Проф. Мартин Вечев: Предприемач в науката е начин на мислене – работата ти да стигне до максимален брой хора

Проф. Мартин Вечев: Предприемач в науката е начин на мислене – работата ти да стигне до максимален брой хора

Category : Лектори

Професор по компютърни науки и ръководител на Лабораторията за сигурни, надеждни и интелигентни системи на Швейцарския федерален технологичен институт в Цюрих (Eidgenössische Technische Hochschule Zürich), Швейцария, откъдето през 1900 г. диплома получава и Алберт Айнщайн.

Работата му обхваща пресечната точка на изкуствения интелект и езиците за програмиране, включително теоретични и системни аспекти.

Проф. Вечев и ръководения от него екип са разработили първия интуитивен език за програмиране за квантови компютри на високо ниво – Silq. Това се определя като голям пробив, тъй като езикът не е проектиран спрямо конструкцията и функционалността на хардуера, но върху начина на мислене на програмистите.

Успешният български учен завършва компютърни науки в Simon Fraser University, Канада, а след това със същата специалност – докторантура в University of Cambridge. На 32 години получава наградата „Джон Атанасов“ за постижения в развитието на компютърните и информационните технологии и информационното общество за 2009 г. Последвалите отличия са повече от дузина, между които Награда за млад изследовател Робин Милнър, която се връчва от ACM за признаване на изключителен принос на млади изследователи в областта на програмните езици; CACM Research Highlight, ERC Starting Grant, Google and Facebook Faculty Research Awards, Outstanding Artifact Award (OOPSLA), IBM Research Division Award, присъждана от Джон Кели, старши вицепрезидент на IBM и директор на IBM Research, IBM Extraordinary Accomplishment Award и т.н.

Съосновател е на три стартъпа. DeepCode е създадена през 2016 и революционизира създаването на качествени програми чрез изкуствен интелект и машинно самообучение. Компанията преди дни беше закупена от Snyk – фирма, оценена за над 2 милиарда долара. Новината обиколи световните медии, но попадна и в българската преса.

През 2017, създава ChainSecurity, друг ETH спин-оф, който бързо става световен лидер в областта на киберсигурността и верификацията на интелигентните договори. В началото на годината PwC придобива компанията.

Основателите на ChainSecurity, сред които двама българи – проф. Мартин Вечев (крайният вляво) и д-р Петър Цанков (крайният вдясно). Снимка ETH Zurich

Тази година създава трети спин-оф LatticeFlow , фокусиран върху сигурността и безопасността на изкуствения интелект.

Проф. Вечев ще бъде лектор на Предприемачи в науката 2020, член на журито и част от Консултативния съвет на фондация Карол Знание.

Съвсем наскоро бяхте в големите заглавия на българските медии – българинът, създал първия език за квантово програмиране. Новината от сайта на ЕТН го представи като сериозен пробив и първият по рода си – елегантен, прост и безопасен. Какво е различното в концепцията на Silq? 

– Различното между Silq и останалите квантови езици е че Silq напълно елиминира основен тип грешки при програмирането на квантови алгоритми. За да се изчисли дадена задача, компютърът често пресмята междинни стойности, които трябва да бъдат заличени с цел да се освободи памет. При квантовите компютри това заличаване е значително по-сложно в сравнение с аналогичната задача при класическите компютри поради т. нар. “квантово заплитане”.

Silq е първият език, който автоматично заличава междинни стойности, благодарение на което той прави програмирането на квантови компютри по-безопасно откъм допускане на грешки.

Има и други плюсове като например, че Silq е създаден така, че да може да предпази програмиста от често срещани грешки, преди да пусне програмата, така че да се знае, че програмата ще работи както трябва.

Ако разработването на този език е голямата постигната цел, каква е следващата в областта на квантовите компютри за Вас?

– Има различни проблеми, например от създаването на хардуер до нови алгоритми. Поради факта, че всички квантови модели, на които стъпват квантовите компютри, включват в себе си шум (тоест, с дадена вероятност компютърът може да допусне грешка), един от основните проблеми е смятането на тези грешки и дали те са в допустимите стойности за дадения алгоритъм, още преди алгоритъмът да се пусне да работи. Това включва доста сложен автоматичен анализ, върху който ние работим. Много е важно от гледна точка на това дали тези алгоритми в крайна сметка ще работят както трябва върху дадения хардуер.

