Naším posláním je posunout výrobek, produkt nebo proces zákazníka způsobem, který on sám zatím nevidí

Světem hýbe „objevení” umělé inteligence. Vy se jí věnujete také, ale trošku jinak. Přiblížíte nám, jak vypadá AI v podání SVS FEM?

Oblast AI mě potkala a zaujala už během studia a zabývám se jí už přibližně třicet let. Ale není to ona zpopularizovaná AI, která dnes hýbe světem – např. GPT a různí chatboti. Je to spíše fyzika, která je pro nás určující, a to znamená aplikaci technik machine learningu a hledání neuronových sítí, které jsou schopné se trénovat, případně samy učit na základě proměnlivých vstupních údajů. Zabýváme se třeba navrhováním architektury neuronových sítí a zpracováním různých signálů tak, aby mohla fungovat  robotika, případně mechatronika, která je řízena formou „umělé inteligence” podle požadavků zadavatele a s ohledem na proměnné podmínky okolního prostředí.

To ale není jediná vaše agenda… 

Samozřejmě se zabýváme i celou škálou jiných problémů, které souvisí s našimi produkty, tedy softwarem Ansys. A to napříč fyzikálními úlohami nebo doménami – ať už je to mechanika proudění tekutin, nebo strukturální úlohy, případně explicitní a nebo elektromagnetické analýzy. Všude tam, kde narazíme na problém, kdy software nefunguje tak, jak by měl, hledáme správnou cestu – dopisujeme kódy, případně je rozšiřujeme. Co se týče dalších oblastí, stále jsem veden na VUT jako vedoucí disertačních prací. Takže mám na starosti studenty postgraduálního studia, kteří se také zabývají oblastí AI. Musím s vděkem konstatovat, že mám štěstí na velmi šikovné studenty a pevně věřím, že i aktuální posily v našem týmu z katedry Automobilového a dopravního inženýrství Prof. Štětiny nám výrazně pomohou se v této oblasti posunout, protože se velice dynamicky rozvíjí, zejména s výpočetní technikou, která je dneska k dispozici.

Věnujete se i vývoji hardwaru…

Ano, navrhuji výpočetní klastry, výpočetní zařízení obecně i cloudovou infrastrukturu. Všechno, co souvisí s velkým výpočetním výkonem, který potřebujeme pro řešení našich úloh. K tomu samozřejmě potřebujeme i adekvátní hardware. Mým úkolem je navrhnout všechny součásti hardware, vymyslet způsob, jakým bude probíhat vlastní výpočet, i to, jakým způsobem potom budou uživatelé s tímto zařízením pracovat. Vymýšlíme dávkování, případně scheduling, plánování úloh, plánování zdrojů, které jsou v rámci klastru dostupné, a podobně. Tady nastupují nové technologie, jako jsou TPU a GPU akcelerátory, které pomáhají řešit právě AI. Ale nejenom AI, i vlastní programy, které používáme pro naše inženýrské projekty. A tahle práce mě skutečně velmi baví, protože člověk se dostane ke spoustě technologií, ke kterým by se pravděpodobně v akademickém světě v ČR nedostal. Některé z technologií se navíc používají jenom u nás a nikde jinde. Lidí, kteří by je byli schopni využít co se týče velikosti nebo složitosti modelů, je v ČR velice málo. I po této stránce jsem velice rád, že kromě potřebných věcí děláme něco, co je zároveň velmi zajímavou hračkou. A jako každý velký kluk hračky potřebuji, takže tohle je oblast, která mě skutečně velice naplňuje.

Hardware tvoříte v rámci výzkumu, nebo až na základě konkrétních poptávek?

Je to tak půl na půl, protože jsme limitovaní tím, co je aktuálně na trhu, i vlastním softwarem, který potom má běžet na daném zařízení. Každá zakázka je svým způsobem unikátní, protože se vždycky jedná o individuální úlohy, které konkrétní zákazník musí řešit. Přijde za námi s poptávkou – řeší konkrétní velikost a typ úlohy po fyzikální stránce. A potřebuje navrhnout řešení, které to bude schopné spočítat – a pokud možno co nejrychleji. Úkolem je tedy navrhnout architekturu tak, aby se skutečně dostala na maximální špičku, která dnes v hardwaru existuje… a aby to uživatel dokázal zaplatit. Takže máme takové dva jazýčky vah, na kterých se pořád pohybujeme a které balancují mezi sebou. Výsledkem je architektura, která by měla zvládnout to, co uživatel požaduje.

Na každoročně pořádané Ansys konferenci jste slavili úspěch se softwarem, který ještě ani není hotový, přitom zájemců už je celá řada. O co šlo?

