Seres Szilvia beszélgetése Szalai Ferenc fizikussal, a Spark Institute AI képzésének szakmai vezetőjével.
Mikor találkoztál számítógéppel először?
Két nagyon határozott emlékem van. Az egyik a tatai általános iskola második emelete, ahol a folyosó végén, egy kis szobában volt egy Commodore Plus/4-es számítógépekből összerakott labor, amit akkor egy matematika tanár vitt. Arra nem emlékszem, hogy hogyan kerültem oda, de abban a pillanatban, ahogy beléptem, a fekete alapon zöld képernyőn villogó kurzor képe teljesen megfogott és ott is ragadtam. Nagyon egyszerű Basic programokat írtunk. Aztán otthon is lett Commodore 64, a szomszédainknál volt Enterprise és Spectrum, amiken leginkább játszottunk. De már akkor elindult – ami mindenkinek meg volt egykor – hogy írjunk saját játékot, majd eljött az a fájdalmas pillanat, amikor ráeszméltünk, hogy ez mennyire nehéz. Ez volt az a pillanat amikor elvált, hogy kiből, mi lesz, volt aki feladta, és volt olyan, aki addig gyűrte, amíg összejött.
A másik emlékem 1993. december 24-e 18 óra 30 perc, amikor megkaptam életem első PC számítógépet a szüleimtől. Ismerősök rakták össze, tettek rá szoftvereket is. Nekem pedig az volt az első dolgom, hogy mindent leszedtem róla és újratelepítettem a saját szájízemnek megfelelően.
Mikroszámítógépes közeg Tatán is volt?
Sporadikus módon ismertem egy-egy embert. Linux operációs rendszerrel például a Forráskód magazinban találkoztam a 90-es évek elején. Floppy lemezeken kezdték el küldeni, amit nem értettem, de rengeteget kísérleteztem vele. Voltak rádióamatőrök, akik először használtak rádiófrekvencián keresztül internetet szintén a 90-es évek elején. Rajtuk keresztül találkoztam internettel először. Volt egy-két inspiráció, de főleg az olvasmányok voltak a meghatározóak számomra. Rengeteget olvastam olyan számítógépes könyveket is, amit nem tudtam kipróbálni, mert nem volt hozzá még gépem. Emlékszem, amikor a DOS operációs rendszer teljes kézikönyvét végigolvastam úgy, hogy soha életemben nem láttam a rendszert magát. Amikor aztán először megláttam, már ismerős volt. Az a generáció vagyok, aki már lemaradt a BBS-ről, mire bejött a Matáv vonalas betárcsázós világa az éjszakai 150 Ft-os telefonálással. Pont addigra jutottunk oda, hogy volt számítógép, amivel internetre lehetett kapcsolódni. Én már interneten át láttam a BBS-es világot, ami éppen akkor húnyt ki.
A játékon kívüli számítógépes tevékenységed változott idővel?
Nagyon gyorsan. A játékkészítéshez vezető úton egy csomó érdekes és izgalmas dolgot lehetett találni. Majdnem minden programozási könyvben – Turbo Pascal, C++ – elérkezik az a pillanat, amikor a szerző úgy érzi, hogy a dobás képletéből kiszámolandó másodfokú egyenlet számítását kell elmagyaráznia egy programon keresztül. Ezek akkoriban nagyon népszerű példafeladatok voltak. Rögtön adódott, hogy jó, ha dobni lehet, akkor már egy csomó más fizikai szimulációt is meg lehet csinálni. Nekem innen jött az, hogy akkor szimuláljunk mindent. Középiskolában elkezdtem komolyabb fizikai rendszerek matematikai modellezésével és szimulációjával foglalkozni, mint például az emberi hőszabályozás matematikai modellje, a színlátás vagy a spektroszkópia. A szimulációval egyszerű elemi lépésekből komplex dolgot lehetett létrehozni.
