První část rozhovoru pojednávala o minulé i současné vědecké práci Pavla Surynka a jeho mezinárodních zkušenostech. Nyní se zaměříme na působení Pavla Surynka na FIT, výuku symbolické umělé inteligence a plány na novou Laboratoř robotických agentů. Rozebereme také možnosti zapojení studentů do vědy a výzkumu.
Proč jste přešel z Matfyzu na FIT? Co Vás motivovalo?
Motivace byla docela jednoduchá – hrozil mi tzv. inbreeding. To znamená, že člověk působí celou kariéru na jedné instituci. Tuto hrozbu jsem trochu utlumil stážemi v Japonsku, ale přece jen jsem na Matfyzu studoval magisterské i doktorské studium, pak jsem tam působil, no a působení tam až do konce kariéry nepřipadalo v úvahu, to by byl inbreeding jako z učebnice.
Je inbreeding výrazně špatná vlastnost?
To skutečně je, u nás se na to možná tak nehledí, ale v zahraničí velmi silně. Obecně evropský a americký pohled je, že by člověk měl přibližně každých 10 let změnit instituci. Není to samoúčelné, opravdu je prakticky ověřeno, že to prospívá vědeckému rozvoji institucí i člověka samotného. Vědci se těmito přechody vzájemně obohacují, přetvoří se týmy, to, co nefungovalo, se ořízne, vytvoří se něco nového, výzkum je tímto skutečně dobře akcelerován. Samozřejmě je to trochu odvážný krok, třeba pro mě to znamenalo opustit komfortní zónu, byl jsem na té instituci velmi komfortně usazen, a najednou člověk musí vstoupit do neznámého prostředí, to není snadné.
Obával jste se nového prostředí?
Ne, nebál jsem se. Předtím jsem mnohokrát vstupoval do neznámých prostředí během praxí v různých softwarových firmách a na stážích. Spíš to znamenalo opustit pohodlné prostředí, to vyžadovalo nějakou energii. Také bych řekl, že není dobré působit na instituci, kterou člověk vystudoval, protože pak si konkuruje se svými učiteli, což ti učitelé nemusí nést dobře, zvlášť když je člověk překoná ve výzkumu.
Na FITu sice někteří absolventi působí, ale tím, že jsme mladá fakulta, tak jich tady možná není tolik jako jinde.
Na FITu se výzkumné struktury teprve vytvářejí. Možná to časem také povede k určité strnulosti, kterou bude potřeba oživovat – trochu do toho šťouchnout, přijmout nového člověka zvenčí, někoho zase poslat pryč… Je třeba to dělat systematicky, protože nebezpečí ustrnutí je, zvlášť u nás v České republice, hodně silné. Ne tak v zahraničí, tam jsou přechody běžné.
Vy nyní působíte na FITu, myslím, 3 roky?
Přibližně, nepočítám to, čas strašně rychle letí…
A jak se tady cítíte?
Cítím se velmi dobře. Fakulta na mě působí lépe než jsem čekal, lépe než na mě působila v době, kdy jsem o ní nic nevěděl. Je svěží, mladá a umožňuje budovat věci na zelené louce – výzkumné skupiny, laboratoře, předměty. A to je určitě dobrá věc. Samozřejmě v porovnání s jinými fakultami není tak vědecky výkonná, což jsem věděl už před nástupem sem, ale myslím si, že to není na škodu. Pro mě jako výzkumníka to představuje výzvu, abych fakultě nějak pomáhal, abych přispíval k jejímu rozvoji. Když se na to podíváme jako na sportovní tým, tak snažit se posouvat fakultu v tabulce mezi ostatními směrem nahoru je obrovská zábava. Navíc si myslím, že máme na to stát se konkurencí špičkových institucí, talenty jsou tady obrovské, stačí je zkonsolidovat a vědecky se prosadit. Což už se ostatně děje, zvláště v umělé inteligenci, tam máme velké šance být na špičce.
