Exclusiv Ne va distruge inteligența artificială? Ion Stoica, românul care controlează infrastructura AI globală, dărâmă mitul apocalipsei

De la un proiect universitar pornit la Berkeley, românul Ion Stoica a ajuns să controleze infrastructura nevăzută din spatele inteligenței artificiale globale. Evaluată oficial la 134 de miliarde de dolari, compania sa, Databricks, nu doar că unifică datele marilor corporații, dar pune la dispoziție tehnologia open-source de care depind astăzi giganți precum OpenAI, Anthropic și Microsoft. Într-un interviu exclusiv pentru „Adevarul”, profesorul de Informatică explică de ce nu crede în „apocalipsa AI”, cum transformă tehnologia piața muncii și care este adevăratul motiv pentru care marile modele de limbaj au nevoie de geniul românesc.  

Ion Stoica este profesor la Universitatea Berkeley, una dintre cele mai bine cotate la nivel mondial

Adevărul: Ați reușit să construiți o companie uriașă, fără îndoială cea mai valoroasă fondată de un român, estimată la peste 100 de miliarde de dolari. În ce măsură Databricks rivalizează cu Gemini sau ChatGPT?

Ion Stoica: În primul rând, Gemini, Opus, ChatGPT și GPT se află într-o competiție strânsă. Un motiv este acela că utilizatorilor le este foarte ușor să treacă de la un serviciu la altul, deoarece interfața este chiar limbajul uman. Nu este deloc greu de folosit, este extrem de simplu ca astăzi să utilizezi un model, iar mâine să alegi un altul. Acesta este un prim aspect.

În al doilea rând, există mai multe companii capabile să dezvolte astfel de tehnologii și nu există un model care să rămână net superior celorlalte pentru o perioadă lungă de timp. Clasamentul se schimbă de la o lună la alta, iar modelul ideal diferă în funcție de sarcinile specifice și de aplicații. Așadar, din cauză că niciun model nu este constant mai bun decât restul și pentru că este foarte ușor să schimbi platforma, competiția rămâne extrem de dinamică.

Unde se poziționează Databricks în acest peisaj? Sunteți competitorii lor direcți sau dezvoltați un produs complet diferit, orientat spre o altă nișă?

Nu, Databricks nu este în concurență cu ei. Databricks folosește aceste modele pentru a construi aplicații destinate marilor corporații, adică pentru segmentul de business. Iar companiile pot folosi orice model doresc în cadrul aplicației Databricks, având posibilitatea de a le compara în funcție de nevoi.

Rolul Databricks în piață

Există și un proces invers? Mai exact, companii precum cele din spatele Gemini sau ChatGPT folosesc componente ori tehnologii dezvoltate de voi? Există astfel de integrări?

Da, de fapt și ei folosesc anumite elemente de la noi. Din motive de confidențialitate, nu pot oferi foarte multe detalii, însă multe dintre aceste companii apelează la produsele Databricks pentru anumite funcționalități, cum ar fi analiza datelor. Nu pentru a vedea datele utilizatorilor, ci, de exemplu, pentru a analiza modul în care performează anumite opțiuni pe care le adaugă în produsele lor. Când spun „lor”, mă refer la companii precum Anthropic sau OpenAI. Ele folosesc produsele Databricks pentru analiza de date, îmbunătățindu-și astfel propriile servicii.

Portofoliul dumneavoastră include și alte companii de succes, cum ar fi Anyscale. Pentru a le oferi cititorilor o imagine cât mai clară, cum se împart, de fapt, toate aceste proiecte pe care le-ați coordonat, între tehnologia deschisă (open-source) și companiile comerciale?

Toate au pornit din zona de cercetare din laboratorul nostru de la Berkeley. Dacă ar fi să le luăm pe rând, ca să oferim o imagine de ansamblu curată, fundația pentru Databricks a fost proiectul open-source numit Apache Spark. El a fost tehnologia revoluționară de procesare a datelor cu care am plecat la drum acum 14 ani. Evident, astăzi Databricks a depășit de mult acel stadiu inițial. Acum include un ecosistem masiv de sisteme integrate pentru stocarea, securizarea și analiza datelor la nivel global.