Így a középiskola javarészt azzal telt, hogy a normál iskolai feladatok mellett mindenféle numerikus és fizikai kísérlettel játszottam. Tipikus feladat volt például a több test probléma szimuláció, amit bolygók mozgásával modelleztünk. Egyszerű matematikai formulákról van szó, amik mégis nagyon komplex rendszerekké válnak, amit idővel könnyebb gépekkel értelmezni. A szimulációt megértéshez használtuk, de nagyon jó kísérleti eszközzé vált. Emellé készítettünk fizikai kísérleti eszközöket is, például a spektroszkópia esetében. Ezeknek a tapasztalataimnak, illetve a versenyeken való részvételeknek köszönhetően felvételi nélkül bejutottam 1997-ben az ELTE fizikai szakára.
Milyen versenyeken vettél részt?
Részt vettem egy nemzetközi ifjú kutatóversenyen Fehéroroszországban, ahova fél Európából érkeztek a nevezések. Lineáris és nem lineáris szabályozó rendszerek kaotikus viselkedésével foglalkoztam, ami egy nagyon elméleti téma, de érdekes eredményeket hozott, hogy hogyan lehet ezekben a szabályozó rendszerekben káoszt szabályozni. Ez az addigi tanulmányaim elméleti kumulációja volt, amit nem nagyon értettek, de szerették, és ezzel második lettem. Az itt elért eredmény adott felvételi mentességet, enélkül nem vettek volna fel az ELTE-re. Soha nem voltam jó feladat megoldó, legalábbis olyan szinten nem, amit mondjuk egy Országos Tudományos Diákköri Konferenciára (OTDK) elvártak. Volt még egy eredményem, amit az Innovációs Szövetség Fiatal Kutató és Innovációs Versenyén értem el az emberi hőszabályozás modellezésével.
Befejezted az ELTE fizika szakját?
Volt egy pillanat, amikor úgy tűnt, hogy nem fogom, de hat év alatt, egy év kihagyással, befejeztem. A szakdolgozatom nem meglepő módon numerikus szimulációval foglalkozott. 1998-ban elkezdtem dolgozni az MTA SZTAKI Párhuzamos és Elosztott Rendszerek Kutatólaboratóriumában. Kacsuk Péter, a labor vezetője felajánlotta, hogy menjek be körülnézni, ami után ott ragadtam öt évre. Fejlesztettek egy vizuális párhuzamos programozási nyelvet és kellett nekik valaki, aki ezt tudja valamire használni. Volt ott egy csomó informatikus, akit ennek az informatikai oldala érdekelt, engem meg az, hogy ezt mire lehet használni. Elkezdtem párhuzamos szimulációkat írni, ugyancsak fizikai problémákra. 2003-ig voltam ott, illetve később a NIIF Program kutatójaként számos nemzetközi magas teljesítményű szuperszámítógép, grid és cloud computing projektben vettem részt.
Min dolgoztatok a CERN projektekben?
Azon dolgoztunk, hogy olyan IT infrastruktúrát, szoftvereket, hálózatokat fejlesszünk, ami ahhoz kell, hogy minél nagyobb és minél érdekesebb számítógépes szimulációkat tudjunk kutatni fizikai jelenségekre, aminek a csúcsa a Higgs Bozon volt. Hosszú időn át az ARC (Advanced Resource Controller – Nordugrid) rendszer egyik fő fejlesztője voltam, amelyet ma is használnak a CERN nagy részecskegyorsítójában (Large Hadron Collider, LHC) a kísérletek során nyert nagy mennyiségű adat feldolgozására (például a Higgs Bozonnal kapcsolatos méréseknél); ez a világ legnagyobb és legerősebb részecskegyorsítója. 2007-ben jöttem el a projektből és 2014-ben kapták meg a Nobel díjat. Örültem, mert úgy éreztem, a korábbi munkámnak volt értelme. Ebben az időszakban sok kutatóval dolgozhattam együtt és számos cikket publikáltam nemzetközi tudományos folyóiratokban.
Mondanál még példát NIIF-es projektre?
