Najlepsze warunki do rozwoju

Inez Okulska: Studiowałeś informatykę i matematykę na Wydziale Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego, tym samym, z którego wywodzą się nasi słynni absolwenci z Doliny Krzemowej. Ty, zdaje się, też wyjeżdżałeś i miałeś możliwość tam zostać, a jednak pracujesz i rozwijasz ekosystem AI w Polsce. Jak to się stało?

Paweł Gora*: To nigdy nie są łatwe decyzje, ale żeby zrozumieć, co za nimi stało w moim przypadku, trzeba sięgnąć do początków, jeszcze w moich czasach studenckich. Wszystko zaczęło się od tego, że w ramach Zespołowego Projektu Programistycznego na informatyce razem z kolegami ze studiów stworzyliśmy system do zarządzania ruchem pojazdów w taki sposób, aby proponować kierowcom optymalne trasy.

Już wtedy (w 2008 roku) coraz więcej osób podróżowało z aplikacjami do nawigacji, które można było „śledzić”, zbierać informacje o aktualnych położeniach i planowanych trasach, a także stosować te informacje, aby proponować lepsze trasy i optymalizować ruch pojazdów. Zaszliśmy z tym projektem do ogólnopolskiego finału konkursu Imagine Cup organizowanego przez Microsoft. Przy tej okazji zainteresowałem się bardziej technologią tej firmy i zostałem szefem koła naukowego .NET, stając się kimś w rodzaju studenckiego partnera (ambasadora) Microsoftu na wydziale. To też sprawiło, że już w trakcie studiów postanowiłem aplikować na staż w siedzibie Microsoftu w Redmond w Stanach Zjednoczonych. I udało się, dostałem się. Po trzech miesiącach świetnego stażu zaproponowano mi pracę na stałe, miałem już nawet zapewnioną wizę do USA, w zasadzie jedną nogą byłem już po drugiej stronie planety. Po powrocie do Polski dostałem jednak mnóstwo innych propozycji i przekonałem się, że nie muszę lecieć przez ocean, żeby mieć bardzo ciekawe możliwości. Dostałem się też nieco wcześniej na studia doktoranckie na Wydziale MIM UW, więc miałem dylemat, czy je rzucić i wyjechać, czy zrobić przerwę, a potem wrócić do Polski, rozważałem też robienie doktoratu w USA. Ale po wielu rozmowach z moim promotorem, prof. Andrzejem Skowronem, wciąż jednym z najczęściej cytowanych polskich naukowców, poczułem, że to właśnie tutaj, w Polsce, na UW, będę mieć najlepsze warunki do dalszego rozwoju, w tym również rozwoju wspomnianego projektu transportowego. Z czasem rozwinąłem ten projekt w kierunku programu do symulacji ruchu drogowego, zacząłem prace nad matematycznymi modelami ruchu oraz algorytmami jego optymalizacji poprzez sterowanie sygnalizacją świetlną. Potem pojawiło się mnóstwo kolejnych pomysłów, możliwości współpracy oraz zastosowań naukowych i biznesowych.

Na zagranicznych uczelniach byłoby mi bardzo trud- no znaleźć promotora, który pozwoliłby mi przyjść z takim właśnie gotowym, własnym tematem i robić to, co chcę, dając mi wolną rękę. Na UW było to możliwe – prof. Skowron zaufał mi, dał dość dużą swobodę rozwoju i wyboru kierunków działań. Gdybym został w USA – czy to w Microsofcie, czy na studiach doktoranckich – najpewniej nie miałbym tej możliwości, ponieważ albo już bym utknął w pracy w korporacji i nie wolno by mi było realizować projektów poza firmą, albo mógłbym nie dostać pozwolenia na łączenie studiów z pracą czy stażami, bo tak właśnie często jest tam na doktoracie. A jako doktorant na polskiej uczelni wciąż mogłem odbywać staże. Wyjechałem więc jeszcze na kilka miesięcy do Google’a, potem do CERN-u i IBM Research, miałem też nieco krótsze wyjazdy naukowe na czołowe uczelnie. Ale kolejnym firmom proponującym mi stałą pracę poza Polską konsekwentnie odmawiałem, żeby kontynuować prace nad własnymi pomysłami w Polsce. Gdybym zdecydował się wyjechać na stałe, musiałbym rzucić wszystkie rozpoczęte inicjatywy, a zawsze było ich sporo.

IO: Trudniej też byłoby angażować się w poboczne aktywności edukacyjne i naukowe?