Apoi, dincolo de Databricks, există Anyscale. Această companie s-a dezvoltat în jurul unui alt proiect open-source din laboratorul nostru, numit Ray. Rolul lui Ray este de a scala volumele de muncă pentru AI, făcând posibilă gestionarea unor infrastructuri uriașe de calcul. Ca un detaliu important, când a apărut ChatGPT în urmă cu câțiva ani, el a fost antrenat folosind tocmai sistemul nostru Ray. În prezent, foarte multe companii din AI folosesc în masă acest software pentru antrenarea modelelor, inclusiv Microsoft pentru cele mai recente tehnologii lansate.

Și pe partea de rulare a modelelor, după ce ele sunt deja antrenate, ce soluții ați dezvoltat? Pentru că menționați mai devreme sistemele de inferență.

Da, acolo avem vLLM, care este un sistem open-source creat tot de noi pentru a pune modelele la dispoziția utilizatorilor. Practic, vLLM se asigură că atunci când trimiți un prompt, modelul îți generează răspunsul în cel mai scurt timp și cu cele mai mici costuri de calcul. În momentul de față, vLLM este cel mai popular sistem open-source de acest gen din lume, iar compania comercială pe care am creat-o pentru a-l susține în mediul de business se numește Inferact.

În fine, un al patrulea pilon important este Arena. Totul a început în laborator ca un proiect academic numit Chatbot Arena, o platformă publică unde utilizatorii interacționează cu diverse inteligențe artificiale și votează anonim care răspuns a fost mai bun, generând un clasament (leaderboard) de referință în industrie. Din acest proiect s-a desprins compania Arena, care este o entitate comercială axată strict pe evaluarea modelelor. Astăzi, marii furnizori de tehnologie, precum OpenAI, Google sau xAI, vin ca clienți la Arena pentru a-și testa și evalua critic modelele înainte de a le lansa oficial și de a le face publice.

Deci, după cum vedeți, există o legătură strânsă între cercetarea open-source și companiile care le oferă suport în piață.

Imperiul open-source 

Asta înseamnă că produsele dezvoltate de echipa dumneavoastră sunt folosite de toți giganții tech din lume?

Exact, așa este. Dacă ne uităm pe clasamentul realizat de Arena, putem vedea topul cu cele mai bune modele pe diferite categorii. Produsele noastre sunt utilizate fie pentru antrenarea modelelor, fie pentru rularea lor eficientă sau pentru testarea înainte de lansare. Arena, de exemplu, s-a dezvoltat în ultimii doi ani, de atunci a crescut spectaculos. Multe dintre aceste proiecte au început acum vreo doi ani și jumătate sau trei ani, dar între timp au continuat, s-au dezvoltat puternic și s-au maturizat.

În interviurile anterioare am discutat destul de mult despre Anyscale și Databricks. În același timp, mai aveți și Conviva, dar care nu e neapărat AI. Despre ce e vorba?

Așa este, Conviva este o companie mult mai veche și nu are legătură cu inteligența artificială, ci cu optimizarea streamingului video. Toate celelalte pe care le-am menționat – Databricks, Anyscale, Arena, Inferact (cu sistemul vLLM), activează strict în domeniul infrastructurii pentru inteligența artificială sau în cel al evaluării AI. Spuneam că platforme mari utilizează Ray pentru antrenare. Tehnologia noastră rămâne însă fidelă conceptului de open-source în continuare.

Totuși, presupun că dacă o corporație caută o soluție ultra-personalizată, aveți soluții adaptate.

Așa este, în astfel de cazuri găsim soluțiile necesare, în funcție de nevoile sale specifice. Aici intervine componenta comercială. Atunci venim cu produse dedicate clienților. Asta înseamnă că intervenim pentru a satisface cerințele stricte de conformitate, de securitate sau alte reglementări legale specifice fiecărei mari companii.