A CERN-es projekt és más okok miatt is felgyűlt rengeteg tudás azzal kapcsolatban 2006-ban, hogy hogyan kell nagy mennyiségű adatot tárolni. 2002-től volt egy csomó ügyes, olcsó megoldásunk erre. Egy ilyen helyzetben két lehetőség van, vagy ezzel továbbmész és maradsz az akadémiai környezetben, vagy azt mondod, hogy milyen jó lenne, ha ezt ipari környezetben is lehetne hasznosítani. Mivel én voltam a legmotiváltabb, ezért alapítottunk, két ottani kollegámmal és NIIF-el közösen egy félig állami, félig privát céget, egy úgynevezett spinoff-ot. Ez volt az első cégem, ami egy érdekes kísérlet volt tudáshasznosításra, amit a kormányzat akkor még támogatott, két évvel később már nem annyira. Kisebb nagyobb sikereink voltak, de a piac változott és elhalt a kezdeményezés, de rengeteget tanultam belőle, főleg azt, hogy állami partnerrel nem érdemes céget alapítani.
A hálózat kutatással mikor kerültél kapcsolatba először?
Dolgoztam Vicsek Tamás laborjában egy rövid ideig, ahol a tanáraim már aktívan részt vettek a hálózatelmélet kialakításában 1998-tól 2003-ig. A laborban granuláris anyagokat szimuláltunk. A rossz magokat el akartuk választani a jó magoktól. Ha egy jól tervezett háromszög alakú rácsot raksz egy rázógép aljára, akkor az fog kiderülni, hogy az egyik oldalon kipotyognak a többnyire jó magok, a másikon meg a rosszak. Ezt modelleztük számítógépes módszerekkel, hogy hogyan lehet építeni egy „modern Hamupipőke” történetet, aminek ugyanakkor nagyon mély fizikája van (rugalmasságtan, ütközések), de a végén kiderült, hogy egy nagyon egyszerű dolog, ami ezt meghatározza.
Mi is követtük Barabási-Albert László megjelenő cikkeit a Nature-ben, illetve később olvastuk a könyveit. Nagyon szkeptikus volt – bizonyos szempontból még ma is az – a fizikus társadalom az írásaival kapcsolatban. Kicsit ez a hálózatelmélettel olyasmi, mint a korai csillagászattal. Nagyon sokáig, majdnem 2000 évig a csillagászat egy leíró tudomány volt. Galilei-ig és Newton-ig a nagy mintákat és összefoglaló törvényeket nem fedeztük fel. Sok szempontból a hálózattudomány még mind a mai napig – bár sokat fejlődött – egy leíró tudomány, ami sorra fedezi fel a skálafüggetlen hálózatokat. Mély, törvényszerűségeket felfedezünk, de az igazi Newtoni vagy Einsteini áttöréstől – ami még mélyebbre hatolva megérti, hogy ez miért is van valójában – még nagyon messze vagyunk. Ugyanez vonatkozik a biológiára is, mint komplett tudományterületre. Az evolúciós biológia nagy húzás volt, amiből az alapvető összefüggéseket megértettük, de igazán a mélyére még nem látunk, túl komplex dolgokról van szó.
2007 volt az az év, amikor befejezted a tudományos munkásságodat, elhagytad az állami szektort és elkezdtél indítani, illetve segíteni technológiai vállalkozásokat, alapítóként, angyal befektetőként, mentorként idehaza és külföldön egyaránt. A világ megértéséhez való eszköztárad bővítése volt ez az irány?
Egyrészt az emberben van egy óriási kíváncsiság, hogy mégis mi történik a világban, és ennek megértéséhez különböző eszközöket kezd el használni. A szoftverek, a programozás, a szuperszámítógépek mind nagyon jó eszközök arra, hogy az ember egy kicsit közelebb jusson az igazsághoz, hogyan is működik a világ? Innentől kezdve már csak a kérdés, hogy melyik részét akarja jobban megismerni az ember. 2008-ben kezdtünk el szoftvert fejleszteni az öcsémmel, aki nem fejezte be a BME-t, mert dönteni kellett, hogy iskola vagy az ipar, és úgy döntött, hogy inkább megtanul rendesen szoftvert fejleszteni velem együtt, amivel eltelt pár évünk.