Всяка година при представянето на лекторите ние показваме, че успешните личности са предприемчиви. Неслучайно въвеждаме идеята за „предприемачи в науката“, без това непременно да значи учени, които правят стартъпи. Вие как бихте дефинирал това понятие?

– Това е човек, който се интересува от максималната реализация на труда си, така че този труд да стигне и повлияе позитивно на максимален брой хора. Тази реализация може да бъде както научна, така и образователна, така и комерсиална.

Например, ако се изхожда от това мислене, то най-важното нещо при научната дейност е избирането или дефинирането на проблема така, че решението му да има максимален ефект. Това само по себе си е много трудно и рисково. Моите наблюдения са, че повечето учени не прекарват достатъчно време в дефиницията на първостепенни проблеми, а повече време в решаването на второстепенни такива, тъй като е много по-лесно и не рисково.

Този процес на идентифицирането на проблема, сам по себе си е вид предприемачество и начин на мислене, но същият процес важи и за създаването на фирми или други инициативи. Създаването на фирми е просто още един начин да има позитивно влияние върху повече хора. А евентуалните финансови облаги са просто резултат на това мислене, не самоцел.

Как един програмист и изследовател като Вас стана предприемач?

– За мен най-важната и интересна част е изследователската дейност, като в основата си това означава създаването на нови знания. Не мисля че има работа която е по-интересна от тази. Понеже нашата научна дейност включва както нова теория, така и нови практически системи около тази теория в сфера, където има огромен индустриален интерес (изкуствен интелект, сигурност), то създаването на спин-офи идва съвсем естествено. Особено, че много често ние получаваме запитвания от индустрията за даден проблем. Освен това, както споменах, мисленето за това как резултатите, които създаваме, да достигнат максимален брой хора, естествено води до създаването на фирми.

Разкажете за първия си стартъп и идеята, с която стартирахте.

– Първият спин-оф, който създадохме през 2016 г., беше DeepCode и той току-що беше закупен от Snyk, компания оценена на над 2 милиарда долара.

Ние се занимаваме с програмиране от много години и знаем колко трудно е създаването на качествен и работещ софтуер. Също се знае, че около 30% от това време обикновено се прекарва за намиране и поправяне на грешки в кода на програмата. Същевременно през последните 10 години се наблюдава натрупване на огромно количество данни, но този път под формата на програми и информацията около тях (грешки и как те са поправени), в отворени хранилища (repositories). При това в огромни размери (милиони редове код) – феномен, който се нарича Big Code (за разлика от Big Data, като например текст или снимки).

Ключовата идея зад DeepCode е създаването на алгоритъм и система за изкуствен интелект (AI), която може автоматично и непрекъснато да се самообучава от Big Code. Така може да се създаде модел за намирането на много нови видове грешки, които непрекъснато се откриват и поправят.

Разбира се, как да стане това технически е доста сложно и самото know-how е добито след много години научна дейност и експерименти с различни системи за самообучение от Big Code. Всъщност, идеята да се свържат няколко сфери в компютърните науки, така че това да е възможно, е и темата на докторската дисертация на Веселин Райчев, мой докторант в ETH Zurich, която спечели топ 3 дисертация в света през 2016 г. и значително допринесе за създаването на фундаментално нова сфера в машинното самообучение – тази, в която DeepCode е лидер.

А как се случи придобиването на DeepCode от Snyk?

– Към DeepCode винаги е имало интерес за закупуването ѝ през годините. Вниманието на Snyk беше привлечено от уникалната технология на DeepCode, тъй като

това е единствената AI система в света, която може да се научава от милиони програми много бързо и да намира грешки в кода с голяма точност и разнообразие.

Освен това, за разлика от сегашните модели за машинно самообучение, които са базирани на невронни мрежи и не могат да бъдат разчетени от човек, DeepCode е система от трето поколение и тя не само се учи от данните, но и продуцира модели, които могат да бъдат интерпретирани от човек. Това е изключително важно, за да може да се гарантира цялостното качеството и систематично подобрение на продукт. Добавяйки технологията на DeepCode, Snyk ще ускори развитието си значително и ще стане абсолютен лидер в индустрията. По този начин тази уникална технология ще стигне до всички програмисти и компании, които създават софтуер. Което, както казах в началото на това интервю, е и начин на мислене –

ние искахме тази идея да стигне до максимален брой потребители.

