Justyna Zander prešla od vedeckého výskumu cez Intel a Nvidiu až k vedeniu globálnych tímov, ktoré vyvíjali technológie autonómneho riadenia. Spoluautorka 19 patentov a niekoľkých desiatok patentových prihlášok dnes v Silicon Valley rozvíja vlastné projekty v oblasti umelej inteligencie.
Bolo to otvorenie úplne nového sveta. Nábor trval niekoľko mesiacov a zavŕšil sa rozhovorom s pánom Huangom. Do Nvidie som nastúpila začiatkom roka 2017, po roku strávenom v Inteli. Bola to najväčšia zmena v mojom živote – pracovnom, výskumnom, ale aj osobnom.
Zaoberala som sa tým, ako overiť, či sa autonómne auto zachová bezpečne, a to aj vtedy, keď nastane niečo nezvyčajné. Vyvíjali sme simulácie a automatizovali testy, ktoré nám to umožňovali posúdiť ešte predtým, ako auto vyšlo na cestu. Nemôžeme najprv naučiť auto jazdiť samostatne a až potom začať premýšľať o bezpečnosti. Obe veci treba rozvíjať od začiatku.
Počas štúdia ma zaujali geografické informačné systémy. Zaujímalo ma, ako ich možno využiť pri plánovaní, kde niečo postaviť, alebo pri rozhodovaní o využívaní prírodných zdrojov v konkrétnom regióne. Mali sme aj predmety venované udržateľnému rozvoju a práve vtedy som si povedala, že ak chcem ovplyvňovať rozvoj takýchto technológií, musím sa venovať informatike. Preto som súbežne začala študovať druhý odbor a neskôr aj ďalšie.
Nemala som žiadny plán, ale od 12 rokov som snívala o Kalifornii. Najprv som sa dostala do Nemecka. Počas jazykového kurzu v Brémach som navštívila priemyselný veľtrh a spoznala Fraunhoferov inštitút. Čoskoro som tam začala pracovať na geografických informačných systémoch. Keďže som stále študovala v Poľsku, dochádzala som nočným autobusom – cesta trvala osem hodín. Napokon som prestúpila na Technickú univerzitu v Berlíne a po doktoráte som pokračovala vo výskume na Harvarde v Bostone. Dlhý čas mi práca a štúdium vypĺňali takmer celý deň.
Pokiaľ išlo o prácu, nie. V Poľsku bolo vtedy ťažké rozvíjať projekty v oblastiach technológií, ktoré ma zaujímali. V Nemecku automobilové koncerny investovali stovky miliónov eur do automatizácie priemyslu. Vyberala som si preto miesta, kde som mala prístup k novým riešeniam a mohla pracovať na ich zavádzaní do praxe.
Prišli za nami zástupcovia automobilových spoločností a predstavili nám problém: „Na testovanie systémov míňame 60 percent rozpočtu a na vývoj nových funkcií nám zostáva len 40 percent. Chceme viac investovať do inovácií a menej do manuálneho testovania.“ Mojou úlohou bolo automatizovať metodiku testovania a súvisiace procesy tak, aby sme počas vývoja systému dokázali overovať, či funguje správne a bezpečne. Vtedy som ešte netušila, že sa tomu budem venovať nasledujúcich 20 rokov. Technológie sa menili, no otázka zostávala rovnaká: ako overiť, či sa na takýto systém môžeme spoľahnúť?
Áno. Sama využívam systém FSD (Full Self-Driving) v Tesle prakticky pri všetkých každodenných cestách. Zapnem ho a auto ma odvezie do cieľa, hoci na jeho jazdu stále musím dohliadať. V Kalifornii, kde žijem, si možno objednať aj robotaxi od Waymo alebo Tesly, podobne ako si možno v Poľsku objednať napríklad Bolt či Uber. V San Franciscu v Kalifornii, Phoenixe v Arizone a Austine v Texase tieto flotily spolu uskutočňujú už viac ako 500-tisíc plne autonómnych komerčných jázd týždenne. Pre mňa je to už každodenná realita.
Firmy, ktoré takéto systémy vyvíjajú už roky, majú veľké skúsenosti so zabezpečovaním ich bezpečnosti. Viac ako 90 percent dopravných nehôd na svete spôsobuje ľudská chyba – nepozornosť, únava alebo alkohol. Odhady naznačujú, že autonómne riadenie by mohlo byť mnohonásobne bezpečnejšie. Tesla uvádza, že v jej flotile dochádza ku kolíziám na milión míľ dva- až trikrát menej často.