În ce direcție o ia inteligența artificială

Privind spre viitorul apropiat, în ce direcție credeți că se va îndrepta inteligența artificială? Puțini au anticipat saltul uriaș din ultimii ani. Care sunt mizele pe care pariați în perioada următoare?

Cu inteligența artificială este dificil de prevăzut. În primul rând, oamenii tind spre extreme. Chiar și specialiștii din domeniu adoptă uneori poziții radicale. Sunt persoane care afirmă, după cum știți, că AI-ul este extrem de periculos și că poate distruge omenirea. La polul opus, sunt alții care susțin că tehnologia este supraevaluată și nu prea funcționează. Ca de fiecare dată, adevărul este undeva la mijloc.

Până la urmă, inteligența artificială este o unealtă. Una mai elaborată, dar tot o unealtă. Este similar cu ce s-a întâmplat cu calculatorul la vremea lui, când executa operații pe care oamenii nu le puteau face la fel de repede, cum ar fi adunări sau înmulțiri exacte, realizate instantaneu și fără greșeală. Inteligența artificială este mult mai generală, însă, dacă vrei să o pui să facă anumite lucruri, cum ar fi să scrie un program sau să rezolve o problemă de matematică, trebuie să înțelegi domeniul. La final, tot tu trebuie să verifici rezultatul. Dacă rezolvă o problemă de matematică și îți oferă o demonstrație, trebuie să analizezi pașii ca să vezi dacă este corectă. La fel și cu un cod de programare: trebuie să îl verifici pentru a te asigura că îndeplinește toate cerințele.

Inclusiv în cazul unui jurnalist se poate folosi unul dintre aceste modele pentru a scrie un articol. Vă poate ajuta să lucrați mai repede, dar în final tot dumneavoastră trebuie să vă recitiți textul, să îl verificați, să corectați eventuale erori, să vedeți toate datele și așa mai departe. Prin urmare, procesul seamănă cu situația în care ai avea un intern talentat. El face anumite sarcini pentru tine, dar dacă tu nu ai competența să verifici rezultatul final, pot apărea erori grave. Fără o verificare riguroasă, sistemul poate structura greșit informația sau poate induce erori. La acest aspect trebuie să se gândească toată lumea. Și asta pentru că, în definitiv, cine poartă răspunderea? Tot omul este cel responsabil. Dacă o companie folosește un astfel de produs pentru a scrie un software, iar acel software are o vulnerabilitate de securitate din cauza căreia se pierd date, vina nu este a sistemului. Vina îi aparține utilizatorului sau programatorului care l-a implementat, chiar dacă eroarea a fost generată inițial de Gemini sau Opus. Dacă dumneavoastră folosiți AI-ul ca să vă ajute la redactarea unui articol, iar în text apar informații incorecte...

Cât de sigur este AI-ul

Răspunderea este a mea, pentru că articolul apare sub semnătura mea.

Este semnătura dumneavoastră, exact. Prin urmare, miza în dezvoltarea produselor din jurul AI-ului este să le facem mai sigure și mai ușor de utilizat, astfel încât rezultatul generat, output-ul, să fie de încredere, stabil și să satisfacă cerințele explicite sau implicite ale utilizatorului.

În spațiul public domină aceste scenarii extreme: fie apocalipsa în care AI-ul distruge omenirea, fie un scenariu ceva mai soft, dar care vorbește tot despre un impact social negativ masiv. Cum vedeți aceste avertismente?

Eu nu sunt de acord cu aceste viziuni apocaliptice, sunt mult mai optimist. Cred că aceste scenarii extreme sunt chiar dăunătoare. Dacă privim în urmă, ce era la sfârșitul lui 2022? Au trecut aproape patru ani de atunci. Ce s-a întâmplat în acești patru ani? În afară de apariția fenomenului deepfake, a existat vreo tragedie globală? Nu prea s-a întâmplat nimic catastrofal.