Основателите на DeepCode (от ляво надясно): Веселин Райчев (CTO), Борис Паскалев (CEO), Мартин Вечев. Снимка ETH Zurich

Работите ли все още върху трето поколение изкуствен интелект и в тази сфера какво очаквате да постигнете?

– Да, голяма част от научната дейност в нашата група е свързана със създаването на трето поколение системи за изкуствен интелект. Технически това означава свързването на две доста различни сфери в науката – тази на машинното самообучение, която работи с данни и оптимизация, с тази на математическата логика, която описва правила – общо взето това са и първите две поколения на изкуствен интелект. В крайна сметка

искаме да създадем системи, които се учат като хората:

от данни, но малък на брой, а не както сега, и които частично поне могат да обяснят своите решения и могат лесно да се учат не само от данни, а и от информация, специфицирана под формата на логика (където всъщност с няколко реда могат да се опишат безкраен брой примери). По тази линия всъщност създадохме и третия спин-оф LatticeFlow  миналия месец. Тя се фокусира върху системи за изкуствен интелект, които са сигурни и безопасни, което е фундаментален проблем при тези системи.

Как се прави спин-оф с един от най-силните технически университети в света, Швейцарския федерален институт по технологии?

– Първото нещо е, че трябва да има конкретна бизнес идея, за която да е ясно че има сериозен шанс да бъде лидер на пазара. Понеже ETH Zurich е един от най-добрите университети в света, тo когато професори или завършващи докторанти искат да създадат фирми, те наистина имат нужния know-how на световно ниво. Така че тази пречка обикновено я няма, но може да не се знае дали идеята ще се наложи на пазара, колкото и да е добра технически.

Разбира се,

екосистемата около Цюрих и ETH специално е уникална, има много инвеститори, които се интересуват непрекъснато и много опит от предишни спин-офи, така че този риск се намалява донякъде. Но като цяло наистина силата на тези университети е в deep tech спин-офи, и университетът е много отворен към създаването на фирми.

ETH през последните години се представя много силно в трансфера на технологии и по брой спин-офи изпревари някои от традиционните първенци в класациите. Как се създава тази предприемаческа култура в академичните среди?

– Първо, стратегията на ETH Zurich е много важна и е свързана с хората. Тук предлагат изключително добри условия за научна работа, може би най-добрите условия в света, като по този начин привличат топ учени от всякакви места. Второ, поради първата точка, и поради това, че предлагат много добри условия за докторска степен, те привличат и много силни и голям на брой докторанти от целия свят. Тези две неща водят и до силна наука и образование, и бизнес екосистема, тъй като много фирми искат да са във връзка с това, което става (наемане на студенти, съвместни проекти и т.н.). Де факто

ETH е взел най-доброто от американската и европейската научна система и това го прави наистина уникално място за работа.

Отделно на това, университетът има и специален отдел който се занимава само с подпомагането за стартиране на спин-офи, което също помага. Всичко това по себе си води и до интерес от инвеститори и бизнес ангели. Така че е естествено някои от разработените идеи в университета да се превръщат във фирми.

Проф. Мартин Вечев с екипа на ръководената от него Лаборатория за сигурни, надеждни и интелигентни системи на Швейцарския федерален технологичен институт. Снимка ETH Zurich

Има ли в програмите курсове по предприемачество? Как студенти и учени се насочват да мислят за стартиране на свои компании?

– Има такива курсове и състезания, които запознават учените с бизнес частта. Но не мисля че те са в основата.

Основното е начинът на мислене: трудът ти да стига до максимален брой хора и да може да се консултираш с успешни учени, които са го правили това преди.

Например, с първия ни инвеститор за DeepCode ни беше свързал друг професор от нашия факултет, който преди това беше директор в Google и ни препоръча. Всички тези контакти също помагат.

Защо според Вас у нас е трудно това да се случи?

– Защото в България все още няма стратегия кои отрасли са с национално значение, а и как да се привлекат най-добрите хора в света да работят тук за да може в тези сфери да сме едни от най-добрите.

На какво бихте искал да научите участниците в Предприемачи в науката?

– На начина на мислене, който може и да им помогне. Другите неща са механични.

Благодаря Ви! Очакваме срещата с Вас в програмата Предприемачи в науката!

Кои са другите лектори в програмата Предприемачи в науката 2020 вижте тук.


8000 лв. докторантска стипендия

Докторантска стипендия

Носителят на докторантската стипендия за 2020 г.

Награда Предприемач в науката

Награда Предприемач в науката

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close