Az informatikán kívül a másik dolog, amit megtanultam eszközként használni, az az, hogy hogyan lehet egy adott probléma köré cégeket építeni. Nekem mind a mai napig az a hipotézisem, hogy ha van egy probléma, amit nem értek – de meg akarom érteni – akkor abba bele kell mászni egy cég alapítással, mert a megértés mélysége és mértéke többé-kevésbé arányos a várható anyagi haszonnal is, de a legfőbb, hogy rettentően kiteszed magad a dolognak, elmerülsz benne. A pénzügyi világ megismerésével pont így voltam. 2010-11 környékén kezdtem el azon merengeni, hogy nem értem, hogy mi történt a 2008-as gazdasági válság során. Az is érdekelt, hogy egyáltalán hogyan történhetett meg, hogyan alakulhatnak ki a gazdaságban kredit buborékok. Lehetett róla sokat olvasni, a nehezén túl voltunk. Az elmúlt 3-4 évben aktívan foglalkoztam ezzel, és most merem kimondani, hogy nagyjából értem, hogy mi történt 2008-ban, és hogy mi fog történni a jövőben, illetve miért nem fog ez pontosan megismétlődni. Lesz helyette más típusú válság.
A technológia és a vállalkozás rendszerén keresztül rengeteg emberrel lehet beszélni, akiktől sokat lehet tanulni, mert ez egy olyan közös platform, ahol okos emberek egymással beszélgetnek arról, hogy hogyan működik a világ, és hogy milyen világot szeretnének.
Mennyire születnek ezekből a motivációkból közös projektek?
Az embernek vagy vannak személyes motivációi, vagy más emberek motivációhoz tud kapcsolódni. Egy ilyen kapcsolódással 2011-ben jött a következő projekt. Korábban együtt dolgoztam Kis Róberttel, aki gyógyszerkutatással és új gyógyszerek felfedezésével foglalkozik. Összeálltunk ketten fizikusok (Sándor Márk és én), egy informatikus (öcsém) egy gyógyszerész (Robi) és céget alapítottunk Mcule néven egy korai fázisú gyógyszerkutatási projektre. Utóbbira több eszköz is van, az egyik, hogy erősen támaszkodunk modern információtechnikai eszközökre, számítógépes szimulációkra, hogy minél kevesebbet kelljen a laboratóriumokban dolgozni, ami időben is és pénzben is nagy tétel lenne.
Egy webes szolgáltatást készítettünk el Mcule.com néven, ami számos elérhető adatbázist, illetve számítógépes modellezési módszernek a kombinációját tartalmazza, annak érdekében, hogy a gyógyszerkutatással foglalkozók egy nagyon egyszerű, felhasználóbarát felületen keresztül a kutatás korai szakaszában fontos információkhoz jussanak. Ez alapján tudnak dönteni arról, hogy mi az, ami kísérleti fázisba kerül. Ennek kapcsán töltöttem sok időt Boston-ban, San Francisco-ban és más amerikai városokban. Nagyon sok díjat nyertünk, de a cég csúnyán beborult egy „fekete lyukba” évekre.
Mi történt?
A remények és valóság találkozott. Amit mi akartunk csinálni – a virtuális gyógyszerkutatás korai fázisának teljes folyamatát digitális platformra helyezni szimulációkkal – arra még Közép-Európa is kicsi volt, mert egyszerűen nincsenek akkora gyógyszeripari cégek mint Amerikában. Magyarországon kettő volt, a Richter és az Egis, de ők épp visszafogták a kutatásaikat. Így maradt Nyugat-Európa és Amerika. Mivel mindenki azt szajkózta, hogy menjünk Amerikába, ezért ott próbálkoztunk, de rutintalanok voltunk, nem volt tapasztalatunk, és bőven alábecsültük a szükséges energiát és pénzt. A másik, hogy nekem közben családom lett és ők nem akartak menni. Végül ez oda vezetett, hogy elhanyagoltam a céget, Robiék pedig alacsonyabb lángon vitték tovább.