Discursurile alarmiste sunt exagerate în raport cu realitatea. AI-ul este, indiscutabil, o unealtă extrem de rapidă pe care o poți folosi pentru a te perfecționa. Nu contest că este o tehnologie foarte puternică, dar discursul public actual este nociv. Se spune frecvent că va ajuta la crearea de arme biologice. Însă obținerea cunoștințelor sau a formulelor pentru o armă biologică nu a fost niciodată adevărata barieră. Dificultatea constă în pașii următori: chiar dacă ai informația brută, trebuie să construiești arma fizic, să procuri materialele periculoase, să o asamblezi într-un loc izolat pentru a nu fi detectat de autorități și apoi să o transporți la țintă. Aceasta era problema reală, logistică.

Faptul că AI-ul reduce efortul de documentare nu schimbă fundamental aceste date. Dacă înainte informația reprezenta, să zicem, 10% din totalul efortului necesar pentru a produce o armă biologică, iar acum reprezintă poate 1% sau 0,1%, restul de 90% format din componente logistice și fizice rămâne la fel de greu de rezolvat. Deci oamenii tind să piardă din vedere realitatea din teren.

Să luăm în calcul un alt scenariu de care mulți se tem: pierderea locurilor de muncă. În ultima perioadă s-a vorbit mult despre disponibilizări masive chiar în sectorul IT, inclusiv în Statele Unite. Care este realitatea din spatele acestei temeri?

Acesta este un alt aspect în care nu prea cred, cel puțin nu la modul general. De ce vă spun asta? Evident că orice revoluție tehnologică va afecta temporar anumiți oameni, dar, în același timp, ea va crea noi oportunități, noi industrii și noi locuri de muncă. Să luăm ca exemplu programarea. Nu spun că totul se rezumă la asta, dar în acest domeniu, cei care se tem că își vor pierde jobul cred că AI-ul va scrie tot codul în locul lor. Însă, așa cum am menționat, chiar dacă AI-ul programează, este nevoie de un om, cel puțin în momentul de față, care să verifice, să valideze și să își asume acel cod, confirmând că este sigur și funcțional.

În tot acest proces, oamenii reprezintă, de fapt, punctul critic, blocajul, sau, dacă vreți, bottleneck. AI-ul generează răspunsuri aproape instantaneu, dar faza de verificare umană încetinește procesul. Iar când există un astfel de punct critic, apare o oportunitate uriașă de piață pentru a-l elimina, ceea ce înseamnă că va fi nevoie de tot mai mulți oameni specializați pe această zonă de audit și validare. Este o funcție diferită: nu mai înseamnă doar să scrii linii de cod de la zero, ci să le analizezi critic și să le validezi. Într-adevăr, cerințele vor fi mai mari și e evident că va fi nevoie de oameni mult mai bine pregătiți decât un programator mediu din prezent. Însă dinamica arată că faza de validare necesită resurse umane considerabile. Iar dacă acolo este blocajul, companiile vor trebui să angajeze mai mulți specialiști pentru a acoperi această nevoie dacă vor să își extindă activitatea.

Desigur, asta presupune o transformare. Aici intervine rolul educației și al recalificării. Este exact ca în cazul agriculturii: acum o sută de ani, aproximativ 90% din forța de muncă activa în acest sector. Când au apărut tractoarele și combinele, toată lumea s-a speriat că va fi foamete și șomaj în masă, deoarece ceea ce înainte făceau o sută de oameni putea fi realizat de un singur om cu un tractor.

Practic, vorbim despre o nouă revoluție industrială, în care tipul de muncă se transformă, nu dispare.

Așa este. Și ce s-a întâmplat în realitate atunci? Într-adevăr, nu a mai fost nevoie ca valuri de oameni să meargă la sapă sau la câmp. În schimb a fost nevoie de personal care să proiecteze acele utilaje, să le fabrice în uzine, să le întrețină, să le repare și așa mai departe. Aceste locuri de muncă pur și simplu nu existau înainte. Cred că exemplul cu programarea este foarte elocvent. Chiar dacă AI-ul accelerează scrierea de cod, oamenii rămân elementul esențial în procesul de verificare.

Adevărul despre „apocalipsa” AI

Vorbim așadar de o jumătate plină a paharului, deși există și una goală. Care ar fi acestea?

