Naučna otkrića i rezultati ne dostižu svoju pravu vrednost ukoliko ne osnažimo druge da ih efektivno iskoriste
Bila je to jedno naizgled obično jutro leta 2006. Dvanaestogodišnji ja sam se probudio rano i zaseo za računar, želeći da što pre dovršim nivo u igrici—kao što sam radio i mnogih jutara pre tog. U sobu uleće moja mama, i glasno konstatuje kako nemam apsolutno nikakve šanse da upišem Matematičku gimnaziju sa takvim pristupom! Ipak ovaj dan nije bio sasvim običan: ja imam prijemni ispit za ogledno odeljenje 7. razreda pri MG za samo nekoliko sati Možda sam imao više sreće nego pameti, jer tokom narednih godina sam imao velikih problema sa materijalom koji se u MG predavao – pogotovo geometrijom – ali moji potezi na tom ispitu su mi promenili ceo život.
Nije ovo bila jedina prekretnica u mojoj karijeri, ali je ona koje se najoštrije sećam. Kasniji momenti – moj prijemni ispit za osnovne studije računarskih nauka na Triniti koledžu Univerziteta Kembridž (gde dobijam punu stipendiju), momenat kada sam odlučio da preskočim master studije i otisnem se na doktorat iz veštačke inteligencije na Kembridžu bez ikakve prethodne spreme, ili pak, dani kada sam odlučio da bez najave pošaljem mejl nekim od najuticajnijih naučnika i da ih pitam za saradnju – su me dodatno oblikovali u naučnika i osobu po kojoj me danas kolege i prijatelji poznaju.
Unutar svog posla, bavim se veštačkom inteligencijom nad grafovima. Većina modernih sistema veštačke inteligencije radi nad jednostavnim podacima, kao što su slike, tekst ili zvuk. Međutim, podaci koje dobijamo iz prirode nisu jednostavni—često imaju nepravilnu strukturu.
Predavanja su jednostavan način da dobijete supermoći: objašnjavanje komplikovanih tema drugima je najbolji način da te teme objasnite sami sebi
Moj put u njihovom istraživanju me dovodi do uzbudljivih dostignuća: sistema koji predviđa vremena putovanja u Gugl Mapama, pomaganju matematičarima da otkriju sakrivenu strukturu u komplikovanim objektima (rad koji je krasio naslovnu stranu najprestižnijeg svetskog časopisa za nauku, Nature) i, najskorije, sarađivao sam sa fudbalskim klubom Liverpul na razvoju prvog sistema veštačke inteligencije koji je sposoban da daje korisne predloge fudbalskim trenerima.
Moj razvojni put nije bio besprekoran: na skoro svakom koraku sam pravio greške. Prilikom prijave za Kembridž, u razgovoru sa starijim kolegama iz MG koji su uspešno prešli ovaj stepenik, sam iz prve ruke saznao kako napraviti jaku prijavu, a da pritom ne ponovim greške koje su oni pravili. Ovo me je inspirisalo da, kada god je to moguće, pomognem novim generacijama da se usavrše, i prenesem im moja iskustva. Moj prvi korak ka ovom cilju je organizacija Nedelje informatike u MG; inicijative kojom bivši učenici MG prenose sadašnjim njihova iskustva i znanja iz računarskih nauka. Kasnije postajem pridruženi profesor na Kembridžu, gde svake godine Master studenatima prenosim čari geometrijskog dubokog učenja.
Ako se sećate kako sam ovaj tekst započeo, geometrija mi nikada nije išla. Prvi put sam razvio intuiciju za ovu oblast kada sam se doveo u situaciju da o njoj predajem studentima. Predavanja su jednostavan način da dobijete supermoći: objašnjavanje komplikovanih tema drugima je najbolji način da te teme objasnite sami sebi. Možda sam baš zato i toliko insistirao da ovogodišnju prestižnu Istočnoevropsku letnju školu mašinskog učenja (EEML) dovedemo baš u Srbiju, gde smo tokom nedelju dana učinili sve od sebe da lokalnoj akademskoj zajednici u Srbiji dočaramo najnovije trendove u veštačkoj inteligenciji, ali i da im damo “vetar u leđa” da im rad na ovakvom nivou uopšte nije nedostižan!
