John Plattról a beszélgetésben gyorsan kiderült, hogy nem mindennapi pályát futott be: az interjú forrása említ egy Academy Awardot (Oscar), két, tankönyvekben szereplő algoritmust, két névre keresztelt aszteroidát és egy Erdős–Bacon számot (6). Hosszú karrierje során Platt és a Google-csapatai többektől korán ismert és többször előrevetített területtel foglalkoztak — a konvolúciós neurális hálóktól a fúziós kutatáson és a kvantumszámításon át a számításokkal és mesterséges intelligenciával segíthető tudományos problémákig.
Empirical Research Assistance (ERA): cél és működés
Platt csapata azt vette észre, hogy sok tudományos probléma leírható egy ún. „scoreable task” formájában: van egy mérőszám (score), és a cél olyan kódot találni, amely maximalizálja ezt a mérőszámot. A nehézség gyakran a jó score-függvény megfogalmazása, de ha az megvan, a maximalizáló megtalása is jelentős munka lehet.
Erre a problémára dolgozták ki a Google Empirical Research Assistance (ERA) rendszerét. ERA ötlete részben egy „auto‑Kaggle” koncepcióból jött: egy olyan AI-ból, amely képes megoldani bármilyen Kaggle-problémát. A fejlesztéshez a Google által birtokolt adatok könnyen elérhetőek voltak.
Konceptuálisan ERA egyszerű: egy nagy nyelvi modell — a cikkben gyakran említett Gemini, de bármely LLM használható — futtat egy kísérleti fastruktúrát, ahol a korábbi kísérletek (például notebookok) ágai vannak nyilvántartva. Ez hasonlít a Monte Carlo Tree Search-hez: minden iterációnál az Upper Confidence Bound-szerű szabály kiválasztja, mely notebookok ígéretesek mutációra. A kiválasztás optimista, nem kapzsi, így néha az ötödik legjobb ág is sorra kerül. Gemini minden kiválasztott ághoz több (kb. tíz) mutációs javaslatot ad, és az ágak történetét megosztva tanulhatnak egymástól.
Platt így foglalta össze a működést: „Olyan, mintha lenne egy hiper‑lelkes, soha nem alvó doktoranduszod.” Evolúciós algoritmusok már az 1970-es évek óta ismertek, de az ERA hatékonysága abból adódik, hogy a nyelvi modell tudja, hol érdemes keresni. A Gemini 2.0 és 2.5 közötti ugrás különösen fontos volt: az egyik verzióról a másikra a rendszer egy működésképtelentől nagymértékben működőképesig vált.
Eredmények és kutatási produktumok
ERA annyira hatékonynak bizonyult, hogy Platt és csapata több fennálló problémát megoldott, és legalább tíz tudományos tanulmányt eredményezett. Több közülük klimatológiai témájú volt.
A csapat egy tipikus óvatossági kérdéssel is foglalkozott: hogyan kerülhető el, hogy az optimalizáló „becsapja” önmagát vagy a kutatót? Platt szerint ERA prediktív modelleket ad, de a kutató felelőssége, hogy ezek valóban leíró jellegűek legyenek. Ez részben klasszikus, gondos gépi tanulási gyakorlatot jelent. „Egy erőeszkoz: elvághatja az ujjadat” — fogalmazott Platt. A beszélgetés során felmerült, hogy a versenyeken (például Kaggle) sokféle módon lehet túltanulni (overfit), ami pénzdíjakhoz vezet ugyan, de nem feltétlen segít a valós problémák megoldásában.
Platt idézte Goodhart törvényét: „bármely mérőszám, amely céllá válik, többé nem jó mérőszám.” Kezdeti javaslata a problémamegoldáshoz egyszerű és szerény: „Mindig illessz lineáris regressziót. Csak csináld. Vagy SVM-et.”
Klima‑projektek: kondenzcsíkok és FireSat
A csapat több klímával kapcsolatos kezdeményezésen dolgozott. A legérdekesebb példa a repülőgépek által hagyott kondenzcsíkok (contrails) hatásának csökkentése volt. Ezek az apró jégkristályokból álló csíkok a forrásanyag szerint körülbelül az emberi tevékenység által okozott globális felmelegedés 1%-áért felelősek. Néhány kondenzcsík napokig megmaradhat; az infravörös tartományban ezek a kristályok feketének viselkednek, így nappal és éjjel egyaránt hőcsapdaként hatnak.