Navrhli jsme řešení, které je schopné učit se z textových zdrojů – vlastní AI, která je natrénovaná na manuály a na vstupní informace, které používáme například pro školení.

Jeden takový manuál má tisícovky stran a máme jich řádově stovky. Představa, že by existoval jeden člověk, který je obsáhne, je velice iluzorní. Je obecným problémem, že ve firmách chybí proškolení zaměstnanci, kteří jsou schopni se neustále posouvat dál, sbírat informace a potom je předávat dál. Proto vidíme AI jako velkou pomoc, protože je schopna se řadu těch informací naučit – a my coby výpočtáři se můžeme zaměřit na takové drobné finesy nebo pokročilejší úrovně, které budou mnohem zajímavější jak pro nás, tak pro zadavatele.

Cílem je nabídnout uživatelům jakéhosi AI robota, který bude schopen řešit jejich otázky z celé té plejády problémů v rámci Ansysu. To souvisí i s poměrně slušnou teoretickou základnou. Pokud potřebujete najít ten správný kontext, můžeme vám nabídnout vytrénovanou AI obsahující teoretický background, který potřebujete pro roli výpočtáře nebo simulačního inženýra. Tím pádem se k té informaci dostaneme mnohem rychleji a bude mnohem přesnější než standardní hledání pomocí Google.

Jaké další výhody připravované řešení nabízí?

Jedna z výhod, kterou jsme ani sami na začátku neviděli a upozornili na ni až potenciální zákazníci, je, že oni mají ve svých vlastních archívech spoustu materiálu, které už sami nejsou schopni zpracovat. Typický problém: máte inženýra, doktora, který pracuje v dané firmě 20, 30 let – a pak odejde. A po něm zůstane velké množství práce, které zpravidla už junior nechce, nemůže a leckdy ani není schopen probrat. Zkrátka nemá tu znalostní základnu, kterou měl jeho předchůdce. A to je zrovna oblast, kde může AI velice pomoct. Protože ona se může z těch materiálů, pokud mají podobu textu, sama naučit a může informace potom předávat dál. Důležité je zachovávat jakousi kuchařku uvnitř firem, která jasně říká, jakým způsobem řešit konkrétní problém. Naučit AI konkrétní kroky pro jeho vyřešení je se základnou, na které můžete trénovat AI, mnohem jednodušší.

A vy se potom můžete soustředit jen na naučení toho, jak se ptát, jak dělat prompt engineering, ale nemusíte si pamatovat to pemzum a kvantum informací.  Tato oblast bude velice poptávaná, protože firem, kde zaměstnanci velice rychle stárnou a odcházejí do důchodu, je čím dál tím víc. Zároveň nastupuje mladší generace, které už informace leckdy nemá kdo předat. AI bude možná poslední záchranné lano, které se  mladší generaci nabídne. Pokud ani tohle nepomůže, obávám se, že to s průmyslem v České republice nevypadá dobře. Když mladé a perspektivní generaci nepředáme své znalosti, nebudou mít přístup ke know-how, které stojí za to se naučit a které je posune dál, tak samozřejmě to know-how budou hledat někde jinde. A obávám se, že to bude mimo Českou republiku.

Takže jde o model podobný GPT, kde jako zaměstnanec firmy budu mít přístup k interním informacím a procesům? Tedy takové firemní know-how v jednom programu?

Je to přesně tak. Přidaná hodnota, kterou nabízíme, je, že zmíněná natrénovaná síť zůstává u vás a i proces vlastního trénování probíhá pouze na vaší straně. Jedna z velkých nevýhod Chat GPT a obecně AI systémů, které se dneska nabízí, je, že musíte předávat informace přes webové rozhraní na vzdálené servery. Jakmile data někomu předáte, ztrácíte nad nimi kontrolu a nemáte možnost je nějakým způsobem zpětně odvolat. Pak se mohou používat při trénování, ačkoliv spousta firem samozřejmě tvrdí, že se nepoužívají. Byl bych i s ohledem na proběhlé kauzy velice opatrný. Nicméně v okamžiku, kdy můžete mít neuronovou síť na své straně, v zamčené serverovně, která nebude mít výstup, máte jistotu, že vám veškeré know-how z firmy neuteče, můžete je používat čistě jenom pro svoje účely a nepřebere je konkurence ani nikdo jiný.