2017-ben egyéves előkészítés után elnyertek egy nagy EU-s támogatást, ami miatt újra életre kelt a cég, ami hét évvel később jutott így el oda, hogy most megvalósulhasson a projekt. Még bőven vannak kérdések, de dicséretes az a kitartás, amivel a többiek végigvitték. Mostanra felépült egy több mint tíz fős vállalkozás és a cél Amerika meghódítása. Mindenképpen oda kell menni, de az EU-s támogatás is kevés ahhoz, hogy ezt meg tudják ugrani. Ez egy utazás, amin az ember végigmegy és az adott pillanatban mindig el kell döntenie, hogy az az irány, amin megy, az még jó irány-e, megéri, vagy inkább csinál valami mást. Az, hogy fizikus vagyok nagyon sokat jelentett abban, hogy sose tekintsek magamra úgy, hogy csak egyetlen egy dolgot tudok csinálni.
Az, hogy megéri-e valami, mennyire egyszerű döntés neked?
Mindig nehéz, mert óriási dilemma előtt áll az ember. A közgazdász bennem azt mondja, hogy van az alkalmi költség, hogy megéri-e még nekem azt csinálni, amit csinálok, vagy már más az, ami megéri. Informatikában ez az alkalmi költség nagyon magas annak, aki senior. Nekem az alkalmi költség, hogy csatlakozom egy nagy céghez senior pozícióban versus csinálok egy saját céget, az nagyon magas, mert nagy eltérések vannak a jövedelmezésben. Azért döntöttem a saját dolgok mellett, mert izgalmasabbnak tartom. Rengeteg nagy cégnek adtam tanácsot – főleg bankoknak és távközlési cégeknek, illetve olyan webes szolgáltatásoknál, ahol a fél magyar IT ipar dolgozik vagy dolgozott – és néha egészen elképesztő történetekkel találkoztam.
Mi volt a tanulság?
Ezek a történetek megerősítettek abban, hogy ott nem dolgoznék. Általában mindig az derül ki vállalat versus startup világ kérdéskörben, hogy amíg utóbbinál 3-6 hónap alatt végig lehet egy teljes termékéletciklust csinálni, addig a vállalatok ennyi idő alatt oda jutnak el, hogy jobb esetben megvalósulhasson az első találkozó. Sok értetlenség származik abból, hogy a természetes időskálája egy vállalkozónak és egy vállalatnak nagyon különböző. Persze ebben benne van – főleg bankoknál – a belső komplexitás, szervezeti működés, csak egyszerűen így nehéz velük együtt dolgozni. Ez egy feloldhatatlan dilemma, bár lehet közeledni, amire jól láthatóan vannak példák a világban. Közben óriási rotáció is van, régi szervezetek lebomlanak, megszűnnek, új szervezetek megalakulnak, majd szembesülnek azokkal a problémákkal, amikkel a régi nagy szervezetek, és így válik ez egy örök körforgássá.
Lehet így azonos az innováció fogalma?
Ezeknél a szervezeteknél, amit a szervezet maga innovációnak gondol, azt mi nem feltétlenül gondoljuk annak. Mondok egy egyszerű példát, van egy bank, ahol folyószámlát kell nyitni. Ez a banknál egy nagyon komoly innovációs tevékenység, hogy ezt úgy tudd megtenni, hogy nem mész be a bankfiókba. Szabályozó probléma, belső folyamatok vannak mögötte, amire egy egész digitalizációs projektet és 300 fős szervezetet fel lehet húzni. Kívülről ez nehezen érhető, miközben belül egy szinte megoldhatatlan komplexitású problémává duzzad. Nekik ez innováció, ha meg tudod csinálni, neked ez a már a „tíz éve várom”. Ezért kicsit érthetetlen az innováció közös értelmezése.
Ez csak a magyar cégekre vonatkozik?
