Popis kupaca govori tko su kupci. Povežete li ih s proizvodima, kupnjama i drugim odnosima, dobivate drukčiju sliku: podatak počinje dobivati smisao kroz ono s čime je povezan. To je dobar ulaz u rad Jure Leskoveca, slovenskog znanstvenika koji je velik dio karijere posvetio mrežama i učenju iz povezanih podataka.
Stanford ga na aktualnoj stranici navodi kao profesora računalnih znanosti s titulom Alfred and Rebecca Lin Professor. Njegov rad povezuje strojno učenje, analizu podataka i računalnu biomedicinu. Za regionalnu publiku Leskovec je zanimljiv kao znanstvenik čiji se istraživački put razvio od Ljubljane do jednog od glavnih svjetskih AI središta, uz stalnu vezu s praktičnim problemima.
Zašto su veze među podacima važne
Graf je način prikaza u kojem postoje čvorovi i veze. Čvor može biti osoba, proizvod ili protein; veza opisuje neki odnos među njima. To je urednički pojednostavljen primjer: stvarna uporaba ovisi o tome što podaci predstavljaju i kakvo se pitanje postavlja.
U takvom prikazu jedan zapis ne promatramo izdvojeno. Zanimaju nas i njegovi susjedi te obrazac odnosa. Za AI to otvara pitanja koja običan popis teško opisuje: što je slično nečemu što već poznajemo, koji se obrasci ponavljaju i što možemo zaključiti o novom podatku na temelju njegova okruženja.
GraphSAGE i problem novih podataka
Jedan od utjecajnih radova koji Leskovec potpisuje s Williamom L. Hamiltonom i Rexom Yingom jest GraphSAGE, predstavljen 2017. Njegov je predmet učenje načina predstavljanja čvorova na velikim grafovima tako da se pristup može primijeniti i na podatke koji nisu bili prisutni pri učenju.
Autori opisuju uzorkovanje i objedinjavanje informacija iz lokalnog susjedstva čvora. U radu su pristup provjeravali na informacijskim mrežama i podacima o odnosima među proteinima. Čitatelju koji nije istraživač važna je osnovna ideja: sustav uči koristiti obilježja i odnose, umjesto da za svaki poznati zapis ima samo unaprijed pripremljeno predstavljanje.
Od akademskog rada do poslovnog proizvoda
Carnegie Mellon mu je 2025. dodijelio Alumni Achievement Award. U obrazloženju ističe rad na učenju iz grafova, otvorenim alatima i povezivanju istraživanja s industrijom. Među projektima navodi Stanford Network Analysis Platform i Open Graph Benchmark, a među njegovim poduzetničkim pothvatima Kumo, koji grafovsko strojno učenje primjenjuje na poslovne podatke.
Stanfordova biografija navodi i njegov raniji rad kao glavnog znanstvenika u Pinterestu. To je dio profesionalne povijesti, a ne aktualna funkcija koju mu ovdje pripisujemo. Za profil je važna poveznica: ideje o odnosima među podacima mogu prijeći put od istraživačkog rada do sustava koji ljudima preporučuje sadržaj ili pomaže analizirati poslovnu zbirku.
Ljubljana, Carnegie Mellon, Cornell i Stanford
Prema Stanfordu, Leskovec je diplomirao računalne znanosti na Sveučilištu u Ljubljani 2004., doktorirao na Carnegie Mellonu 2008. i postdoktorski se usavršavao na Cornellu. Njegov današnji rad obuhvaća i biologiju te istraživanja povezana s otkrivanjem lijekova. Zajednički nazivnik ostaje traženje korisnih obrazaca u složenim odnosima.
Njegov primjer širi pogled na AI u regiji. Uz razgovorne modele postoji velik prostor rada na strukturiranim podacima, mrežama i specifičnim znanstvenim pitanjima. Za kompaniju koja ima mnogo tablica i odnosa među njima to je koristan podsjetnik da izbor AI pristupa počinje razumijevanjem podataka koje stvarno ima.
Jure Leskovec na predavanju u Institutu Jožef Stefan u Ljubljani, 21. prosinca 2016. Arhivska fotografija: Yerpo / Wikimedia Commons, CC BY-SA 4.0. Automatski izrez za kartice; fotografija i izrez pod istom licencom.
Izvori
Stanford: profil Jure Leskoveca — aktualna akademska funkcija, područja rada i obrazovanje
Stanford: prošireni istraživački profil — institucionalni pregled rada
Carnegie Mellon: Alumni Achievement Award 2025. — otvoreni alati i poduzetnički rad
Hamilton, Ying i Leskovec: GraphSAGE — izvorni znanstveni rad, predstavljen 2017.