Koneckonců, jednou z priorit vedení je podpora výzkumu.
Ano, podpora vedení je silná, vedení si uvědomuje důležitost výzkumu pro rozvoj fakulty, která se může posouvat nejen z pohledu vědce, ale i studenta. Totiž pedagog, který jenom učí a nedělá výzkum, může mít problém sledovat aktuální trendy v oboru. To není vhodné. Pedagog musí být ve svém oboru opravdu na špičce nebo alespoň blízko ní tak, aby mohl předávat znalosti a zkušenosti ze současného poznání. Co je tady na fakultě, řekl bych, „distinguishing feature“ – dobrá odlišovací vlastnost je, že má laboratoře na všechno možné – laboratoř na hardware, laboratoř na data, laboratoř na zpracování obrazu… Trochu v tom vidím japonský model studentského působení v laboratořích. Tomu všemu chci ještě více pomoci založením robotické laboratoře.
V jaké fázi je příprava této laboratoře, kdy se jí dočkáme?
Měla by být velmi brzo, jediný limitující faktor je, že potřebujeme přidělit místnost, pak už se vše rozjede velmi rychle. Hardware máme, ve všech těchto krabicích, co jsou rozmístěné po kanceláři, je hardware pro laboratoř. Laboratoř se bude jmenovat Laboratoř robotických agentů, zkráceně RoboAge. Robotický agent je něco trochu jiného než robot, není totiž sám. Agent znamená, že působí ve společenství dalších robotů, typicky stejných. Všichni spolupracují na nějakém úkolu a laboratoř se bude zabývat možnostmi jejich kontroly.
Máme tady malé ozoboty na simulaci multiagentního hledání cest, to je taková ta základní spolupráce. Dále jsme pořídili miniaturní drony Crazyflie, které jsou programovatelné a dá se s nimi provádět řada experimentů. Tím, že jsou malé, se dají provozovat i uvnitř a lze na nich řešit různé navigační problémy, vzájemné vyhýbání, hledání cest v trojrozměrném prostředí… Téma, které jeden student řeší a které by se dalo přenést na tyto drony, je tzv. trojrozměrný dronový displej. Spočívá v tom, že drony ve vzduchu vytvoří nějakou trojrozměrnou mřížku nebo obrazec a rozsvítí se. Dron pak představuje jeden voxel (3D analogie 2D pixelu, pozn. red.). V základní podobě tito roboti pouze přeblikávají, ale já bych tam chtěl přidat efektivní změnu formace, což je opět multiagentní hledání cest, ale trojrozměrně a ve spojitém prostoru.
Je multiagentní hledání cest v trojrozměrném prostoru výrazně složitější než v dvojrozměrném?
Není. Hlavní problém je přidání spojitosti, jelikož trajektorie robotů nebo dronů je najednou v nespočetně nekonečném prostoru – v prostoru všech křivek spojujících různé body v prostoru. V diskrétním případě robot na jednom místě zmizí a na druhém se objeví, množina trajektorií je miniaturní, dá se enumerovat, je spočetná. Ve spojitém případě je ale nespočetná. A vůbec – jaké trajektorie jsou správné, aby definovaly optimální řešení? Pokusy o spojité hledání plánů pro roboty jsou zatím takové, že si vybereme jenom nějaký konečný počet spojnic v konfiguračních prostorech a s těmi pracujeme. To ale zdaleka není celý prostor všech možných trajektorií. Například si vybereme jen přímé spojnice, čímž prostor omezíme, ale výsledek je jen takový polospojitý.
Jsou nějaké další otevřené problémy v doméně multiagentního hledání cest?
Jeden velmi otevřený směr je zlepšování algoritmů. Tam se snažím postupovat zvyšováním zmíněné líné specifikace úlohy – přidávat ještě větší lenost. Musí se to ale dělat chytře, aby se zachovaly všechny garance – aby to bylo stále optimální, abych při kolizi přidal do specifikace problému skutečně jen to minimum, co je nás dělí od správného a optimálního řešení. Zásadní otázkou ovšem je, jak toto minimum určit? Řekl bych, že to je i podstata umělé inteligence, že chceme něco pěkného vytvořit s nasazením co nejmenších zdrojů.
