Ján Žižka z Photoneo: Naučíme roboty chápať svet

Entuziazmus pri riešení technických výziev Jánovi ostal. Že je jeho hnacou silou, to vidieť a počuť, keď opisuje, ako Photoneo, ktoré založil s Tomášom Kovačovským a Michalom Malým, posunie svet robotiky a počítačového videnia. Za dva a pol roka tento nádejný start-up narástol na firmu s bezmála siedmimi desiatkami ľudí, ktorí pracujú pre top tier spoločnosti v automobilovom priemysle.

Podstata inovácie

Prečo ste sa so svojimi spoločníkmi pustili práve do počítačového videnia? Čím vás táto oblasť priťahuje?

Od malička ma zaujímala počítačová grafika. Už ako desaťročný som kreslil v 3D softvéri. Plus bola to doba, keď prišiel Pixar so svojimi skvelými animákmi... Na vysokej som si však uvedomil, že počítačová grafika je vlastne ľahká. Vytvárate svoj svet alebo sa snažíte simulovať realitu.

Počítačové videnie je opak toho. Snažíte sa, aby digitálne stroje a roboty pochopili zložitý analógový reálny svet a jeho sémantiku. Uvedomil som si, že je to omnoho ťažší problém a že chcem riešiť práve ten.

Prečo je ťažké naučiť počítače vidieť?

Ľuďom na pochopenie sveta, teda na interpretáciu toho, čo vidia, slúži ich mozog. A ten to robí fakt super. Ibaže ľudský mozog je výsledkom miliónov rokov evolúcie. A k tomu ešte človek prvých dvadsať rokov chodí do školy. To je podobné, ako keby ste počítaču dali dvadsaťročný kurz machine learningu [strojového učenia]. To ešte nikto nikdy neurobil.

Pre váš mozog je preto veľmi ľahké interpretovať, že to, čo teraz držím v ruke, je pero. Počítačové videnie má s tým ľudským spoločné to, že vstupy dostáva prostredníctvom kamery, ktorá funguje rovnako ako ľudské oko. V prípade človeka najprv fotóny svetla dopadnú na pero, odtiaľ sa odrazia do oka, dopadnú na sietnicu, z ktorej dostanete obrázok.

Obdobne funguje kamera, v každom bode odmeria množstvo dopadnutého svetla a takto vygeneruje maticu čísiel. Počítačové videnie je o tom, ako z tejto matice spraviť sémantiku. Teda že tá matica predstavuje pero. A to je ťažké.

Naša inovácia je fundamentálna, vytvorili sme novú kategóriu kamier

Ako na to idete vo Photoneu?

Čip, ktorý máte dnes celkom bežne vo fotoaparáte, je už takmer na úrovni ľudského oka. Problém je, že stále nevieme kopírovať ľudský mozog, lebo na to ešte nemáme dostatočne dobrý machine learning a dostatočne výkonné počítače.

Vieme to robiť len v špecifických jednoúčelových prípadoch, napríklad pri rozoznávaní tvárí. Ale nevieme to spraviť tak, aby to fungovalo vo všeobecnosti, na ľubovoľné použitie.

Náš prístup je, že