Sigur, chiar așa și este. Ideea este că unii oameni vor suferi, fără îndoială, în această perioadă de tranziție, dar se vor naște alte meserii. Prin urmare, societatea trebuie să se pregătească mai bine și să investească masiv în educație. Ca o paralelă, ca să mă întorc la ce ziceam despre agricultură, pentru a munci pământul cu unelte clasice ai nevoie de un anumit nivel de instruire. Pentru a repara sau a programa un tractor autonom, ai nevoie de studii mult mai avansate. La fel stau lucrurile și acum.

Credeți că această transformare va accentua decalajul dintre profesioniștii de top, foarte bine pregătiți, și cei cu o calificare medie sau scăzută?

Această dinamică a existat în fiecare epocă economică. Probabil că acum decalajul va fi și mai accentuat, dar este o forță care se manifestă constant pe piața muncii. Atâta timp cât totul se desfășoară în mediul digital, cod, analiză financiară, baze de date, lucrurile se vor schimba într-un ritm extrem de alert. Însă în momentul în care tehnologia interacționează cu lumea fizică, totul încetinește brusc, iar ritmul nu mai poate fi la fel de agresiv. Revenind la exemplul cu arma biologică: AI-ul ajută doar într-o proporție foarte mică, cea digitală. Să privim însă o aplicație pozitivă, cum ar fi utilizarea inteligenței artificiale pentru cercetarea medicală și descoperirea de tratamente pentru boli incurabile. AI-ul poate propune o formulă chimică inovatoare extrem de rapid, în câteva ore. Însă după ce ai acea formulă pe ecran, urmează etapa testelor clinice. Care trebuie realizate pe subiecți umani, pentru a vedea dacă remediul este sigur și eficient. Iar acele teste clinice nu pot fi accelerate prin algoritmi dincolo de limitele biologice ale organismului uman. Durata acelor teste va dicta, de fapt, viteza cu care putem aduce noile medicamente în farmacii. Acest proces poate dura ani de zile pentru a ne asigura că nu există efecte secundare periculoase pe termen lung.

Asta este ceea ce vreau să subliniez: transformările din spațiul pur digital sunt și vor fi extrem de rapide, dar când aplicațiile ating realitatea materială, legile fizicii și procedurile de siguranță acționează ca o frână naturală. În lumea fizică nu poți depăși anumite viteze impuse de natură.

Cu alte cuvinte, greșesc și cei care prezintă inteligența artificială ca pe o baghetă magică ce va rezolva absolut orice problemă într-o clipită?

Da, pentru că validarea din lumea reală rămâne obligatorie. Ce face inteligența artificială, de fapt? Să presupunem că ai o problemă de inginerie. AI îți oferă o soluție teoretică optimă, dar apoi trebuie să fabrici acea piesă și să verifici dacă mașina funcționează corect în teren. Influența inteligenței artificiale este uriașă în faza de generare a soluției în format digital. Ea poate rezolva o problemă matematică sau poate scrie un cod complex, dar validarea finală nu poate fi lăsată exclusiv în seama ei.

Dacă privim un proiect de la început până la sfârșit, AI-ul poate acoperi o porțiune, să zicem 10% sau 20% din efort, reducând acel segment de timp aproape la zero. Însă restul de 80% din proces, cel legat de implementare și testare reală, rămâne neschimbat. Din acest motiv, omul va continua să fie pilonul central și cel mai important element din ecuație.

Să ne oprim puțin la activitatea dumneavoastră academică din ultima perioadă. Vorbeam acum câțiva ani de o serie de proiecte interesante, cum s-au dezvoltat acestea între timp?

Proiectele de care am vorbit s-au maturizat și evoluează foarte bine. O parte considerabilă din infrastructura software destinată AI-ului utilizată în prezent la nivel global a fost dezvoltată chiar în laboratorul nostru de la Berkeley. În momentul de față ne ocupăm de noi provocări: cum să utilizăm AI-ul cât mai eficient pentru a crea funcționalități noi, dar într-un mod robust, predictibil și sigur. Este o zonă extrem de complexă, în care cercetarea abia începe. Încă explorăm cum să folosim AI-ul optim pentru a realiza lucruri inovatoare, asigurându-ne în același timp că sistemele funcționează corect. Aceasta este miza principală în prezent.