Dalším směrem jsou složitější roboti – práce ve složitějších konfiguračních prostorech. Konfigurační prostor jednoduchého pohybujícího se robota je přesně reálný prostor. Ale robot například s nějakou rukou má řadu kloubů a jeho konfiguračním prostorem už jsou všechny jeho úhly, různá nastavení, je to mnohadimenzionální prostor, který se nedá ani zobrazit nebo představit. Naplánování pohybu složitějšího robota potom představuje hledání cest v takových podivných prostorech. Jak toto dělat je zase otázka, kterou zkoumám.
Je zajímavé, že vždy, když mám nějaké představy, co by se dalo dělat, je napíšu do nějakého návrhu na grant a… trefím se tak ve 30%. Ty se potom rozvíjí, ve zbytku jsem se mýlil.
Tak pokud to nevadí komisi, která grant posuzuje…
Nemělo by vadit, protože děláme základní výzkum, který je curiosity-driven, zvědavý člověk se má mýlit. Základní výzkum by neměl být čistě na nějaký praktický přenos do praxe nebo do reálných aplikací, kde musí být zaručena návratnost investice. V curiosity-driven výzkumu by skutečně mělo hrát roli to, že přijdete na něco úplně dramaticky nového. Navíc zpočátku se mnohdy ani nezdá, že by daný výzkum mohl být na první pohled přínosný. Zapomněl jsem jména, kdosi navrhoval, že bude zkoumat včely, jakým způsobem si vybírají, kam poletí, co budou opylovat. Přišlo to před nějakou komisi, která se divila, proč tady chcete zkoumat nějaké včely, proč nedáte peníze třeba na nákup tohoto lékařského přístroje, který zachrání nějaké lidi, to je jistá investice. Uplynulo pár let, dotyčný zkoumal včely, vymyslel nějaké algoritmy, až se z toho stal algoritmus na load-balancing serverů, který se používá dodnes a má miliardové přínosy, v řeči peněz jsou přínosy nesrovnatelně větší než nákup přístroje. To vše je potřeba při hodnocení grantů posoudit a je to samozřejmě velmi obtížné. Hodnotitelé by měli být špičkoví, vrchol toho, co má země k dispozici, tak, aby dokázali posoudit, kdo má ten talent, aby něco potenciálně převratného přinesl.
V rámci běžné výuky učíte předměty BI-ZUM, NI-UMI a pak jsem zaslechl o nějakých nových doktorských předmětech.
Ano, BI-ZUM, NI-UMI, ty jsou známé, to je standardní kurz umělé inteligence, průřez základem s tím, že ořezávám strojové učení, které je hodně pokryto jinde. Já tedy učím všechno ostatní, což je převážně symbolická umělá inteligence.
V doktorských předmětech se pak zaměřuji na to, v čem dělat intenzivně vlastní výzkum. První téma, splnitelnost, pokrývá předmět PI-SPL – splnitelnost je myšlena tak, že specifikujeme problém pomocí omezení a hledáme jeho řešení tak, aby omezení byla splněna. Samotná omezení se dají chápat jako ve smyslu logickém, relačním nebo ve smyslu CSP (constraint satisfaction programming). Vysvětlujeme pak různé techniky řešení, které často souvisí s línou specifikací problémů. Předmět PI-PRO je plánování v robotice, které je v mnoha směrech specifické, třeba ukotvením v reálném světě. Nejedná se o takový ten kouzelný svět, kde se věci objevují a mizí, přesouvají se na úplně neomezené vzdálenosti, kde čas a prostor nehrají roli. V takových kouzelných prostorech můžeme skákat přes celý vesmír a vůbec to nikomu nevadí, ale v robotice se musí na fyzikální realitu dbát. Zase mě to trochu vrací do geometrické matematiky, která potom hraje roli i v plánování pro robotiku.