A nem magyar tulajdonú magyarországi cégek ugyanazzal a sebességgel, kultúrával és felkészültséggel működnek mint a külföldiek. Ott nem látok különbséget. A magyar kis- és középvállalkozások nagyon el vannak maradva főleg termelékenységben és versenyképességben Nyugat-Európa és Ázsia jelentős részétől is, ami nagy probléma. Nálunk negyven évig szocializmus volt és nem piacgazdaság, ami miatt mind a mai napig még az új generáció fejében sem tiszta, hogy ezt a kapitalizmus nevű játékot hogy is játsszák. Annak ellenére, hogy a rendszerváltás óta eltelt harminc év. Felnőtt egy olyan generáció, aki nem rendelkezik olyan tudással, amit tovább tudna adni. Az őket követő első generáció így csak önszántából tanulhat, de itthon nincs kitől, ezért elmentek külföldre. A probléma az, hogy még nem jöttek haza. Majd ha ők hazajönnek ötven-hatvan évesen, akkor talán lesz egy olyan generáció, aki igazi vezető lesz.
A magyar startup szcéna jelent gazdasági erőt?
A teljes szcéna a nemzetgazdaság szempontjából lényegében nem létezik. Ha megnézzük a teljes kumulált értéket, amit 2000-es évek elejétől Magyarországon beletettek, sem az ezen cégek által megtermelt nemzeti jövedelem, sem az általuk foglalkoztatott emberek lényegében nem jelentenek semmilyen érzékelhető gazdasági erőt. A skála egy nagyon fontos probléma, amivel szembe kell nézni az a méretgazdaságosság.
A korai fázisban a világ bármely pontján ugyanakkora eséllyel lesz sikeres egy vállalkozó. Amerikában is ugyanúgy a cégek döntő része elindul, majd ugyanúgy megy tönkre, mint itthon. Ez olyan, mint egy univerzális törvény. A cégek 90%-a tönkremegy az első három év után. A skála azonban nagyon különböző. Amíg Magyarországon néhány száz cégről beszélünk az elmúlt tizenegynéhány évben, addig Amerikában néhány százezer cégről beszélünk évente. Pusztán a nagy számok törvénye miatt annak a valószínűsége, hogy egy unikornis keletkezik a következő tíz évben az kevesebb mint 1%, csak ha 100 cég keletkezett akkor ahhoz, hogy 1% legyen, kellene 10000 cég. Hol tartunk? Az első néhány száznál. Mennyi ideig tart 10000 céget összeszedni? Sokba, és így tovább pusztán csak a nagy számok törvénye alapján…
Mi lehet a megoldás? Töménytelen pénzt tettek a szektorba.
A töménytelen pénz csak egy illúzió. Meggyőződésem, hogy azt a pénzt, amit eddig beletettünk lehetett volna okosabban, de a közgazdász énem azt mondja, hogy bőven jóval kevesebbet költöttünk rá, mint amennyi indokolt. Mondok egy egyszerű példát. Silicon Valley-ben 30-50.000 dollárból azért lehet elkezdeni egy céget, mert körülötte van Silicon Valley, barterek, network, vevők, egy csomó szükséges szolgáltatáshoz, hálózathoz hozzáférsz nagyon olcsón, vagy ingyen. Ebből adódóan nem nagyon kell utaznod, hogy nagy értékű megállapodásokat kössél viszonylag kis innovációval. Persze ott is vannak problémák, kell költeni másra, lakhatásra stb.
Amikor Magyarországon csinálsz egy innovatív céget, akkor az első problémád az lesz, hogy a piac nincs helyben, rögtön utaznod kell. Mivel nem vagy ott, vagy relokáció történik, vagy egy csomó adminisztratív problémával találod szembe magad, ami miatt simán egy nagyságrenddel több az a tőke, amit ki kell fizetned azért, mert a magyar cég körül nincs Silicon Valley, nincs London. Ehhez képest a magyarországi befektetői kultúra nem úgy gondolkodik, hogy akkor minden induló cégnek tízszer annyit adjon, hanem minden induló cégnek fele annyit adnak a magyar gazdaság teljesítőképessége és más okok miatt. Nálunk 10.000 eurókból próbálták megcsinálni, amit Silicon Valley-ben 50.000-ből, miközben valójában 500.000-ből lehetett volna legalább kivitelezni.
