Proč využívat umělou inteligenci? Lidé došli, říká zakladatel Mycroft Mind Procházka

4. 10. 2019 | Zdroj: Hospodářská komora ČR (HK ČR)

Nejen o inovacích a moderních technologiích jsme se bavili s Filipem Procházkou, odborníkem na umělou inteligenci a zakladatelem brněnské high-tech firmy Mycroft Mind.

Zakladatel firmy Mycroft Mind Filip Procházka. Zdroj: Mycroft MindTrendem doby jsou chytré stroje a chytrá zařízení – máme schopné techniky i softwarové inženýry, přesto… Máme vůbec možnost konkurovat světu? Být v roce 2030 mezi sedmi nejinovativnějšími zeměmi Evropy?
Ano, rozhodně. Dokážeme vytvářet inovativní metody, služby a nástroje, které obstojí v celosvětové konkurenci. Jenže aby firma uspěla v zahraničí, musí tam přinést hotové řešení. Sdělení typu „Rozumíme machine learningu, řekněte si, co potřebujete, a my to pro vás vymyslíme…,“ většinou v zahraničí nezabírají. Klíčová je kombinace technologických schopností a praktické zkušenosti s řešenou oblastí.

Je nutné zdůraznit, že většina chytrosti se dnes do systémů dostává pomocí machine learningu na základě zpracování existujících dat. A bez reálných dat hotové řešení připravíte těžko. Jenže reálná data lze většinou získat až v konkrétních komerčních projektech. Abychom tedy ve světě uspěli, potřebovali bychom dostatečně velký ekosystém firem, které jsou schopny vyvíjet inovativní řešení při realizaci komerčních projektů. To se podaří, pokud tu vznikne trh s dostatečně velkou poptávkou, na kterém budou moct naše firmy růst a připravovat řešení pro globální expanzi.

Můžete uvést příklad nějaké země, kde to tak funguje?
Ukázkově je to podle mě vidět třeba v Izraeli, kde silná poptávka vychází od státu, především z armády – což je živná půda pro spoustu technologických firem, které tak získávají možnost vytvořit prakticky použitelná řešení nejen pro armádní využití. U nás dle mého názoru žádný takový silný tahoun podpořený strategickými cíli státu není. Mohl by být a vládní strategie Czech Republic: Country for the Future to naznačuje, ale reálné změny zatím nepozoruji.

Kde vidíte hlavní překážky a možné řešení?
Situaci rozhodně neprospívá komplikovaný systém zadávání veřejných zakázek a alibistického soutěžení na nejnižší cenu. České malé a střední inovativní firmy těžko mohou cenově konkurovat globálním korporacím, pokud se ty rozhodnou, že chtějí zakázku za každou cenu získat.

Situace by se mohla zlepšit díky možnosti uzavírat takzvaná inovační partnerství. Zatím to ale zákazníci příliš neznají a nevyužívají, takže vše zůstává u redukce kvality řešení na jediné kritérium, tedy cenu. To vytváří pro firmy ve fázi rozvoje velmi složité ekonomické prostředí, ve kterém se globální expanze dá velmi těžko ufinancovat a bez přístupu k dostatečně zajímavým projektům vůbec zrealizovat.

Nejsou ale inovace v českých firmách častěji zaměřeny na zvyšování produktivity než na nové inovativní produkty? Nebo se mýlím? Jaká je vaše zkušenost?
Inovace samozřejmě musí mít ekonomický smysl a zvyšování produktivity je jedna z motivací. Jsou tu ale i další důležité – snižování energetické náročnosti, rozvoj schopnosti využívat obnovitelné zdroje energie nebo snižování provozních nákladů. Když jsme začínali, hledali jsme oblast, ve které budou splněny tři podmínky: aby zákazník v dané oblasti viděl problém nebo příležitost, měl finance na to ten problém nebo příležitosti vyřešit a konečně aby byl schopný o zahájení projektu i relativně rychle a transparentně rozhodnout.

Myslím si, že rozvoj inovací v českých firmách je právě s těmito podmínkami úzce spojený. Pokud firma o problému neví, nebo není dostatečně otevřená hledání a prověřování příležitostí, těžko bude chtít něco takového platit. A pokud bude rozhodnutí o inovaci dva roky interně připravovat a tři roky soutěžit, tak je to pro menší, rozvíjející se firmy velice složité. A po pěti letech už inovace nemusí být inovací.,

Mycroft Mind

Česká technologická společnost, jejímž cílem je dodávat a budovat portfolio inovativních systémů pro zpracování a analýzu nové éry velkých dat získaných z nových zdrojů inteligentních sítí nebo IoT.


Několik let se skloňují pojmy jako IoT a prediktivní údržba, což je jedno z témat, kterým se věnujete. S jakou zkušeností? Je o ně mezi výrobními firmami zájem? A co jim to může přinést?