A folyamat leírása egyszerű: bizonyos légköri régiók „jég‑túltelítettek” lehetnek, és egy kis kipufogógáz magként működve azonnal jégkristályokat hoz létre. A skála meglepő: egy gramm kipufogógázból akár tíz kilogramm jégkristály keletkezhet.
Elvben egyszerű megoldásnak tűnik: ismerjük, mely légköri szinteken nagy a valószínűsége a csíkok kialakulásának, így a repülők egy‑két repülési szinttel lejjebb vagy feljebb vihetők. A gyakorlatban azonban nehéz számszerűsíteni, mennyi felmelegedést előzünk meg ezzel — ez egy kontrafaktuális problémát jelentett, amely több évre elakadt a csapatnál. Voltak működő modelleik a hőcsapda hatására, de a visszavert napfényre vonatkozó rész hiányzott. ERA végül talált egy egyszerű modellt, beleértve olyan konfúziós tényezőket, amelyeket előtte nem vettek észre.
Egy másik említett projekt a FireSat: egy műholdkonstellációs megközelítés, amely gyorsan azonosítaná a kis tüzeket, mielőtt azok megfékezhetetlenné nőnének. Száraz években — például Kaliforniában — egy kis tűz gyorsan terjedhet; ha egy tüzet még szoba‑nagyságban megtalálnak, általában eloltják, de ha már egy hektárra nő, sokkal nehezebb az oltás.
Szemlélet, tudásterület és a jövő szerepe
Plattlenyűgöző spektrumot lát a tudomány, a számítás és az AI metszetében. Elmeséli, hogy 1982‑ben Richard Feynmannel vett egy „physics of computation” kurzust, amikor a kvantumszámítás még gyakorlatilag elméleti ötlet volt. Akkoriban napi szinten végeztek kísérleteket korlátozott számítási kapacitással: egy millió művelet másodpercenként már kiemelkedő volt.
Platt egyik alapvető tanácsa: a legfontosabb képesség a mély szakmai tudás (domain expertise) kifejlesztése. A „ízlés” csak akkor alakul ki, ha nehéz problémákkal dolgozol. Meglepő módon javasolja, hogy időnként érdemes a régi, kézzel végzett módon is csinálni dolgokat: saját kezűleg implementálni módszereket, „meghajtani a hegyet gyalog” ahelyett, hogy mindig autóval mennénk.
Összegzésként Platt üzenete az, hogy a tudósoknak továbbra is lesz helyük: az automatizáció inkább új lehetőségeket teremt a kreatív, szigorú és filozofikus munkára, de nem helyettesíti az alapmunkát. Figyelmeztet: a világban erős nyomás van a mindent optimalizálni akaró megoldásokra, és a túlzott optimalizáció elveszít értékes dolgokat — túlilleszthetünk.
Végül visszatér a negyven évvel korábbi Feynman‑tanácshoz: „nem szabad megcsalnod magad, és te vagy a legkönnyebben becsapható személy.”
Egyéb említett témák
- Platt szerint a fúzió három évre van, nem harmincra (vita a Lawson‑kriterium Achilles‑sarkáról).
- Miért maradnak kényesek a szupravezető qubitek.
- Az aszteroida, amelyet édesanyja után nevezett el — amelynek holdja is lett.
- A közelgő héliumhiány, amiről keveset beszélnek.
- NeurIPS eredete és a Hopfield‑hálózatok jelentősége.
- 1985‑ös aszteroida‑felfedezések filmes anyagról, sztereoszkóppal; a Vera Rubin Observatory későbbi gyors eredményei (11 000 felfedezés hat hét alatt).
- A NISQ‑korszak, kvantumvisszhangok és Platt óvatos optimizmusa a kvantum‑időhatárokról.
A beszélgetésből kiderül, hogy Platt munkái és gondolatai szorosan kapcsolódnak a gyakorlati problémamegoldáshoz és a módszertani óvatossághoz: a hatékony eszközök sokat adhatnak, de meg is kell tanulni jól használni őket.