V diskusiách o umelej inteligencii sa objavujú aj obavy, že by nás superinteligencia mohla ohroziť. Riziko existuje, ak sa nepostaráme o systémovú odolnosť. Úlohou inžinierov je vytvárať systémy určené na konkrétne úlohy, ktoré dokážu vysvetliť svoje fungovanie a bezpečne reagovať, keď sa niečo pokazí. Aj po nasadení ich treba naďalej monitorovať, kontrolovať ich bezpečnosť a reagovať na hrozby.
Ako vám práca v Nvidii pomáhala zabezpečovať túto bezpečnosť?
Uvediem príklad robotaxi. Čo všetko sa musí stať, aby sme mu dôverovali natoľko, že doň dovolíme nastúpiť vlastnému dieťaťu a odviezť sa z domu do školy? Ako vytvoriť systém, ktorému by sme boli ochotní zveriť takúto úlohu?
V Nvidii som viedla tím, ktorý vyvíjal systém na overovanie toho, ako sa autonómne auto zachová v rôznych situáciách. Nielen v každodenných, ale aj v mimoriadne zriedkavých, ba dokonca takých, ktoré sa zdali nemožné. Vytvárali sme ich a simulovali, aby sme mohli otestovať reakciu auta ešte predtým, ako sa s niečím podobným stretne na ceste.
Takýchto scenárov je nepredstaviteľne veľa a neustále pribúdajú ďalšie. Naša práca preto nespočívala v tom, že auto raz otestujeme a vyhlásime, že je všetko pripravené. Systém sa musí rozvíjať tak dlho, ako dlho ho autá používajú.
Uveďme jeden z takýchto scenárov: auto má zmeniť jazdný pruh. Čo všetko musí vyhodnotiť?
Na prvý pohľad je to jednoduché, ale systém musí neustále posudzovať, či treba zrýchliť, či je vzdialenosť od auta predo mnou dostatočná a či je bezpečná aj vzdialenosť od vozidla za mnou. Musí vyhodnotiť aj to, či svojím manévrom nevystraším jeho vodiča. Ak zmením rýchlosť, budú sa cestujúci cítiť nepríjemne? Ako zareagujú ostatní účastníci cestnej premávky? Možno bude chcieť zmeniť pruh aj niekto ďalší, práve v okamihu, keď to nečakáme. Alebo sa na ceste objaví predmet, ktorému sa všetci budú musieť náhle vyhnúť.
Všetky tieto okolnosti treba v reálnom čase merať a vyhodnocovať. Nejde len o to, či auto manéver vykoná, ale aj o to, ako ovplyvní cestujúcich a ostatných vodičov.
Podobným spôsobom možno testovať aj iné stroje?
Áno, a podľa mňa sa práve týmto smerom bude ich vývoj v blízkej budúcnosti uberať. Priemyselné roboty, humanoidné roboty, dokonca aj domáce robotické vysávače budú mať svoje digitálne dvojčatá a modely fyzického sveta. Budeme ich trénovať v simuláciách, následne overovať, ako si počínajú, a na základe výsledkov zlepšovať ich fungovanie.
Postupne budeme môcť vytvárať digitálne modely nielen jednotlivých strojov, ale aj celých tovární a priemyselných procesov. Neskôr ich budeme prepájať s údajmi o tom, čo sa deje v ich okolí.
Prečo ste sa rozhodli odísť z Nvidie do Fordu? Stali ste sa tam riaditeľkou pre simuláciu asistenčných systémov vodiča. Pozerala sa automobilka na vývoj umelej inteligencie inak než technologická firma?
Chcela som, aby sa robotaxi dostali na cesty rýchlejšie a aby ich mohlo využívať viac ľudí. Na jednom mieste je totiž takáto technológia už každodennou realitou, zatiaľ čo inde na ňu treba čakať celé roky. Uvažovala som v širšom meradle: koľko áut vyrába Ford, koľko Mercedes a koľko Tesla. Ford vyrába viac ako štyri milióny automobilov ročne. Povedala som si, že ak tam zavedieme systémy Nvidie, môžeme túto technológiu sprístupniť oveľa väčšiemu počtu ľudí.
Autá Fordu sú však veľmi rozmanité, patria do rôznych kategórií a využívajú odlišné platformy. Jedno riešenie sa jednoducho nedalo nasadiť naraz vo všetkých modeloch. Realita výrobných liniek, žiaľ, rozdrvila moje ambície.
Vo vašom životopise takéto neúspechy nevidno. Na profesijnom profile či v biografii sa zvyčajne objavujú len míľniky a úspechy.
V skutočnosti si každá inovácia vyžaduje množstvo pokusov, ktoré neprinesú očakávaný výsledok. V Silicon Valley absencia zakopnutí zvyčajne znamená jediné: človek si vyberal príliš konzervatívne výzvy. Z projektov, ktoré narazili na prekážky, často získame oveľa viac praktických poznatkov o architektúre systémov aj o organizácii práce.