Doufám, že tento doktorský předmět bude mít časem více zájemců a že problematika robotického plánování získá doktorandy. Zatím je doktorandů málo, což je problém i fakulty obecně. Fakulta má velmi talentované studenty na nižších stupních, dokonce bych řekl obrovsky talentované. Měli jsme na SVOČ (studentská vědecká odborná činnost, pozn. red.) několik zástupců a student, který se zabýval multiagentním hledáním cest tady s našimi ozoboty, získal první místo (o čemž se dočtete i ve zprávě na webu fakulty, pozn. red.). Takže si myslím, že talenty jsou tady veliké. Navíc to nebylo jediné umístění, ještě jsme získali třetí místo, které obsadil kolega z bezpečnosti. Takže jsme velmi úspěšní, porazili jsme prakticky všechny fakulty v kategorii teoretická informatika, v kategorii umělá inteligence jsme jako fakulta porazili dokonce všechny fakulty v republice.
Talenty tedy máme, na bakalářském stupni určitě. Na magisterském stupni bych řekl, že to trochu klesá, protože nám dost studentů již po bakaláři odchází. Což je problém, nevidím moc důvod, aby studenti odcházeli, spíš bych viděl důvod v tom, aby přicházeli, protože vědecky máme potenciál a dokážeme nabídnout zajímavá témata, která, jak ukazují soutěže, se dokážou prosadit. Měli bychom tedy působit jako magnet pro magisterské studenty i pro doktorské studenty. Na doktorátu už má člověk naakumulované dovednosti a dokáže je prodávat ještě lépe než na nižších stupních.
Možná jde o to, že studenti jsou zaměřeni spíš prakticky, že vědecky zaměřených je spíš méně, tedy jich méně potom zůstává na doktorát.
Možná je to pravda, to nevím. Ale pak je asi otázka, co to znamená být zaměřen prakticky nebo teoreticky. Já bych to ani tak moc neodděloval. Spíš jde o celkový talent a je důležité, aby témata, která nabízíme, byla atraktivní a silná v porovnání s tím, co se skutečně ve světě dělá. Neakademické prostředí, firmy, představují velkou konkurenci, nabízejí zajímavá témata. Velké firmy jako IBM, Facebook, Google jsou otevřené studentům, dělají témata z umělé inteligence, na vysoké úrovni, to vše pro nás představuje konkurenci na vyšších stupních studia. My musíme nabídnout atraktivnější a praktičtější způsob práce na nabízených tématech. Naší výhodou je, že nejsme svázáni tlakem na výkon, na to, abychom produkovali prodejní výrobek. U nás si uchazeč skutečně může bádat jak chce, ponořit se do toho výzkumu taženého zvědavostí, není tlačen tím, aby něco prodával, zkrátka má akademickou volnost.
Myslím si, že laboratorní předměty, například Arduino (BI-ARD), humanoidní roboti (BI-ZIVS, NI-IVS), zpracování obrazu (BI-SVZ), jejichž forma výuky se částečně liší od standardních přednášek a cvičení, jsou oblíbené a studenti si pak vyhledávají témata z těchto oblastí, což potom může vést k nějakým vědeckým výstupům. Takto by možná mohla fungovat i Laboratoř robotických agentů.
Možná ano, doufáme v to. Co vysokým školám v Česku chybí, je prostor pro studentské pracovní setkávání, že studenti pracují na svých projektech a je mezi nimi nějaká interakce. Když se přednášky a cvičení studují izolovaně, interakce chybí a student pak nedostane takový impulz o tom, kolik různých témat v oboru existuje, co všechno se dá dělat. Myslím, že kdyby byla možnost se setkávat v laboratoři, což asi je v jiných laboratořích, ale bude to možné i v Laboratoři robotických agentů, aby se ideálně někdy odpoledne po cvičení sešlo několik studentů, každý bude dělat nějaký experiment, vzájemně uvidí, co kdo dělá a dotyčný si řekne: „On dělá tady tohle, nemohl bych tohle použít ve svém projektu?“, tak se výzkum rozjede, začne se to na sebe nabalovat rychleji. Nemusí být ani výzkum, říkám to v širším slova smyslu. Může to být obecně tvorba v příslušném oboru. Tvorba podpořená vzájemnou inspirací. To vše by se mohlo přenést i do doktorského studia, pak by se v laboratořích mohli setkávat studenti napříč studentskými generacemi, bakalář, magistr i doktorand.
