Matematické nástroje, které pro tyto projekty tvoří, mohou mít v komerčním sektoru široké využití. S Martinem Štěpničkou a Petrem Hurtíkem jsme si povídali o tom, jaké jsou možnosti transferu jejich práce do praxe. S tím jim pomáhá také Centrum transferu poznatků a technologií Ostravské univerzity.

Matematika v boji s koronavirem

Nacházíme se uprostřed pandemie, která bezprecedentně změnila svět. Pomáhají v souvislosti s šířením viru technologie podobné těm, se kterými pracují odborníci v ÚVAFM na Ostravské univerzitě? „Matematické modely se určitě povedlo v souvislosti s pandemií aplikovat v jihovýchodní Asii, kde díky propojení matematických technologií a sběru dat z mobilních sítí vytvořili efektivní nástroje včasného varování nebo generování opatření. Naopak v Číně, kde sledování propojili s pouličním kamerovým systémem nebo sociálními sítěmi, se už dostali za hranice toho, co bychom mohli v Evropě vůbec chtít přijímat,“ říká specialista na aplikovanou matematiku Martin Štěpnička a doplňuje příklad z Francie, kde vytvořili aplikaci, která sbírá data o počtu lidí v ulicích. „To je potom úžasný zdroj informací, hlavně když se nechá na anonymní úrovni. Pak skutečně víte, jestli se lidé shlukují před kavárnou nebo před sázkovou kanceláří, případně ve kterých hodinách. Nejde o to chytit konkrétního člověka, který tam byl, ale mít možnost při tvorbě opatření skutečně vycházet z reálných dat a pozorování. To je podle mě rozumný přístup k využití technologie, která k tomu je určitě velice dobře připravena.“

„Dnes vzít kameru, zaměřit a spočítat počet osob, to je věc, kterou by byl náš tým schopen nasadit v podstatě bleskurychle.“

 
 

Zrychlená adaptace nových technologií je vidět i v dalších oblastech

Důsledkem pandemie je skokový vývoj nejen ve zdravotnictví, ale také v dopravě, retailu nebo třeba při testování u přijímacích zkoušek. Všechny tyto oblasti spojuje nutnost získávat, zpracovávat a vyhodnocovat obrovské množství dat. A klíčem k práci s těmito daty je právě fuzzy modelování. Rychlý přenos vědeckých poznatků do praxe se tak jeví palčivější než kdy dřív. Možná už dopravce odmítl další objednávky z vašeho oblíbeného e-shopu, nebo byli vaši rodiče nakupovat v Makru bez toho, aby při placení museli vytáhnout jedinou věc na pokladní pás, nebo váš spolužák při psaní Scio testů poskytl softwaru ProctorTrack své biometrické údaje.

Uměli by matematici z ÚVAFM i tohle? „Třeba systémy inteligentního plánování jsou nám tady v ústavu blízké. Když s jejich pomocí dopravce optimalizuje trasu, může doručit více balíků během jedné cesty. Tyto systémy se ale už běžně používají,“ říká odborník na průmyslové aplikace a letošní držitel Ceny rektora za mimořádnou vědecko-výzkumnou činnost akademických pracovníků, Petr Hurtík. „Když se podíváme na příklad Makra, na principu deep learning u samoobslužných bran funguje jen kamera, která dokáže mezi 150 položkami v košíku poznat tu jedinou, kterou jste zapomněli načíst. Inteligentní rozpoznávání, to je to, co umíme a bez čeho se to celé neobejde. Ale je to jen malá část masivního informačního systému,“ říká Martin Štěpnička, který si nedovede představit, že by se měla Ostravská univerzita do tak rozsáhlého projektu pouštět sama. „Není to úkol žádné univerzity, musíte nakoupit hardware, váhy, kamery, mít obchodní zástupce, produktové a marketingové manažery, řešit záruky, reklamace, aktualizace, údržbu, support, to prostě není činnost, kterou se má vysoká škola zabývat. Ale může se podílet na vývoji hlavního technologického jádra takového systému, tam role VŠ najde uplatnění,“ upřesňuje Martin Štěpnička.