Az innovációs stratégia tervezésénél ezt a különbséget nagyon fontos lett volna figyelembe venni, de az látható, hogy a magyarországi befektető közösség és az állami támogató rendszerek mind a mai napig ezt nem értettek meg teljesen, vagy nem tudnak vele mit kezdeni. Aki viszont megértette, az meg azzal a ténnyel szembesült, hogy így már nem éri meg befektetni, mert nagyon nagy cégeket kellene ahhoz csinálni, hogy egy 500.000 dolláros befektetés egy nagyon korai fázisban megtérüljön. Ráadásul a magyar befektetői csoportoknak nincs is ennyi pénze, és mivel náluk is számít a nagy számok törvénye, hogy ha van öt millió dollárnyi befektetési tőkéjük, abból tíz céget tudnak finanszírozni, nem százat, tudván, hogy ebből nem lesz unikornis. Így pedig marad közel zérón a történet.
Az oktatásnak van ebben felelőssége?
Volt egy nagyon érdekes élményem, amikor Imre Antóniáék az Invendor Kft.-vel a USchool nevű kezdeményezést elindították. Ez egy modern szemléletű szlovén oktatási program, amit Magyarországra adaptáltak, és ami vállalkozói szemlélet és kompetenciák oktatásával az életre készíti fel a középiskolás diákokat. A 21. századi munkapiacon és karrierben való sikerességhez ugyanis már más készségek kellenek, mint ezelőtt, és erre fel kell készíteni a fiatal generációt. A uSchool vállalkozói klubjai „játszóteret” biztosítanak ahhoz – az érettségi előtt minimum egy évvel álló diákok számára –, hogy véghez vigyék életük első sprojektjeit, amit akár egy nyereséges vállalkozássá is fordíthatnak.
Az induló, első évben vettem részt. A Budapesti Fazekas Mihály Gyakorló Általános Iskola és Gimnáziumban vittem végig egy félévet két másik társammal. Majdnem húsz diákkal találkoztunk hetente egyszer, interaktívan, feladatokat kitalálva oktattuk őket és imádták. Jól látszott – önkéntesen választhatták – hogy olyanok jöttek, akiknek a családjában, rokonságában volt valamilyen vállalkozási attitűd. Magyarország legtehetségesebb diákjai soha az életben nem hallottak volna erről, ha nincs a családi szál, ami behúzza őket a projektbe.
Ez nagy probléma, mert azt jelenti, hogy az ország jelentős részében – ahol nincsen jelentős, vállalkozói társadalmi réteg – esélye sincs arra a diákoknak, hogy találkozzanak ezzel az egy, de lehetséges úttal a sok közül. Ezek után nem csoda, hogy tizenöt évvel később nincs elég projekt az innovációban, nincs hova befektetni, mindenki nagyvállalathoz akar elmenni dolgozni. Ebben óriási felelőssége van az oktatásnak, és amiben még nagy a felelőssége az az, hogy nálunk az oktatás mind a mai napig arra koncentrál, hogy egységnyi idő alatt mennyi kvázi lexikális tudást töltsön bele a fejekbe. Ez utoljára 1920-ban volt menő stratégia. Igaz, Amerika és Nyugat-Európa sem jutott még el oda, hogy ma már nem futószalagon kell irodai dolgozókat gyártani. Az oktatás szükséges, de nem elég önmagában.
A budapesti New Tech and Science Meetup-ok egyik alapítója voltál. Mi miatt tartottad fontosnak a hazai elindításukat?
A Meetupok-at 2007-ben indítottuk. A BPNT volt az első, és mind a mai napig a legnagyobb. A Science Meetup-ot pár évre rá kezdtük el szervezni. Abban volt óriás jelentőségük, hogy keletkezett velük egy tudástranszferekre alkalmas platform, ahol különféle projektek és kutatók megmutathatták egymásnak, hogy éppen mivel foglalkoznak. Azon túl, hogy cégek, üzleti-, baráti és párkapcsolatok szövődtek, keletkezett egy közösség, ami mára fent tudja magát tartani, ami nem könnyű feladat. Jó ideje mindkettőt új szervező csapat csinálja, aminek nagyon örülök, mert így túlnőttek rajtunk alapítókon.