PG: Tak, a to też istotny aspekt mojej działalności. Na początku studiów doktoranckich pracowałem dalej nad swoim projektem transportowym, ale dość szybko okazało się – tak wynikało z ówczesnych badań – że kierowców trudno jest jednak przekonać do tego, aby reagowali na wskazówki co do tras, nawet jeśli są słuszne. Szukałem więc czegoś, na co można mieć w zarządzaniu transportem większy wpływ, i stanęło na optymalizacji sterowania sygnalizacją świetlną. Oprócz samego problemu optymalnego sterowania dochodziła tu jeszcze kwestia dużej złożoności obliczeniowej. Zainteresowałem się wówczas modelowaniem ruchu drogowego i automatami komórkowymi. Wyszedł z tego dość ciekawy program do symulacji ruchu drogowego – Traffic Simulation Framework (TSF), ale wciąż zastanawiałem się, co jeszcze mogę zrobić. Możliwe było m.in. wykorzystanie tego symulatora ruchu do generowania danych badawczych i edukacyjnych, bo w tamtych czasach nie było dostępu do dobrej jakości rzeczywistych danych transportowych.

Jedną z ciekawych form uczenia się jest praktyczne rozwiązywanie problemów w trybie konkursów i hackathonów. Tak się złożyło, że Marcin Wojnarski, wtedy również związany z MIM UW, zaprosił mnie do organizacji konkursu skierowanego do data scientistów na stworzonej przez niego w 2008 roku platformie TunedIT. Konkurs dotyczył właśnie predykcji ruchu drogowego. Sponsorem nagród był TomTom, znana marka nawigacji samochodowej, a patronat objął Urząd Miasta Warszawa, bo wygenerowane przeze mnie z TSF dane dotyczyły właśnie ruchu w stolicy. Warto wspomnieć, że w 2010 roku, gdy organizowaliśmy konkurs, takie zawody nie były jeszcze tak popularne jak obecnie. Jednym ze zwycięzców był Ben Hamner, który w tym samym roku współzałożył inną platformę do konkursów – znany dziś na całym świecie Kaggle.

IO: Te konkursy, na TunedIT czy na Kaggle, to ważne miejsca nie tylko dla wymiany doświadczeń i nauki, ale też budowania społeczności wokół problemów AI i danych. Założyłeś nieformalną grupę badawczą, współorganizujesz spotkania WarsawAI.

PG: Między innymi za sprawą tego konkursu i publikacji na warsztacie prestiżowej konferencji NIPS (obecnie NeurIPS) pojawiło się coraz większe zainteresowanie tymi badaniami dotyczącymi zastosowań AI w transporcie. Bez problemów zbudowałem wokół tego tematu najpierw kilku, potem kilkudziesięcioosobową nieformalną grupę badawczą – TensorCell (komórka w nazwie odnosi się właśnie do automatów komórkowych). Na początku były to głównie osoby z koła naukowego uczenia maszynowego na MIM UW, potem zaczęły dochodzić osoby z innych uczelni i firm, również spoza Polski. Grupa się rozrastała, w pewnym momencie potrzebowaliśmy też osób z mniej zaawansowanymi kompetencjami, „juniorów”, więc na Facebooku, na grupie Data Science PL (którą współmoderuję) ogłosiłem możliwość dołączenia do tego projektu, co też przyniosło nam wielu świetnych kandydatów. Od 2017 roku łącznie już około stu osób przewinęło się przez TensorCell.

Działalność w TensorCell jest wolontaryjna, ale można się rozwijać, zmagać z problemami badawczymi w przyjaznych warunkach dobrowolnej współpracy. To ważny aspekt uczenia się, szczególnie w takiej dziedzinie jak AI, gdzie trzeba spędzić setki godzin na eksperymentach, żeby naprawdę zrozumieć, jak działają algorytmy, co jest w danych. Istotną zachętą jest też możliwość publikowania – jako TensorCell łącznie opublikowaliśmy już ponad dziesięć artykułów naukowych, w tym trzy na warsztatach wspomnianej konferencji NeurIPS. A że mam też sporo kontaktów, to zawsze starałem się odwdzięczać członkom tego zespołu, np. rekomendując ich na staże.

Mam poczucie, że sam dostałem tyle dobrego od swoich mentorów, że warto to przekazywać dalej i stwarzać w Polsce odpowiednie warunki do rozwoju dla innych. Dlatego też od lat angażuję się w różne działania, które dokładają cegiełkę do wymiany wiedzy, doświadczeń, zarażania entuzjazmem: w 2018 roku zacząłem współorganizować spotkania Warsaw.AI, a potem jeszcze sporo warsztatów, konkursów, hackathonów, konferencji, newsletterów.

IO: A jak się potoczyły dalej losy TensorCell?