Po rokoch práce v globálnom biznise ste sa rozhodli podnikať na vlastnú päsť. Prečo?
Moje rozhodnutie sa časovo stretlo so sprístupnením generatívnej umelej inteligencie širokej verejnosti. Ešte som pracovala vo Forde a v januári 2023 som ju začala intenzívne využívať. Umelá inteligencia pre mňa nebola ničím novým, venovala som sa jej už roky. Zrazu však bolo zrejmé, že sme svedkami zmeny rozsahu neurónových sietí. Technológie, s ktorými sme predtým pracovali v špecializovaných tímoch, sa náhle začali dostávať k oveľa väčšiemu počtu ľudí a firiem.
Uvedomila som si, že stojíme na prahu novej priemyselnej revolúcie. Ako pred rokmi predpovedal môj mentor Ray Kurzweil, klasická výpočtová architektúra založená na tradičných procesoroch začala narážať na svoje energetické a výkonnostné limity. Svet začal prechádzať na akcelerované výpočty využívajúce čipy GPGPU a agentové systémy – programy, ktoré nielen odpovedajú na otázky, ale aj samostatne plánujú a vykonávajú zložité procesy.
Chcela som byť priamo v centre tejto transformácie a pomáhať firmám zavádzať tieto riešenia. Otázkou bolo, ako sa uplatniť mimo veľkej organizácie, keďže takmer celú kariéru som pracovala v rôznych inštitúciách.
Trvalo mi to dva roky, takmer presne. Až teraz mám pocit, že pracujem oveľa efektívnejšie a s väčšou istotou môžem povedať, že aj toto môže byť moja cesta.
Ako dnes využívate svoje skúsenosti pri práci s firmami?
Pomáham firmám plánovať, ako zavádzať systémy umelej inteligencie do praxe tak, aby prinášali merateľné obchodné výsledky. Radím im, kde začať, ako riešenie otestovať v menšom rozsahu a následne ho rozšíriť.
Zameriavam sa na takzvanú Physical AI, teda neurónové siete pôsobiace vo fyzickom svete. Ide o autá, roboty a stroje, ktoré sa samostatne učia vykonávať úlohy v továrňach, skladoch či doprave. Dôležité je aj to, aby dokázali spolupracovať a často si autonómne navzájom odovzdávať potrebnú spätnú väzbu. Na to sú potrebné technologické zázemie a infraštruktúra schopná spracúvať obrovské množstvá údajov.
Napríklad?
Predstavte si logistický reťazec: robot naloží tovar do auta, ktoré ho prevezie na miesto, kde ho prevezmú ďalšie roboty. Každý stroj má vlastnú úlohu, no všetky musia spolupracovať. Ak sa v niektorej fáze stane niečo nepredvídané, treba zistiť, ako to ovplyvní zvyšok procesu. Preto nesledujeme len fungovanie jednotlivých strojov, ale aj ich vzájomnú spoluprácu a to, či sa celý proces úspešne dokončí.
Čo dnes od vás najviac potrebujú šéfovia malých a stredných firiem?
Pomoc pri rozhodovaní, čo urobiť ako prvé, čo neskôr a kedy investovať. Základy umelej inteligencie už nikomu netreba vysvetľovať. Sú to ľudia, ktorí sa neustále vzdelávajú a majú veľa vedomostí. Investície do AI sú dnes obrovské a technológia sa rýchlo mení. Treba sa preto rozhodnúť, do čoho sa pustiť už teraz, s čím počkať a ako celý proces časovo rozvrhnúť.
V portfóliu už mám osem produktov, ale zatiaľ o nich nechcem hovoriť podrobnejšie. Najprv sa musia osvedčiť u zákazníkov. Potom sa môžeme opäť stretnúť a porozprávať sa o nich.
Až vtedy budete považovať svoju prácu za úspešnú?
Pozerám sa na to, kto využíva výsledky mojej práce a čo vďaka nim získava. Úspech možno merať rôznymi spôsobmi. Vo vede to môže byť objav. Skutočným úspechom je však fungujúce priemyselné riešenie, ktoré odstraňuje reálny problém, optimalizuje prácu ľudí a prináša merateľnú a overiteľnú pridanú hodnotu v porovnaní s predchádzajúcimi riešeniami.
Autonómne autá, spolupracujúce roboty, virtuálne modely celých tovární. Keď vás počúvam, mám pocit, že hovoríme o vzdialenej budúcnosti.
Áno, ale nie je to sci-fi. Je to čisté systémové inžinierstvo, ktoré rieši skutočné problémy.
Článok vyšiel na forbes.pl.
