Vesmír na hromadě písku

Filipe, co vás přimělo k návratu? Většinou chtějí lidé s vašimi kompetencemi ven, kde očekávají lepší podmínky pro svou práci i lepší ohodnocení…

Užil jsem si toho venku poměrně dost, byl jsem z Čech pryč čtrnáct let. Někdy od 2011 jsem putoval – San Francisco, Francie, Kodaň, učil jsem na University of Toronto, pak jsem byl na Stanford Research Institute (SRI), a v Houstonu v Texasu. Těch restartů jsem takhle udělal za svou existenci asi pět. A zjistil jsem, že krásný život si člověk může vyrobit v podstatě kdekoliv. Pokud to není nějaký extrém typu Severní Korea a podobně, samozřejmě… A Česko je opravdu dobré místo k životu, ve srovnání se světem. Zároveň jsem viděl ohromný intelektuální potenciál, který tu není dostatečně využitý, protože Češi mají tendenci být hodně skromní, neumějí se prodat, a pochybují o sobě. To se v Americe nikomu nestane.

Jak váš Filuta vznikl?

Ten počátek je vlastně dost dávný, táhne se možná dvacet, jedenadvacet let zpátky, kdy jsem na matfyzu studoval umělou inteligenci – respektive teoretickou informatiku a matematickou logiku. Pak jsem se v rámci toho širokého spektra zaměřil na umělou inteligenci a začal jsem stavět autonomní agenty. Tehdy byli primárně motivováni vesmírným výzkumem, takže jsem stavěl agenty zaměřené na ovládání vesmírných technologií jako jsou satelity a rovery.

Vesmírem motivovaný výzkum byl celosvětově největším zákazníkem pro autonomní agenty, ale v posledních letech se pozornost od vesmíru otáčí k Zemi. Dalším velkým zákazníkem pro autonomní agenty je výroba.

 V jakém smyslu?

Pořád si kladete otázku, jak ji zefektivnit. A my jsme začali rozbíjet historické vnímání optimalizačního sila.

Zkusíte to vysvětlit laikovi?

Vlastně jsme pohled na optimalizaci začali rozšiřovat. Z dílčích, rozkouskovaných optimalizačních problémů jsme vytvořili něco jako holistický problém.

Ale to není přece úplně nové, to firmy řeší běžně…

Ano, ale řeší se to separátně. Člověk, který navrhuje kolo, často vůbec nemluví s tím, kdo designuje továrnu. Každý si prostě hraje na svém písečku a nemluví s ostatními. My jsme pomocí umělé inteligence ty dva lidi de facto spojili do jednoho – a dokonce jsme k tomu přidali i všechny ostatní, kteří se na celém procesu podílejí. Prostě jsme všechna jednotlivá pískoviště sesypali na jednu obrovskou hromadu písku. A to přináší úspory v řádech desítek procent. To byla moje dizertační práce…

Zní to logicky, ale až neuvěřitelně. To nikdo před vámi nezkusil?

Je to koncept, který v matematické optimalizaci existuje už dlouho – a je opravdu těžký. Představme si, že optimalizace na jednom pískovišti znamená najít jedno konkrétní zrnko (optimální řešení), na které se musíme podívat a ověřit, že je skutečně nejlepší.

Jenže když těch pískovišť není jedno, ale třeba deset, úloha se dramaticky komplikuje. Nestačí jen najít nejlepší zrnko v každém z nich zvlášť. Výběr zrnka v jednom pískovišti totiž ovlivní to, které zrnko je „nejlepší“ v pískovištích ostatních. Celý systém se neustále přeskupuje a mění. Tím se počet možných kombinací velmi rychle dostane do řádu většího, než je počet atomů ve vesmíru. A právě na schopnosti efektivně hledat ta správná zrnka napříč obrovským množstvím pískovišť – tedy v ohromném, dynamickém prostoru možností – stojí a padá naprostá většina pokroku v moderní umělé inteligenci.

Takže vy jste přenesl matematické modely do výroby…

Ano, výrobu zde používám jako prakticky uchopitelný příklad, který je převoditelný do naprosté většiny lidských činností. Historicky tu existuje obrovská mezera mezi reálnou praxí a technologiemi ze základního výzkumu, které jsou tu již myšlenkově dlouho, ale k jejich uplatnění chyběl potřebný hardware, data, nebo lidská expertíza. Například neuronové sítě nejsou nic nového – znali jsme je před třiceti, čtyřiceti lety, ale neměli jsme hardware, abychom je efektivně využili. Stejně tak v současnosti existují experti, kteří mají expertízu v potřebných (AI) technologiích, a existují experti, kteří mají expertízu v konkrétní oblasti lidské činnosti (doméně). Je ovšem málo expertů, kteří mají doménovou i AI expertízu současně – v hrubých číslech můžeme odhadnout, že těchto dvojích expertů chybějí miliony, a přibývají jich desítky tisíc. Tato mezera na trhu představuje příležitost, kolem které jsem také založil naši firmu.

