind megalakulása előtt Petrov olyan NLP-kutatási erőfeszítéseket vezetett, amelyek közvetlenül táplálták a Google olyan termékeit, mint a Search, Ads, Translate, Assistant és Chrome.

Publikációs jegyzéke több mint egy évtizedet ölel fel, és a természetesnyelv-feldolgozáson belül számos témát lefed, többek között a gépi fordítást, a szintaktikai elemzést (parsing) és a természetes nyelvű generálásban az attribúciót. Hozzájárulója olyan mérföldkőnek számító tanulmányoknak, amelyek a Google nagy modelljeivel kapcsolatos erőfeszítésekhez kötődnek, ideértve a PaLM, PaLM 2, Gemini, Gemini 1.5 és Gemma 2 munkáit, valamint a Natural Questions benchmark adatszettet — egy széles körben használt erőforrást a kérdés-válaszolási kutatásokhoz.

Kutatási hozzájárulások és elismerés

Petrov kutatási kibocsátása a szintaktikai elemzés, a gépi fordítás területein, valamint a nyelvi generálás értékelési keretrendszereinek fejlesztésében is tartalmaz hozzájárulásokat. Egy figyelemre méltó, friss kutatási irány a természetesnyelv-generáló modellekben az attribúció mérése — annak vizsgálata, hogy a modell kimenetei visszakövethetők-e ellenőrizhető forrásokra. Ez a szempont a nagy generatív rendszerek bevezetésével párhuzamosan egyre fontosabbá vált. A 2023-ban a Computational Linguistics folyóiratban megjelent munka azt a tágabb érdeklődést tükrözi, hogy a nyelvi modellek kimenetei megbízhatóbbá és értelmezhetőbbé váljanak.

Az ACL és NAACL keretében kapott dolgozatdíjain túl Petrov 10 éves Test-of-Time Awardot kapott az ACL 2023-on, amely egy évtizeddel korábbi kutatást ismert el, amely tartósan megőrizte hatását a területen. Kutatási területei, ahogyan a Google kutatási könyvtárában szerepelnek, a Natural Language Processing, Machine Translation, Machine Intelligence és General Science területeit ölelik fel.

Háttér és egyéb eredmények

Petrov nagyjából azonos arányban élt Bulgáriában, Németországban és az Egyesült Államokban, jelenleg pedig Berlinben van. Korai versenyeredményei közé tartozik a RoboCup 2004-en elért világbajnokság — egy nemzetközi robotikai verseny — amely megelőzi az NLP-kutatásban kialakult karrierjét. A Freie Universität Berlinen szerezte meg a Diplomját, és úgy tűnik, hogy a németországi időszaka mintegy keretbe foglalja a karrierjét: Berlin szolgál jelenlegi bázisként akkor is, amikor a világ egyik legismertebb AI-szervezetének kutatásait vezeti. Személyes lojalitását a bolgár nemzeti labdarúgó-válogatott iránt is kifejezte, különösen a Németország elleni mérkőzések során.