Slav Petrov

Academische en professionele achtergrond

Petrovs opleidingstraject beslaat drie landen en weerspiegelt de internationale aard van zijn carrière. Hij behaalde een Diplom in Computer Science en Business Administration aan Freie Universität Berlin, voordat hij promoveerde in Computer Science aan de University of California, Berkeley. Later studeerde hij aan Duke University als onderdeel van zijn eerdere academische pad. Van 2010 tot 2016 was hij Adjunct Professor aan New York University, waar hij Statistical Natural Language Processing doceerde — een rol die parallel liep met zijn werkzaamheden in de industrie bij Google, waar hij in augustus 2009 in dienst trad.

Rol bij Google DeepMind

Bij Google DeepMind bekleedt Petrov de functie van Vice President of Research en geeft hij mede leiding aan Post-Training voor Gemini, het vlaggenschip van het bedrijf op het gebied van grote taalmodellen. Post-training is een cruciale fase in de ontwikkeling van grote taalmodellen, waarin technieken worden toegepast die het gedrag van een model verfijnen, de mogelijkheden voor instructie-opvolging verbeteren en de afstemming aanscherpen na de initiële pretraining. Zijn team is wereldwijd verspreid, wat de schaal en complexiteit van het werk weerspiegelt. Vóór de oprichting van Google DeepMind leidde Petrov NLP-onderzoeksinspanningen die direct doorstroomden naar Google-producten zoals Search, Ads, Translate, Assistant en Chrome.

Zijn publicatierecord beslaat meer dan een decennium en omvat een breed scala aan onderwerpen binnen natural language processing, waaronder machinevertaling, parsing en attributie bij natural language generation. Hij is mede-auteur van baanbrekende papers die verband houden met de inspanningen van Google op het gebied van grote modellen, waaronder werk aan PaLM, PaLM 2, Gemini, Gemini 1.5 en Gemma 2, evenals de Natural Questions-benchmarkdataset — een veelgebruikte bron voor onderzoek naar vraagbeantwoording.

Onderzoeksbijdragen en erkenning

Petrovs onderzoeksoutput omvat bijdragen op het gebied van syntactische parsing, machinevertaling en de ontwikkeling van evaluatiekaders voor taalgeneratie. Een recent opvallend aandachtsgebied is het meten van attributie in natural language generation-modellen — nagaan of outputs van het model kunnen worden herleid naar verifieerbare bronnen, een zorg die in belang is toegenomen naarmate grote generatieve systemen worden ingezet. Dit werk, gepubliceerd in Computational Linguistics in 2023, weerspiegelt een bredere interesse om outputs van taalmodellen betrouwbaarder en beter interpreteerbaar te maken.

Naast zijn paper awards bij ACL en NAACL ontving Petrov een 10-year Test-of-Time Award op ACL 2023, waarmee onderzoek werd erkend van een decennium eerder dat duurzaam bleek in zijn invloed op het vakgebied. Zijn onderzoeksterreinen, zoals vermeld in Google’s research directory, omvatten Natural Language Processing, Machine Translation, Machine Intelligence en General Science.

Achtergrond en andere prestaties

Petrov heeft in ongeveer gelijke mate in Bulgarije, Duitsland en de Verenigde Staten gewoond, en is momenteel gevestigd in Berlijn. Zijn vroege competitieve prestaties omvatten een Wereldkampioenschap bij RoboCup 2004 — een internationale robotica-wedstrijd — dat dateert van vóór zijn carrière in NLP-onderzoek. Hij voltooide zijn Diplom aan Freie Universität Berlin, en zijn tijd in Duitsland lijkt zijn carrière te hebben afgebakend, waarbij Berlijn zijn huidige uitvalsbasis is, zelfs terwijl hij onderzoek leidt voor een van ’s werelds meest prominente AI-organisaties. Hij heeft blijk gegeven van persoonlijke loyaliteit aan het Bulgaarse nationale voetbalteam, met name in wedstrijden tegen Duitsland.