Slav Petrov

ប្រវត្តិសិក្សា និងវិជ្ជាជីវៈ

ដំណើរអប់រំរបស់ Petrov ឆ្លងកាត់ប្រទេសចំនួនបី ហើយឆ្លុះបញ្ចាំងពីលក្ខណៈអន្តរជាតិនៃអាជីពរបស់គាត់។ គាត់បានបញ្ចប់ Diplom ផ្នែកវិទ្យាសាស្ត្រកុំព្យូទ័រ និងរដ្ឋបាលអាជីវកម្ម នៅ Freie Universität Berlin មុននឹងបន្តការសិក្សាថ្នាក់បណ្ឌិតផ្នែកវិទ្យាសាស្ត្រកុំព្យូទ័រ នៅសាកលវិទ្យាល័យ University of California, Berkeley។ ក្រោយមក គាត់បានសិក្សានៅ Duke University ជាផ្នែកមួយនៃផ្លូវសិក្សាដំបូងរបស់គាត់។ ចាប់ពីឆ្នាំ 2010 ដល់ 2016 គាត់បានបម្រើការជា Adjunct Professor នៅ New York University ជាកន្លែងដែលគាត់បានបង្រៀន Statistical Natural Language Processing — តួនាទីនេះដំណាលគ្នាជាមួយការងារឧស្សាហកម្មរបស់គាត់នៅ Google ដែលគាត់បានចូលធ្វើការនៅខែសីហា ឆ្នាំ 2009។

តួនាទីនៅ Google DeepMind

នៅ Google DeepMind, Petrov កាន់តំណែងជាអនុប្រធានផ្នែកស្រាវជ្រាវ និងជាអ្នកដឹកនាំរួមសម្រាប់ Post-Training របស់ Gemini ដែលជាគំរូភាសាធំដ៏លេចធ្លោរបស់ក្រុមហ៊ុន។ Post-training គឺជាដំណាក់កាលសំខាន់ក្នុងការអភិវឌ្ឍគំរូភាសាធំ ដោយពាក់ព័ន្ធនឹងបច្ចេកទេសដែលកែសម្រួលឥរិយាបថរបស់ម៉ូដែល សមត្ថភាពធ្វើតាមការណែនាំ និងការតម្រឹម បន្ទាប់ពីការបណ្តុះបឋមដំបូង។ ក្រុមរបស់គាត់ត្រូវបានចែកចាយនៅទូទាំងពិភពលោក ដែលឆ្លុះបញ្ចាំងពីទំហំ និងភាពស្មុគស្មាញនៃការងារដែលពាក់ព័ន្ធ។ មុនពេលបង្កើត Google DeepMind, Petrov បានដឹកនាំកិច្ចខិតខំស្រាវជ្រាវផ្នែក NLP ដែលផ្តល់ចូលដោយផ្ទាល់ទៅក្នុងផលិតផលរបស់ Google ដូចជា Search, Ads, Translate, Assistant និង Chrome។

កំណត់ត្រាបោះពុម្ពផ្សាយរបស់គាត់មានរយៈពេលជាងមួយទសវត្សរ៍ ហើយគ្របដណ្តប់លើប្រធានបទជាច្រើននៅក្នុងការដំណើរការភាសាធម្មជាតិ រួមមានការបកប្រែដោយម៉ាស៊ីន ការវិភាគ (parsing) និងការកំណត់ប្រភព (attribution) ក្នុងការបង្កើតភាសាធម្មជាតិ។ គាត់ជាអ្នករួមចំណែកក្នុងអត្ថបទសំខាន់ៗដែលពាក់ព័ន្ធនឹងកិច្ចខិតខំប្រឹងប្រែងគំរូធំរបស់ Google រួមមានការងារលើ PaLM, PaLM 2, Gemini, Gemini 1.5 និង Gemma 2 ព្រមទាំងឈុតទិន្នន័យ Natural Questions benchmark — ជាធនធានដែលត្រូវបានប្រើយ៉ាងទូលំទូលាយសម្រាប់ការស្រាវជ្រាវការឆ្លើយសំណួរ។