Ce face Databricks

Care ar fi un exemplu concret de dificultate în această zonă de siguranță a sistemelor?

De exemplu, să pui AI-ul să construiască de la zero un sistem software complex. El îl poate genera, dar cum garantezi din punct de vedere matematic că acel software este complet corect, lipsit de vulnerabilități ascunse? Aceasta este marea provocare a comunității științifice.

În ultima perioadă, Databricks a ținut prima pagină a publicațiilor financiare prin câteva achiziții strategice de companii. Ce v-ar interesa în prezent? 

Da, am făcut câteva mișcări importante și suntem interesați de mai multe direcții, în special de tehnologii care simplifică radical dezvoltarea aplicațiilor. Scopul fundamental al Databricks se leagă de gestionarea datelor. O companie mare deține volume uriașe de informații, stocate în numeroase baze de date, în formate diferite, care adesea rămân izolate în așa-numite silozuri departamentale. Fiecare echipă lucrează cu propriile seturi de date, existând situații frecvente în care informațiile sunt duplicate inutil în diverse segmente ale aceleiași corporații.

Databricks rezolvă exact această problemă: unifică și simplifică accesul la toate datele disponibile în companie. Platforma garantează securitatea și aplicarea strictă a politicilor de confidențialitate - stabilind clar cine are dreptul de acces și la ce - oferind în același timp o viteză de procesare extrem de mare.

Pentru publicul larg este aproape greu de imaginat complexitatea din spate și numărul uriaș de aplicații pe care o astfel de platformă le are în viața de zi cu zi a marilor companii. Ce face, de fapt, Databricks?

Da, și subliniez acest lucru deoarece jumătate din obiectivele noastre tehnologice se concentrează pe facilitarea accesului organizațiilor la propriile date, indiferent de locul fizic sau digital în care se află ele, pentru a le putea analiza integrat. Există corporații globale care au sute de baze de date complet diferite și dispersate. Databricks unifică acest ecosistem, iar când ai un acces facil și rapid la date, poți construi soluții extrem de avansate deasupra acestei fundații. Pe această bază solidă adăugăm instrumente analitice avansate și algoritmi de inteligență artificială pentru predicții sau dezvoltarea de aplicații complexe.

Evaluarea record de 134 de miliarde de dolari

Când ați pornit la drum, în urmă cu 14 ani, anticipați o asemenea ascensiune? Recent, publicații internaționale mari, precum Reuters, scriau despre o posibilă nouă evaluare a Databricks care ar putea atinge pragul astronomic de 175 de miliarde de dolari. La interviul precedent vorbeam despre o evaluare de „doar” 25 de miliarde. Cum priviți aceste cifre?

Dacă vorbim de 175 de miliarde, acestea sunt doar zvonuri specifice pieței financiare, nimic nu este confirmat oficial în acest moment. Desigur că nu te aștepți la o asemenea anvergură atunci când pornești un proiect din universitate. Inițial, baza companiei a fost sistemul open-source Spark. În momentul în care un software deschis devine foarte popular și companiile mari încep să îl adopte în infrastructura lor critică, apare o întrebare firească: ce se va întâmpla cu acel proiect când studenții și cercetătorii care l-au creat vor absolvi și vor părăsi universitatea? Nicio mare corporație nu vrea să își lase operațiunile dependente de un software care s-ar putea bloca mâine din lipsă de suport.

Prin urmare, pentru ca un proiect open-source să supraviețuiască și să fie adoptat pe scară largă în industrie, este nevoie de o entitate comercială stabilă care să îi asigure mentenanța, suportul tehnic și dezvoltarea continuă. Alternativa ar fi fost ca echipa să se destrame spre alte corporații, iar tehnologia să se plafoneze în faza de proiect academic.