O ostravské vědce je zájem

S tím souhlasí i Petr Hurtík. „Nejčastějším důvodem k tomu, proč zakázku, o které jednáme, nerealizujeme, je integrace. Musíte vyřešit programové rozhraní, hardware, na kterém systém pojede, ochranu dat, GDPR a podobně.“

„Někdy, i když je naše řešení sebelepší, pokud se nedokážeme napojit na specifické průmyslové rozhraní klienta, nedopadne to.“

Zkušenosti tak vedou vědce z ÚVAFM k tomu, hledat partnery s širším záběrem, aby se sami mohli zaměřit jen na části projektů.

Další důvod, na kterém může transfer ztroskotat ještě před tím, než vůbec začne, je business myšlení. To, že vznikají aplikace, které z dat z dronů najdou lyžaře ztracené v lavině nebo rozpoznají výtěžnost lesa v nepřístupném terénu, se matematici dozvídají ex post. „Pokud máme špičkové informatiky a matematiky, kteří se zabývají nějakým vývojem, těžko od nich můžeme očekávat, že uvidí potenciál, jak své poznatky aplikovat třeba v zemědělství. Musí přijít zemědělec a vědět, jaké jsou technologie a v čem mu můžeme pomoci. Od toho jsou business angels, kteří se pohybují v terénu a znají problémy, a také interdisciplinární výzkum, protože v něm vědec pracuje i s kolegy z jiných oborů přímo na univerzitě,“ říká Martin Štěpnička. Podle Petra Hurtíka se v tomto směru dostává Ostrava a s ní i Ostravská univerzita do velmi dobré pozice, kdy jí po Praze a Brně začínají právě business angels a investoři objevovat.

Byla doba, kdy týmy ÚVAFM doslova přesvědčovaly firmy, ať vyzkouší jejich řešení. Díky své reputaci a rokům snahy se už ale ÚVAFM dostává do situace, kdy si může dovolit některé nabídky odmítat. „Jde třeba o spolupráce, které by nás personálně vyčerpaly. Kvůli transferu nemůžeme opomíjet naše závazky v dlouhodobých projektech,” říká Martin Štěpnička.

S tím vším souvisí nutnost uzavírat různé formy smluv, dodatky o mlčenlivosti a ošetření duševního vlastnictví. A to je to, co umí právě v Centru transferu poznatků a technologií. „Krom toho jsme teď schopni tvořit univerzální prototypická řešení, která by se mohla aplikovat na různé problémy,“ říká Petr Hurtík. Když se tyto nástroje dobře popíšou, mohou se prezentovat investorům a firmám napříč obory. I v tomto směru vkládají v Ústavu pro výzkum a aplikace fuzzy modelování do CTPT naděje.

Tým Petra Hurtíka se zabývá detekcí obrazu. A zadání, které z komerčního sektoru nejčastěji dostávají, je rozpoznávání defektních kusů v průmyslové výrobě. Zajímalo nás, jestli to znamená, že jejich nástroje nahradí kvalitáře, kteří u linky třídí, která součástka je dobrá a která špatná. „Víte, ze začátku jsem z toho neměl moc dobré spaní. Nechcete být ten, kdo přijde do továrny s novým produktem a nějaký člověk kvůli tomu přijde o práci. Časem jsem ale přišel na to, že pokud firma neinovuje a neposouvá se, tak v konkurenci těch, co nové technologie ve výrobě aplikují, neobstojí,“ říká Petr Hurtík a přidává i jiný příklad, kdy v továrně vyráběli tak rychle takové množství výrobků, že ani v desítkách lidí manuální kontrolu prakticky nestíhali a bez inovace by přestali zvládat plnit své závazky. Software ÚVAFM tak může pokrýt celou produkci a pouze tam, kde sám vyhodnotí že si není jistý, doplní ho člověk.