Nedávno jsem viděl nějakou soutěž vypisovanou velkými výrobními firmami, ve které hledají nová řešení. Pro zhruba dvě třetiny z nich byla hlavním tématem prediktivní údržba, a to z několika důvodů. Začít sbírat a zpracovávat podrobná data z výroby je dnes mnohem snazší. Ceny klesají a nabídka senzorů se rozšiřuje, rozvíjí se bezdrátové komunikační technologie i edge computing. Senzory v terénu tak už nemusí být pouhými sběrači měření, ale umí rozeznávat a klasifikovat složitější situace, mohou se i učit. Hnacím motorem je také nedostatek kvalifikovaných pracovníků pro správu a údržbu. Lidé došli.

Technologický svět je plný termínů, které všichni používají, ale málokdo si dokáže představit konkrétní výsledek – nedávno to byla bigdata, dnes jsou to fastdata nebo třeba umělá inteligence. Za ni se však často vydává stroj schopný elementárního učení, což ovšem jsou dvě různé věci. Lze vůbec roli a přínos umělé inteligence dnes definovat? Funguje někde?
Ano, lze. Schopnost učit se je jednou, ale ne jedinou z nutných schopností inteligentního systému. Třeba v našem systému ji doplňuje dalších šest klíčových prvků: komunikace s okolím a sběr dat z něj, rozeznávání vzorů a situací, které se ve sledovaném okolí dějí, schopnost predikovat výskyty vzorů a situací, pak je to nutnost mít definované záměry, které určují motivaci systému, schopnost autonomně jednat, adaptovat se na měnící se prostředí a systematicky pracovat s informacemi zařazenými do prostoru a času. Co se týče role umělé inteligence, ta je v propojení těchto schopností do systému schopného samostatně plnit požadované cíle a přitom se adaptovat na neustále se měnící podmínky.

Nás zajímají hlavně systémy, které řeší složité optimalizační problémy. Takové, které člověk sám nemá šanci vyřešit, protože do řešení musíte zahrnout příliš mnoho faktorů, variant, nejistot a možných scénářů dalšího vývoje. Třeba v naší doméně, energetice, teď díky propojení jednotlivých energetických trhů v Evropě může například situaci v Brně ovlivnit objem výroby ve větrných farmách na severu Německa a neplánovaná odstávka elektrárny v Bulharsku.

Takto široký rozhled takřka v reálném čase bude člověk ve své hlavě těžko den za dnem udržovat. Takoví lidé sice existují, ale není jich mnoho. Podle Arthura Conana Doyla, autora slavného detektiva Sherlocka Holmese, byl v Anglii ve své době pouze jeden. Sherlockův bratr Mycroft .

Technologie ve spojení s virtuální a rozšířenou realitou nabízejí zcela nové možnosti sledování a řízení výroby. Hitem má být digitální dvojče. Už se nějaký takový funkční projekt v Česku rozběhl?
V energetice jsme digitální dvojče vytvořili pro společnost E. ON již v roce 2015. Digitální dvojče ale není jen detailní model jednoho zařízení či celku. Já to vnímám šířeji, smyslem je zaměřit se na systém jako celek, tedy například celý výrobní proces, energetickou distribuční síť a podobně. Tam se opět dostáváme do situace, že promyslet všechny možnosti dalšího rozvoje za různých scénářů vývoje bez takovýchto nástrojů prostě nejde.

Kacířská otázka – bavíme se o technologiích, které mohou být jistě přínosem pro velké hráče. Co ale mohou přinést malým a středním firmám? Jsou pro ně vůbec dostupné, vzhledem k výši investic?
Podle mého názoru to velké investice nutně znamenat nemusí. Mluví pro to mnoho faktorů. Pro řadu úloh jsou výhodnější obchodní modely postavené spíše na službách než koupi velkého řešení. Výrobci zařízení pro výrobní podniky si postupně uvědomují, jak pro ně mohou být data o provozování jejich zařízení cenná. Často tedy mohou sběr relevantních dat zajistit i zafinancovat sami a data pak poskytnout i svým zákazníkům, kteří je využijí například pro zmiňovanou prediktivní údržbu.

Takto vyhrají obě strany, výrobci dokážou dodávaná zařízení účinně vylepšovat, zatímco zákazníci těží z výrazné redukce odstávek a závad, které brzdí výrobu a samozřejmě i zisky. To všechno je možné díky machine learningu, který dokáže identifikaci problému vyřešit za lidi. Ti pak můžou svůj drahocenný čas věnovat rovnou realizaci nezbytných opatření.

Převzato z časopisu Komora. Autor článku: Valerie Saara, foto: Mycroft Mind.

Tisknout Vaše hodnocení:

Štítky článků

Související články

Diskuse k článku

+ Nový příspěvek