ការរួមចំណែកក្នុងការស្រាវជ្រាវ និងការទទួលស្គាល់

លទ្ធផលស្រាវជ្រាវរបស់ Petrov រួមមានការរួមចំណែកលើការវិភាគវាក្យសម្ព័ន្ធ (syntactic parsing) ការបកប្រែដោយម៉ាស៊ីន និងការអភិវឌ្ឍក្របខ័ណ្ឌវាយតម្លៃសម្រាប់ការបង្កើតភាសា។ ផ្នែកមួយដែលគួរឱ្យកត់សម្គាល់នាពេលថ្មីៗនេះពាក់ព័ន្ធនឹងការវាស់វែងការកំណត់ប្រភព (attribution) ក្នុងម៉ូដែលបង្កើតភាសាធម្មជាតិ — ពិនិត្យថាតើលទ្ធផលដែលម៉ូដែលបង្កើតអាចត្រូវតាមដានទៅប្រភពដែលអាចផ្ទៀងផ្ទាត់បានឬទេ ដែលជាកង្វល់ដែលកាន់តែមានសារៈសំខាន់ឡើងជាមួយនឹងការដាក់ឱ្យប្រើប្រាស់ប្រព័ន្ធបង្កើតទំហំធំ។ ការងារនេះ ដែលបានបោះពុម្ពផ្សាយក្នុង Computational Linguistics ក្នុងឆ្នាំ 2023 បង្ហាញពីចំណាប់អារម្មណ៍ទូលំទូលាយក្នុងការធ្វើឱ្យលទ្ធផលរបស់គំរូភាសាមានភាពអាចទុកចិត្តបាន និងអាចបកស្រាយបានកាន់តែច្រើន។

ក្រៅពីពានរង្វាន់សម្រាប់អត្ថបទនៅ ACL និង NAACL, Petrov បានទទួលពានរង្វាន់ 10-year Test-of-Time Award នៅ ACL 2023 ដែលទទួលស្គាល់ការស្រាវជ្រាវពីមួយទសវត្សរ៍មុន ដែលបានបង្ហាញថាមានឥទ្ធិពលយូរអង្វែងលើវិស័យនេះ។ ផ្នែកស្រាវជ្រាវរបស់គាត់ ដូចដែលបានរាយក្នុងបញ្ជីស្រាវជ្រាវរបស់ Google មាន Natural Language Processing, Machine Translation, Machine Intelligence និង General Science។

ប្រវត្តិ និងសមិទ្ធផលផ្សេងទៀត

Petrov បានរស់នៅក្នុងប្រទេសប៊ុលហ្គារី អាល្លឺម៉ង់ និងសហរដ្ឋអាមេរិក ក្នុងសមាមាត្រស្ទើរតែស្មើគ្នា ហើយបច្ចុប្បន្នគាត់មានមូលដ្ឋាននៅទីក្រុង Berlin។ សមិទ្ធផលប្រកួតប្រជែងដំបូងរបស់គាត់រួមមានការឈ្នះជើងឯកពិភពលោកនៅ RoboCup 2004 — ការប្រកួតមនុស្សយន្តអន្តរជាតិ — ដែលកើតឡើងមុនអាជីពរបស់គាត់ក្នុងការស្រាវជ្រាវ NLP។ គាត់បានបញ្ចប់ Diplom នៅ Freie Universität Berlin ហើយពេលវេលារបស់គាត់នៅអាល្លឺម៉ង់ហាក់ដូចជាបានបិទបញ្ចប់អាជីពរបស់គាត់ ដោយ Berlin ជាមូលដ្ឋានបច្ចុប្បន្នរបស់គាត់ ទោះបីជាគាត់ដឹកនាំការស្រាវជ្រាវសម្រាប់អង្គការស្រាវជ្រាវ AI ដ៏លេចធ្លោមួយក្នុងចំណោមអង្គការដែលល្បីបំផុតនៅលើពិភពលោកក៏ដោយ។ គាត់បានបង្ហាញពីភាពស្មោះស្ម័គ្រផ្ទាល់ខ្លួនចំពោះក្រុមបាល់ទាត់ជាតិប៊ុលហ្គារី ជាពិសេសក្នុងការប្រកួតទល់នឹងអាល្លឺម៉ង់។