 

Za kvalitní prací je hlavně lidský potenciál

Ústavu však nepřibývají pouze příležitosti ke spolupráci, ale také nevyžádané nabídky headhunterů. „Snažíme se vybudovat kvalitu, a na to potřebujeme kvalitní lidi, které se musíme snažit udržet. Pokud nám odejdou, tak začneme zase od nuly,“ sdílí své obavy Petr Hurtík. „Ano, musíme si uvědomit, že to je ten největší přínos. Nejde o to, získávat zakázky za statisíce, ale o to, že tady může vzdělávat studenty někdo, kdo dělá v terénu, kdo je schopen dodat do komerčního sektoru něco, co funguje. Protože v opačném případě bude studenty učit někdo, kdo jenom četl nějaká skripta z jiné univerzity a teď je papouškuje. Lidský potenciál je pro univerzitu to nejcennější. Transfer samotný už je jenom doklad naší práce. A vyúčtování položky je pochopitelně jen důsledek toho, že nemůžeme prostě něco rozdávat zadarmo, a dávat tak někomu konkurenční výhodu. To, že nějaké oddělení zinkasuje zakázky za tolik a tolik milionů, není pro univerzitu ten primární přínos,“ říká Martin Štěpnička.

„Jistou znalost získáváme i ze zakázek, které nakonec nerealizujeme. I tím, že jsme připravili studii proveditelnosti, poznali problém a víme, jak se řeší, budujeme naši vědomost. Investujeme tak do týmu, ústavu i univerzity. Nicméně kdybychom dělali jen malé zakázky, tak bychom narazili. Je třeba se věnovat i základnímu výzkumu, třeba formou čtyř- nebo pětiletých projektů,“ říká Petr Hurtík. V případě ÚVAFM jde o výzkum umělé inteligence, který vyžaduje velice nákladný hardware, do kterého musíte kontinuálně investovat, a konkurovat tak americkým a čínským týmům. Bohužel ceny v mezinárodních soutěžích, kterých se Petr Hurtík s Markem Vajglem účastní, často získávají spíše ti, co mají nejnovější grafické karty a procesory, a ne ti, co přišli s inovativním řešením problému.

 

Transfer a mezioborová spolupráce je otevřená pro akademiky i studenty

Když se vrátíme k praktické aplikaci vědeckých poznatků, realizovatelné může být například testování u přijímacích zkoušek, které jsme už zmínili výše. Poprosili jsme Petra Hurtíka, aby na jeho příkladu popsal, jak se může do transferu zapojit akademik. „Ideální je zjistit, které firmy na trhu se věnují obdobné oblasti jako já. Protože když už do něčeho někdo investuje, očekává, že to bude mít uplatnění. Kdybych byl například na Pedagogické fakultě, podíval bych se právě na Scio a na to, jak tvoří otázky a didaktickou část testu. Pokud jde o technickou realizaci, požádal bych o spolupráci třeba katedru informatiky, a pokud bych chtěl předcházet podvádění, mohl bych oslovit právě ÚVAFM. Detekování osob a optická kontrola je jednou z věcí, které se náš tým věnuje,“ říká Petr Hurtík, který už se svým týmem spolupracoval s naší Lékařskou fakultou nebo s Katedrou biologie a ekologie. A věří, že cesta k transferu i vyšší kvalitě vzdělávání na univerzitě, je právě v mezioborové spolupráci a těší se, že interdisciplinární témata teď budou hledat i doktorandi napříč katedrami. Nové pravidelné schůzky pro ně za tímto účelem plánuje organizovat prorektor pro vědu a tvůrčí činnost Pavel Drozd.

Možnost spolupracovat s komerčním sektorem mají i studenti. Je několik českých firem, které nabízí diplomky nebo dizertace.

„Vy jako student si můžete zapsat diplomku třeba u Seznamu a dělat na něčem naprosto praktickém a váš vedoucí z univerzity to může jen dozorovat.“

„To je naprosto super, protože se dostanete do komerční sféry a vidíte, jak to tam funguje,“ říká Petr Hurtík a dodává, že velké a dobré projekty se nedají vyrobit za jeden semestr. Je to dlouhodobější proces, ale je dobré takové věci začít dělat. „Napadá mě třeba konstrukce studentské formule na VŠB, na které pracují studenti společně a každý ročník ji trochu zlepší. K nám na ústav se můžou zapsat studenti napříč katedrami například na předmět o hlubokých neuronových sítích. Otevřeli jsme i předmět pro biology, na který k nám chodí hlavně studenti z programu Erasmus,“ říká Petr Hurtík.