Nagyon kellenek a különböző tudások.
Nagy szemléleti problémák vannak. A teljes oktatási szisztémában egy durva skatulyázás megy, te angol tagozatos vagy, te matek. Én sport tagozatos voltam. Az ikerlányaim angol-dráma tagozatosak. Hét évesek és már itt rájuk kényszerítenek egy dolgot, hogy ez az, amivel többet fogunk foglalkozni. Ezzel szemben a valódi igény nem ez, hanem az, hogy használj adattudományt (data science) zene komponálásra, hogy automatizáld a design folyamatodat, vagy értsd meg a nyelvet digitális eszközökkel. Nem az van, hogy te matematikus vagy, te meg fizikus, hanem hogy problémamegoldó gép vagy, de ehhez mind a probléma, mind a megoldás oldalt érteni kell. A magyar oktatás nagyon erősen a kész megoldásokra koncentrál és nagyon kevésbé arra, hogy melyek a jó problémák.
Mesterséges intelligencia, amivel mostanában leginkább foglalkozol.
Mesterséges intelligencia, data science – most van az a pillanat, amikor elnevezik azt, amit mindig is csináltam. Tizennégy éves korom óta foglalkozom azzal, hogy adatból, modellekből hogyan lehet rendszereket felépíteni, legyen az numerikus szimuláció, vagy cég, aminek most adtak egy nevet, ami a data science lett.
Két motivációm van. Egyrészt kezdek elég idős lenni ahhoz, hogy legyen némi tapasztalatom bizonyos területeken, amit szívesen elmondok mentorként, tanácsadóként projektekben, a másik pedig az oktatási tevékenység. Itt a közelmúltban az inspirált, hogy olyanokat tanítsunk, akik nem technológusok, hanem magyarországi szolgáltató cégek vagy kis- és középvállalkozások középvezetői, hogy lássák ezt az egész technológiai helyzetet általánosan, illetve ebben a helyzetüket és az ehhez kapcsolódó gondolkodásmódot. A realtív képesség növekedés egy olyan embernél, aki alapvetően nem technológus, de megérti a technológia folyamatokat, esetleg el is kezdi használni ezeket, sokkal nagyobb mint a technológusnál az a képesség, hogy az egyik eszközt jobban tudja használni, mint a másikat. Ezen keresztül azzal, hogy a saját képességeik nőnek, abból a szervezet is profitál, ahol vannak. Ma kellően nagy mennyiségű ember oktatja az informatikusokat, de nagyon kevesen oktatják technológiai tudásra a nem informatikusokat.
Milyen vállalkozásokban vagy jelenleg érdekelt?
Jelenleg aktívan a Navega Strategies nevű new york-i fintech vállalkozásban ahol technológiai vezető szerepet töltök be. Tanácsadóként is főleg fintech startupokat támogatok például a magyar Blueopes-t. Most kacsintgatok megint social alkalmazások irányába Londonban. Gát Anna alapító társammal együtt az a Actual nevű alkalmazáson dolgozunk, aminek a célja az emberek személyes és fontos beszélgetéseit átterelje egy olyan platformra, ahol jól érzik magukat. Azt szeretnénk elérni, hogy az emberek a korábban feszült beszélgetéseikben a megkönnyebbülés érzését érjék el és ezzel feloldódjanak a régóta felhalmozódott feszültségeket. De az időm jelentős részét itthon töltöm, de függetlenítettem magam a magyar ipartól azzal, hogy elsősorban külföldi cégeknek dolgozom. Korábban felmerült, hogy Kaliforniába költözöm, de a lányaim megkértek, hogy maradjak. Nem bántam meg.
A kutatás az NKA támogatásával valósult meg.
Comments are closed.