Slav Petrov

Akademisk og profesjonell bakgrunn

Petrovs utdanningsreise strekker seg over tre land og gjenspeiler den internasjonale karakteren i karrieren hans. Han fullførte en Diplom i informatikk og bedriftsadministrasjon ved Freie Universität Berlin før han fortsatte med doktorgradsstudier i informatikk ved University of California, Berkeley. Senere studerte han ved Duke University som en del av den tidligere akademiske veien sin. Fra 2010 til 2016 fungerte han som adjunktprofessor ved New York University, der han underviste i statistisk naturlig språkbehandling — en rolle som gikk parallelt med hans arbeid i industrien hos Google, der han begynte i august 2009.

Rolle i Google DeepMind

Hos Google DeepMind har Petrov stillingen som visepresident for forskning og er medansvarlig for post-trening for Gemini, selskapets fremste store språkmodell. Post-trening er en kritisk fase i utviklingen av store språkmodeller, der man bruker teknikker som forbedrer modellens atferd, evne til å følge instruksjoner og samsvar etter den innledende forhåndstreningen. Teamet hans er globalt distribuert, noe som gjenspeiler omfanget og kompleksiteten i arbeidet. Før dannelsen av Google DeepMind ledet Petrov forskningsinnsats innen NLP som ga direkte grunnlag for Google-produkter som Search, Ads, Translate, Assistant og Chrome.

Publikasjonslisten hans strekker seg over mer enn et tiår og dekker et bredt spekter av temaer innen naturlig språkbehandling, inkludert maskinoversettelse, parsing og attribusjon i naturlig språkgenerering. Han er bidragsyter til banebrytende artikler knyttet til Googles arbeid med store modeller, inkludert arbeid på PaLM, PaLM 2, Gemini, Gemini 1.5 og Gemma 2, samt datasettet Natural Questions — en mye brukt ressurs for forskning på spørsmålsbesvarelse.

Forskningsbidrag og anerkjennelse

Petrovs forskningsresultater omfatter bidrag innen syntaktisk parsing, maskinoversettelse og utvikling av evalueringsrammeverk for språkgenerering. Et fremtredende, nyere område i arbeidet hans handler om å måle attribusjon i modeller for naturlig språkgenerering — å undersøke om modellutdata kan spores tilbake til verifiserbare kilder, en bekymring som har fått økt betydning i takt med at store generative systemer tas i bruk. Dette arbeidet, publisert i Computational Linguistics i 2023, gjenspeiler en bredere interesse for å gjøre språkmodellutdata mer pålitelige og tolkbare.

Utover prisene for artiklene hans ved ACL og NAACL mottok Petrov en 10-års Test-of-Time Award ved ACL 2023, som anerkjente forskning fra et tiår tidligere som viste seg å ha varig innflytelse på feltet. Forskningsområdene hans, slik de er oppført i Googles forskningskatalog, spenner over Natural Language Processing, Machine Translation, Machine Intelligence og General Science.

Bakgrunn og andre meritter

Petrov har bodd i Bulgaria, Tyskland og USA i omtrent like stor grad, og har i dag base i Berlin. Hans tidlige konkurranseprestasjoner inkluderer et verdensmesterskap i RoboCup 2004 — en internasjonal robotikkonkurranse — som ligger før karrieren hans innen NLP-forskning. Han fullførte sin Diplom ved Freie Universität Berlin, og tiden hans i Tyskland ser ut til å ha avgrenset karrieren hans, der Berlin fungerer som hans nåværende base selv om han leder forskning for en av verdens mest fremtredende organisasjoner innen kunstig intelligens. Han har uttrykt personlig lojalitet til det bulgarske herrelandslaget i fotball, særlig i kamper mot Tyskland.