Akinek a játék és a tanítás behálózza az életét

Szerteágazó az oktatási tevékenysége. Most mit tanít éppen?
Egyrészt a számítógépes hálózatok gyakorlati oktatásában veszek részt, amit meg is újítottunk ebben a félévben, frissebb, látványosabb, gyakorlatiasabb lett a tananyag. Másrészt indítottunk két új speciális kollégiumot a Big Data témakörben. A Big Data architektúrák az egyik, ami főleg engem érint, a másik pedig a Big Data elemző módszerek, ami adatelemzéssel, data science-szel foglalkozik – érdekesség, hogy ezt a múlt évben Kemény János-díjat nyert Laki Sándorral közösen visszük. Ezen kívül a mesterképzésen korszerű adatbázisokról tanítok, a NoSQL világtól a felhőrendszereken keresztül egy sor nagyon mai témáról, ez egy ismeretterjesztő óra inkább, nem annyira szigorú, számonkérő.

Azt szeretném, ha a hallgatók megismernék az új technológiákat, ha belelátnának az új trendekbe.

Ha jól gondolom, Önnél nem a számonkérésen van a hangsúly.
Nem, én még mindig közelebb érzem magamhoz a hallgatót, mint a professzort. Nemrég még ott ültem, a katedra másik oldalán – és tudom, milyen…

Mi volt az első impulzus, ami az informatika felé terelte?
Nyilván a játékok, a bátyám Commodore-64-esén kezdtem el játszani, és autodidakta módon, az egyik könyvéből kezdtem el BASIC nyelven programozni. Ezért külön örülök a BASIC atyjáról, Kemény Jánosról elnevezett díjnak. Az első programozási sikerélményeim ehhez kötődnek, szép grafikus ábrákat készítettem. Majd Békéscsabára mentem középiskolába, a Gépészeti és Számítástechnikai Szakközépiskolába, ahol már a versenyek világába is belekóstoltam egy kárpát-medencei magyaroknak rendezett csapatversenyben. Pascal nyelven kellett írnunk egy programot, mellyel döntőbe is jutottunk. De a másik hobbim elszólított, mert a döntő egy időre esett egy külföldi fellépésemmel. Tizenegy évig néptáncoltam, bejártam Európát Németországtól Törökországig a táncegyüttesünkkel.

Ez már a múlté?
Gyulai vagyok, messze van a táncegyüttes... Az egyetem első évében még fenntartottam a kapcsolatot, aztán már nem bírtam az ingázást. De a mozgást most is nagyon fontosnak tartom. Megkerestem az ELTE jégkorongcsapatát, ahol annak ellenére befogadtak, hogy eleinte még korcsolyázni sem nagyon tudtam. De jégpályát Magyarországon egy amatőr csapat csak este tíz óra után talál, ez diákként még buli volt, ma már nem illik az életrendembe. Sokáig túráztam – az ELTE 70 kilométeres sárga teljesítménytúráját is teljesítettem –, most pedig a hosszútávfutás a szenvedélyem, félmaratonokat teljesítek.

Ezzel rácáfol arra az előítéletre, hogy az informatikus a két pizza között maximum az egérkattintó izmait erősíti. Legalább játszik még számítógépen?
Ha időm engedi, igen. Leginkább a szimulátorokat szeretem. A kamionszimulátor számomra a kikapcsolódás csúcsa. Beül az ember a kamionba, előtte az út – és csak megy…

Akkor kanyarodjunk vissza az Ön útjára…
No igen, érettségi után mindenképp informatikai pályára készültem, az ELTE-t jelöltem meg első helyen. És itt ragadtam. Az MSc képzések közül az információs rendszerek képzés tűnt szimpatikusnak, itt pedig Kiss Attila tanszékvezető mellett bekerültem a Tudáskezelő Rendszerek kutatólaborba, ott kóstoltam bele a kutatásba. Az MSc végén a Doktori Iskolában folytattam.

