Mondhatnánk, hogy "szerves része", de ez pontatlan lenne. Atomok és molekulák szintjén nincs helye biokémiai metaforáknak.

Godó Bence, aki diákévekre visszanyúló ismeretségünk, és évek óta támogatja projektszerűen a Lexunitot, 2022-től pedig hivatalosan is a csapat része lett, úgy fogalmazott, hogy nálunk "jól tudnak jönni a nem tipikus programozók".

Bence annyira nem tipikus programozó, hogy elméleti fizikus.

Karrierje elején egy orvosi eszközök prototípusait fejlesztő cégnél végzett dozimetriai számolásokat, épített modelleket.

Ezután tanársegédként dolgozott a Debreceni Egyetemen, PhD-kutatásba fogott, információelméletben használatos függvények méréseivel foglalkozott, a modul mögöttes fizikai tartalmát kellett értenie, és ez alapján összerakni a megfelelő programkódot hozzá. Ezekből az eredményekből készültek tudományos publikációk is. Hasonlóan a neurális háló inverziójának alkalmazási területeit kutató Bogdándy Bencéhez, aki főállásban Python fejlesztő a Lexunitban.

G. Bence tehát a programozást úgy sajátította el, hogy fizikai problémák vizsgálatához készített gyakorlati eszközöket, egyáltalán nem "fejlesztői" a mentalitása. Mivel a Machine Learning projektekben gyakran van szükség magas szintű matematikai problémák megoldására, az ilyen szakértelem sokszor jól tud jönni. Gyakran magát a megoldásmenetet kell először kidolgozni, ekkor programozásról még nincsen szó. A 'Data Scientist' nevezhető egy ehhez hasonló feladatkörnek.

Godó Bence évek óta segítette a Lexunitot ilyen téren, a közelmúltban pedig sikerült meggyőzni az együttműködés szorosabbra vonásáról.

Az egyik első projekt, amiben együtt dolgoztunk vele, az a képelemző rendszer volt, amit egy kárbejelentő alkalmazáshoz használtunk.

Ezután egy amerikai egyetemi kutatásban javította a script-rendszer hatékonyságát. Egy kutató több, mint 6 Tb-ny tweetet (!) scrape-elt le, hogy egy olyan modellt dolgozzon ki, ami bizonyos szervezetek követőinek átlagos politikai preferenciáit képes beazonosítani.

Majd a Lexunit ősrégi tesztprojektjét, a papírszámlákon lévő adatokat beolvasni és struktúrálni képes SzamlAI-t poroltuk le együtt: ezzel a projekttel tanulgattuk a gépi látás és gépi tanulás alapjait, és egy bizonyos komponense érdekes lett egy cég számára.

Szintén izgalmas, klasszikus fizikai feladat volt egy nagymegszakítók üzemeltetésével foglalkozó vállalatnál egy Fortran plugin ( ~40 éves kód) készítése bizonyos levezetett adatok ábrázolásához. Ez a projekt aztán továbbfejlődött: sok olyan energetikai rendszer van, aminek az informatikája a hetvenes-nyolcvanas évek technológiáján alapszik, ezért ezeknek a monitorozása nem triviális. Ha ezeket a rendszereket korszerűen fel tudjuk szenzorozni, akkor aktuális adatsorokat lehet a telepvezetők rendelkezésére bocsátani, ez a munka még javában zajlik.

Az amerikai kapcsolatainkon keresztül érkezett egy megkeresés egy milliárdos tőzsdegurutól, aki készíttetni akart magának egy komplex adatfigyelő rendszert, ami a munkáját segítené. Ő megadta, hogy mik ezek a pénzügyi bemeneti adatok, és ezt kellett saját felületre, formázottan, napi frissítéssel megjeleníteni.

Visszatérve Bence tudományos tevékenységére, a doktorit a Fisher-információelmélet kapcsolódó metrikáinak vizsgálatából írja, ezek felhasználási területe leginkább szimulációk, például molekuláris, vagy atommagokban zajló folyamatok szimulációinak lefuttatása. Szóval ez egy anyagtudományban használható módszer, például anyagokat érő hatások eredményeinek szimulációjához lehet felhasználni.

Vagyis fizikai folyamatok vizsgálatára használjuk, de színtiszta matematikai módszerrel - éppen, ahogy Bence szereti.

A fentieket összerakva kirajzolódhat egy kép arról, hogy miért hasznos nekünk a "nem-hagyományos", a természettudományos, a "pályaelhagyó" informatikus szakemberek társasága is, a tőrőlmetszett programozók mellett. Gyakran előfordul, hogy egy digitálisan megoldandó feladatnak fizikai-matematikai háttere van, amit fel kell először térképezni ahhoz, hogy aztán egy jó Machine Learning modellt tudjunk a "megoldásmenet" végén létrehozni.

Másrészt, az igaz, hogy a magyar egyetemi szcéna kívülről eléggé átláthatatlan, nem egyértelműek a lehetséges kapcsolódási pontok, amelyekkel valódi projekteket lehet indítani, viszont az emberi kapcsolatok ettől még értékesnek bizonyulhatnak. Bence volt tanárai és kollégái között többen is a CERN hatalmas infrastruktúrájában dolgoznak, ott pedig aztán "adatból van bőven". Ez legalább az elvi lehetőségét megteremti annak, hogy a Lexunit kapacitásait esetleg a kutatások során felmerülő problémák megoldásában fel lehessen használni - illetve ha belefutunk a piaci környezetben valamilyen különlegesen kemény dióba, akkor vannak csatornáink ahhoz, hogy az adott szakterület igazán nagy koponyáihoz forduljunk segítségért.

Hogy lesz, mint lesz, ezt ma még nem lehet tudni, de az biztos, hogy mindig öröm, ha a programozást más területekről közelítő szakértőkkel dolgozhatunk együtt. Persze, az alapító csapat is ilyen, mert a gépészet felől érkeztünk, talán ezért is értjük meg jól magunkat más, "matekos" szakemberekkel.

Ettől függetlenül szerintünk ez mindenképpen csak hozzáad a Lexunit sikeréhez, a nálunk uralkodó hangulathoz, szellemi pezsgéshez, a megoldásfókuszált mentalitáshoz.