La vremea respectivă, aveam două opțiuni: fie să transferăm software-ul unei alte companii mari pentru a-l dezvolta, fie să înființăm noi o companie dedicată acestui scop. Fără o astfel de structură comercială de suport, impactul inovator al Spark s-ar fi pierdut, deoarece marii clienți refuză să depindă de un produs fără garanții pe termen lung.

Și acesta a fost argumentul decisiv care a dus la nașterea Databricks?

Da, a fost chiar principalul argument. De fapt, înainte de a pune bazele Databricks, am intenționat să cedăm software-ul unei mari companii din tehnologie, însă aceștia l-au refuzat deoarece dezvoltau un produs propriu, pe care îl considerau concurent direct și superior.

Și care este valoarea oficială agreată în prezent?

Evaluarea oficială confirmată în acest moment este cea de 134 de miliarde de dolari. Atât valorează, la atât a fost evaluată ultima dată Databricks. Dar, da, este foarte posibil să continue să crească.

Sunteți foarte ocupat și prins între mediul academic și marile business-uri. Mai găsiți timp să reveniți în România?

Da, revin sau încerc să revin în țară pentru câteva zile în fiecare an. Am fost în ultimul rând atât în București, cât și în Cluj-Napoca.

Mai aveți legături profesionale sau proiecte comune cu specialiștii de aici?

Da, păstrez legătura cu mediul academic și de cercetare din țară. Colaborez pe diverse proiecte cu profesorul Cristian Raiciu de la Universitatea Politehnica din București.

Cum oprim exodul de creiere

Ce ar trebui să schimbe România în strategia sa pentru a nu mai pierde minți strălucite imediat după facultate? Cum putem opri exodul de creiere către centre mari din SUA sau Europa de Vest, unde tinerii pleacă pentru a atinge un nivel de educare și dezvoltare care aici pare imposibil? Ce ne lipsește cu adevărat?

Este o problemă structurală profundă. În special în domeniul inteligenței artificiale, este nevoie de o alocare masivă de resurse financiare și tehnologice. Am aflat că se dezvoltă un centru dedicat inteligenței artificiale la Cluj, ceea ce este un pas pozitiv. Totuși, pentru ca o astfel de inițiativă să fie cu adevărat competitivă pe plan internațional, este nevoie ca guvernul să aloce bugete enorme, de o altă ordine de mărime.

Trebuie să privim realitatea în față: în prezent, nici măcar marile universități americane de top nu dispun de resurse comparabile cu cele din sectorul privat din tehnologie. Companiile mari au bugete de cercetare imense. Decalajul este uriaș, iar cercetarea avansată nu se poate face fără investiții masive în infrastructură hardware. În plus, specialiștii de top trebuie recompensați la nivelul pieței globale, deoarece salariile oferite de corporațiile din Silicon Valley sunt extrem de ridicate. Este o misiune teribil de grea pentru orice stat să concureze la acest nivel.

În ceea ce mă privește, am ales să activez în locul care îmi oferă cele mai bune unelte și cel mai potrivit context pentru a-mi exercita profesia la cel mai înalt nivel academic și practic. Viitorul rămâne deschis, dar în acest moment acesta este contextul global.

Planurile Databricks pentru România

Există vreo perspectivă ca Databricks sau celelalte companii din ecosistemul dumneavoastră să deschidă un centru de cercetare în România sau să achiziționeze startup-uri locale fondate de cercetători români?

Toate companiile din portofoliul nostru despre care am discutat sunt încă entități private, nu sunt listate la bursă, ceea ce înseamnă că valorile lor financiare sunt, din punct de vedere tehnic, doar pe hârtie. Pentru ca o corporație precum Databricks să facă o achiziție sau să deschidă un hub într-o anumită regiune a lumii, trebuie să existe o oportunitate de business extrem de clară, pragmatică și aliniată perfect cu interesele noastre strategice imediate. Dacă un start up sau o echipă de cercetare din România dezvoltă o tehnologie inovatoare pe nișa noastră exactă, o colaborare sau o tranzacție devine perfect realizabilă. Momentan nu s-a concretizat o astfel de oportunitate, nu am identificat așa ceva în România.