Máme tu českou i americkou špičku v oboru, přibral jsem kolegy ze SRI, mám v týmu profesora Youngblooda, to je náš Chief Scientist, který má za sebou neuvěřitelnou kariéru. Máme tu kolegy, kteří byli nejlepší ze svých ročníků. To je all stars tým, který vyvinul učení symbolických modelů. Jsme v tom jedni z nejlepších na světě, dostali jsme za to i ocenění – Knowledge Representation v roce 2024, a v oblasti Composite AI (automatické spojování heterogenních AI modelů) organizujeme workshopy na největších AI konferencích (ECAI 2024, IJCAI 2025).

Filipe, co vás ty tři roky s Filutou naučily?

První startup jako CEO asi nikdy nejde tak, jak si člověk představoval. Už to není jen parta kamarádů, kdy jsme na začátku seděli v šesti v coworkingu na Václaváku. Všichni jsme viděli, co kdo dělá, občas jsme zašli na pivo, a bylo to takové nadšenecké. Teď je nás přes čtyřicet a už nestíhám mít osobní kontakt s každým ve firmě. Lidé jsou také do jisté míry distribuovaní – někdo je tady v České republice, ale máme i lidi v Jižní Koreji, Německu, Novém Mexiku, Texasu… A je z toho profesionální byznys.

CS vaším přehledem, vlastně by mě zajímalo co vy očekáváte od AI v nejbližších letech?

Technologie se rychle posouvá, děláme každého čtvrt roku revizi největších posunů, protože cítím, že dochází k něčemu, co bych nazval fundamentálním posunem. We are riding the bleeding edge of AI. Jak to říct česky… držíme prst na nejnovějších výzkumech umělé inteligence. Vidím tam čtyři hlavní body.

První je augmentace – tedy lidé, kteří používají AI jako svého pomocníka, postupně nahradí ty, kteří ji nepoužívají. Druhá věc je kompozice, tedy to, jak automaticky komponovat a rekomponovat modely tak, aby se konkrétní problémy řešily lépe. To je oblast, které se věnujeme – snažíme se tam udržovat vědeckou komunitu a spojovat napříč světem vědce, abychom se otevřeně bavili o tom, jak konsolidovat různé přístupy. Třetí je operacionalizace, která se začíná projevovat v podobě umělých zaměstnanců. Je to v podstatě přístup, kdy dáte agentovi nějakou výpočetní kapacitu, paměť, kontext a řeknete mu: „Pojďme řešit tuto sadu úkolů a chovej se při tom autonomně.“ Budete mít třeba agenta, kterému řeknete, že chcete naplánovat dovolené na příštích pět let – a on vám za nejlepší ceny zamluví pokoje ve všech hotelech, koupí letenky, všechno zajistí a použije k tomu vaši kreditku.

A čtvrtá oblast, která podle mě během příštích deseti let přinese absolutně nejvíc, jsou autonomní inovační agenti. To jsou agenti, kteří jsou v podstatě kompozitní, operacionalizovaní a které dáte k dispozici vědcům.

Co přinesou?

Lidský mozek pracuje s rychlostí neuronových signálů v řádu milisekund. Moderní AI běží na hardwaru s latencemi o pět až šest řádů menšími. Pokud vědci poskytneme tisíce agentů, kteří dokážou vykonávat kognitivní operace milionkrát rychleji než biologické neurony a mají přístup k celému internetu, vznikne zcela nová dimenze kognitivní kapacity — něco, co žádný jednotlivý člověk nikdy nezvládne.

Bude vůbec něco, co nebudou umět?

Myslím, že nevystoupí z tranzitivního uzávěru lidských vědomostí. Pořád budou mít problém přinést něco opravdu kreativně inovativního, protože fundamentální pochopení principů jim chybí. Ale když tisíce agentů realizující kognitivní operace milionkrát rychleji, dáte zkušenému profesorovi, který má spoustu zajímavých nápadů, je to, jako byste mu dali miliardu doktorandů, kteří nejí, nespí, jen pracují. Představte si, co to může udělat se světem..