Budete využívat laboratorní roboty ve výuce?
Roboty přímo do výuky, třeba do BI-ZUM, ani dávat nechci, to mi nepřijde příliš vhodné, navíc, byť máme robotů poměrně hodně, pro všechny studenty BI-ZUM by nevystačili. Používat se ale budou v rámci absolventských pracích. Já si totiž myslím, že práce na absolventských pracích a interakce se školitelem je ještě důležitější než výuka. Přednáška je v našich podmínkách, kde zpětné vazby od studentů mnoho není, dost pasivní záležitost. Občas si říkám, že přednášející by šel nahradit i robotem, který to odříká, a já ho pak jen přijdu vypnout. Ale v absolvenstkých pracích, tam se interakce očistí o lidi, kteří téma třeba ani tak moc nechtějí dělat, kteří měli masový předmět zapsaný jen na splnění bodů a kreditů. Individuální interakce, při které se absolventská práce rozvíjí, je, myslím, velmi cenná. Často když se studentem takto diskutujeme, přijdeme na nějaké nové věci, které jsme ani nespecifikovali v zadnání, prostě na ně v průběhu přijdeme, to je obrovsky cenné. Takže spíš než do výuky bych roboty zařadil do absolventských prací. Nevím, jestli to je dobře, nebo špatně, to je jen takový můj názor.
Jak se mohou studenti podílet na výzkumu spolu s Vámi?
Předně budu velmi rád, když se studenti budou podílet na výzkumu. Výzkumných témat a práce je strašně moc, bohužel se pak nestačím věnovat všemu, čemu bych se věnovat chtěl. Když spolupracuji se studenty, tak ti se často věnují tématu, které mě zajímá, ale nemám na něj tolik času a studenti mi pak pomůžou do této oblasti proniknout. Ze studentů čerpám energii řeším s nimi, na čem pracují a je to pro mě obrovsky obohacující. Doufám, že je to obohacující i pro ně, že zase já, který v oboru přece jen působím delší dobu, jim jsem schopen dodat nějakou zkušenost, směrování, nová témata.
Myslím si, že nabídnout správné téma je cenná věc. Mám přehled, co se kde ve výzkumu děje. Kdyby byl student ponechán napospas, aby si vybral téma, tak se zpočátku nebude orientovat, jestli dané téma má nebo nemá perspektivu. Že téma bude mít perspektivu, zaručit dokážu, ale už nezaručím, že to téma budu rozvíjet, to už je na studentovi. Ale právě potom při spolupráci se to perfektně doplní. Já dodávám zkušenost, student dodává laboratorní a počítačovou práci a společně to dokážeme pěkně rozvíjet.
Vhodnou formou spolupráce je tedy nejprve závěrečná práce?
Ano, nejlepší forma spolupráce je absolventská práce. Mám ze studentů velkou radost, inspirují mě pro další výzkum. Někdy studentům závidím, že mají čas věnovat se tématům tak podrobně, jak se jim věnují, nemají tolik pracovních povinností, což jim někdy v dobrém závidím a přeji. Občas si ale kladu otázku, jestli si toho dokážou vážit. Potom totiž přijdou pracovní povinnosti a studenti nebudou mít tolik času věnovat se takovým hezkým záležitostem, vlastně hraní – absolventská práce je hraní si s nějakým tématem.
Foto:
[1], [2] archiv Pavla Surynka