Az eddigi publikációi, kutatásai közül melyeket tartja kiemelkedőnek?
Az utóbbi két cikkemre vagyok a legbüszkébb. Fő kutatásunk a szemantikus web volt, nálam a "felhők és osztott számítás" címszó alatt. Utolsó cikkeimben azt jártam körül, hogy a Big Data eszközökkel hogyan lehet kiértékelni a szemantikus lekérdezéseket. Konkrétan, hogy a Spark nevű, nagyon felkapott eszközön hogyan lehet megvalósítani osztott gráfelemző rendszerben szemantikus kiértékelést. Ha a szemantikus web egy nagy gráf, akkor adja magát, hogy egy gráfelemzőt lehetne arra használni, hogy megválaszoljuk a részgráfok keresési problémáját. A Google-nél is van egy tudásgráf: egyszerű állításokat megfogalmazva az állítás alanya és tárgya is csomópontok a gráfban, ezekről a csomópontokról pedig újabb állításokat megfogalmazva egy hatalmas gráfot kapunk, ami egy nagy tudást reprezentál nekünk. Ha valami információt keresünk valakiről, akkor ebben a gráfban pontosabb információkat tudunk kinyerni. Ha a Google-nél rákeresünk valakire, jobboldalt egyből egy kis táblázat kiad információkat, mert a Google tudásbázisként működik.

A problémát a nagyon nagy gráfok kezelése jelenti, ez a Big Data világa. 

Az irány arra megy, hogy nem erős gépünk van, hanem gépparkjaink vannak, ezek az elosztott rendszerek. A nagy gráf részeit szétrakjuk a számítógépek között, és legyen egy rendszer, amely a részgráfot kezeli. Az az érdekes, hogy hogyan lehet megmondani a rendszernek, hogy a megfelelő adatot megtalálja. Erre találtunk ki egy új modellt a Sparkban.

Ha jól tudom, közösségi hálózattal is foglalkozott.
Egy pályázat keretében a Twitter elemzésével foglalkoztunk. Csináltunk egy Twitter-gyűjtést, ugyanis a Twitter biztosítja, hogy a valós időben keletkező tweetek (száznegyven karakteres üzenetek) fél százalékát kutathassuk. Ez elég nagy, napi 12 gigabájt üzenetet jelent, amit kezelni kell, feldolgozni, adatbázisban tárolni. Amerikában a Twitter véleményformáló gócpont. Amikor mondjuk az elnökjelölti vita során Trump és Clinton vitatkoztak, a valós idejű tweeteken érzelmi analízist végeztek, nézték, milyen hatásuk volt a beszédeknek. Ehhez kapcsolódik, hogy amikor elindult az egyetemünkön az új Adattudományi Tanszék,

a megnyitón bemutattuk a Twitter-elemzés egy demóját,

élőben egy térképre raktuk ki az éppen akkor futó Clinton–Trump vita kapcsán keletkező, Trumpról és Clintonról szóló, hozzájuk kapcsolódó tweeteket. Ezt az M1 tévéadó is bemutatta.

Mi foglalkoztatja még?
A másik nagy trend, az IoT-eszközök (Dolgok Internete), az okosotthonok. Ma már potom összegért, ezer–ezerötszáz forintért vásárolhatók programozható érzékelők hozzá. Érdekel az ezzel való játék, és a biztonság kérdései is foglalkoztatnak. Ez is kapcsolódik a Big Datához – és ez is nagyon érdekel.

Jól hallottam, hogy játékot mondott?
Igen, számomra a kutatás az játék, kísérletezés. Ezt szeretem – és tanítani szeretek. Az IoT-eszközök és hogy azokból milyen adatok nyerhetőek ki, most elbűvölnek. Jelenleg egyébként éppen egy ébresztőórát építgetek hobbiból. Nagyon szeretem a Star Treket, ahol úgy ébrednek fel a szereplők, hogy a szoba kivilágosodik; ez a kíméletes ébresztő! Ehhez egy programozható LED-sor szükséges, egy ilyen ébresztőn dolgozom – mert a demóverzió már működik! – , és azt tapasztalom, hogy a szépen, fokozatosan felgyulladó fény nem okoz akkora traumát a szervezetnek, mint egy vekker.

Az interjút Képes Gábor készítette a Neumann János Számítógép-tudományi Társaság számára.