PG: W pewnym momencie zrobiło się jeszcze ciekawiej, bo odkryłem, że te same metody, które rozwijamy w TensorCell, np. trenowanie modeli AI do przybliżania czasochłonnych symulacji komputerowych ruchu drogowego, mogą mieć zastosowanie w podobnych problemach dla innych złożonych procesów. Dowiedziałem się, że z podobnym problemem obliczeniowym zmagała się wtedy m.in. dr hab. Monika Piotrowska z UW w temacie optymalizacji leczenia nowotworów. Symulacje komputero- we potrzebne do przeprowadzenia eksperymentów na potrzeby jednej publikacji zajmowały łącznie ok. 50 tysięcy godzin obliczeń rozproszonych na wielu procesorach superkomputera. Z pomocą studentów MIM UW najpierw przepisaliśmy kod z Matlab na C++, co już dało aż około stukrotne przyspieszenie. Potem jeden z tych studentów był na stażu w NVIDII, więc poznał dość dobrze karty graficzne i zaimplementował część obliczeń na GPU, co dało łącznie 717-krotne przyśpieszenie i pozwoliło na wygenerowanie dużego zbioru danych. Na koniec studentka MIM UW za moją rekomendacją zaimplementowała tę samą technikę, którą wcześniej zaproponowałem i stosowałem do optymalizacji ruchu drogowego – finalnie zeszliśmy z czasem obliczeń do… kilku sekund! I nie dość, że byliśmy w stanie szybciej szukać dobrych protokołów radioterapii, to też mogliśmy eksplorować znacznie większą przestrzeń możliwości, mając szansę w ten sposób odkrywać nowe zależności i jeszcze lepiej dobierać skuteczne terapie.

IO: Imponujący wynik, gratulacje! Ale jeszcze bardziej imponująca jest konsekwencja w zgłębianiu tematu, bo mówimy tutaj o łącznie kilkunastu latach Twojej pracy badawczej i mentorowania innych w tym obszarze, by dojść wreszcie do spektakularnego wyniku. Skąd ta wytrwałość?

PG: W szkole średniej startowałem w różnych konkursach, łącznie byłem w siedmiu finałach krajowych olimpiad. Ale żeby odnieść takie sukcesy, trzeba było systematycznie pracować przez wiele lat – rozwiązywać zadania, budować krok po kroku swoją wiedzę. Zdarzało się, że nad jednym zadaniem spędzałem wiele dni. Olimpiady przedmiotowe to takie zawody sportowe dla umysłu. Rywalizuje się wprawdzie intelektem, a nie mięśniami, ale w pewnym sensie jest to właśnie sportowa rywalizacja. Od kiedy tylko pamiętam, lubiłem sport, choć niestety nie miałem raczej do niego predyspozycji fizycznych – na tle rówieśników byłem zawsze raczej niski i szczupły, ale nie zrażałem się. Lubiłem grać w piłkę nożną, koszykówkę, pływać, a od kilkunastu lat staram się biegać od kilku do kilkunastu kilometrów dziennie. I sądzę, że to właśnie uprawianie sportu – intelektualnego czy fizycznego, po prostu przyzwyczajenie do wysiłku pomaga w budowaniu i utrzymywaniu wytrwałości.

IO: Czyli jako doświadczony zawodnik polecasz olimpiady jako formę hartowania naukowego ducha?

PG: Trzeba mieć oczywiście świadomość, że w takich konkursach występuje rywalizacja z innymi, ale ja zawsze czułem, że przede wszystkim rywalizujemy tam sami ze sobą, żeby stawać się coraz lepszym, jak najwięcej się nauczyć i rozwinąć. Traktowałem to – i tak właśnie polecam to traktować, i tak o tym mówić – jako wyzwanie dla samego siebie, żeby zmierzyć się z czymś dla mnie trudnym, żeby być lepszym niż ja z wczoraj czy sprzed roku. Kiedyś Adam Małysz przyznał, że dzięki psychologowi, z którym pracował, nauczył się skupiać na tym, żeby w każdych zawodach oddać po prostu dwa dobre skoki. A nie dwa skoki lepsze od konkurentów. I to jest bardzo dobre, zdrowe podejście, aby pracować nad sobą, czyli nad tym, na co mamy jakiś wpływ. Na konkurencję – czy to w szkole, w nauce, w sporcie, czy w biznesie, często wpływu nie mamy.

dr Paweł Gora
Matematyk i informatyk, naukowiec, przedsiębiorca i filantrop. Fundator i prezes Fundacji Quantum AI, w ramach której zajmuje się wspieraniem edukacji i badań w obszarze nowych technologii