To zní jako přelomový nápad. AI ale nebylo to jediné, co na konferenci zaujalo…

Na konferenci se objevily i další zajímavé výstupy. Jeden z nich je rozšířená realita, na které pracuje můj kolega Jakub Oravec. Ta je zajímavá tím, že umožňuje nejenom našim zákazníkům, ale v podstatě komukoliv vidět výsledky simulace v reálném světě. Jsme schopni namapovat výsledky fyzikálních úloh, to znamená například proudnice nebo třeba teplotní pole a podobně, na konkrétní objekty. Tyto objekty potom umíme zobrazit v reálném prostoru, přímo v místě, kde to uživatel potřebuje. To znamená, že pokud má například průmyslovou výrobu, můžeme simulaci zobrazit přímo v ní a uživatel vidí, jakým způsobem se takové „digitální dvojče” bude chovat nejen po strukturální stránce, ale třeba i po stránce teplotní, fyzikální odezvy a dalších, které nevidí nebo se obtížně měří. Díky našim simulacím se můžeme podívat dovnitř a můžeme mu je ukázat, i když  fakticky ještě nejsou součástí výroby.

A prakticky to probíhá jak? Nabízíte zákazníkům software, který to umožní, nebo přímo výstup?

Snažíme se, aby to bylo co nejjednodušší pro uživatele. To znamená, že nám zadá zakázku s tím, abychom mu tu úlohu napočítali – a výpočet následně realizujeme. Při tom zároveň provedeme vizualizaci a převod do virtuální a rozšířené reality. Ve finále se zákazník v chytrých brýlích pouze podívá na místo, kde potřebuje svůj objekt vidět, a ten se mu tam automaticky zobrazí jako součást stávající infrastruktury společně s výsledky fyzikálních simulací. Takže požadavky na know-how ze strany klienta jsou minimální. On si skutečně musí pouze nasadit brýle a dívat se správným směrem, o zbytek se už postará automatika. Aplikace se neustále vyvíjí, snažíme se například, aby se informace přizpůsobovaly směru, kterým se uživatel dívá, vylepšujeme zobrazování štítků i příslušných informací nebo predikci stavů, do kterých se dané zařízení může dostat.

Co dalšího zákazníkům nabízíte?

Hlavním cílem všeho, co v SVS FEM děláme, je posouvat inovativním způsobem vývoj všech našich zákazníků. Naší přidanou hodnotou jsou zkrátka inovace. Najít způsob, jak posunout buď výrobek, produkt nebo proces zákazníka způsobem, který on nevidí.

Naši zákazníci sice znají dopodrobna to, co prodávají, ale velice těžko se jim provádí inovace. My jsme pomocí simulací schopni popsat fyzikální stránku produktu a umíme říct, jak se bude chovat za podmínek, které ve firmě nejsou aktuálně schopni vytvořit – museli by kvůli tomu například předělat výrobní linku, složitě dosazovat monitorovací a řídící zařízení. Následně pak můžeme zákazníkovi říct, jaká z variant, které by připadaly v případě inovace v úvahu, má smysl a vyplatí se, a která naopak smysl nemá. Umíme dokonce i vyčíslit, jaká je hodnota přínosu. Klient se potom může rozhodnout, jestli to pro něj je nebo není lukrativní.

Jde o velmi komplexní disciplínu. Stává se, že se chce zákazník od vás celý proces naučit?

Jde to a taky to děláme. Je to opravdu velmi komplexní záležitost, proto ji zpravidla nepožadují malé firmy, ale jen ty větší, které si můžou dovolit investici do dlouhodobého vzdělávání. Nemluvíme tady o nějakém jednodenním nebo dvoudenním školení, ale o průběžném a propracovaném systému, kdy uživatelům připravíme individualizované řešení jejich problémů, případně jim zpřístupníme už předpřipravená standardní školení ovládání systémů nebo produktů, které se běžně užívají a řeší.

Jednou z novinek je i fakt, že je Ansys konečně dostupný i v češtině. Jak k tomu došlo?

Ano, po mnoha letech máme Ansys v češtině. Podařilo se, opět s využitím AI, vytvořit aplikaci, která poloautomatizovaně překládá prostředí Ansysu. Když jsem se ještě na univerzitě poprvé seznamoval s Ansysem, který byl kompletně v angličtině, bylo to pro mě celkem obtížné. Za nás byla povinná ruština, takže jsem se učil nejen teorii a vlastní ovládání, ale musel jsem poznávat i význam jednotlivých slov. Už tenkrát jsem měl vnitřní přání, že by bylo skvělé, kdyby tahle ohromná aplikace byla v češtině. Za těch třicet let, co s Ansysem děláme, se to posunulo – řada pojmů se dneska nachází pouze v anglickém ekvivalentu, a v okamžiku, když začnete používat lokální překlady, lidé kteří se v té oblasti pohybují, zmatete. Těch, kteří si pamatují původní názvy, jaký je rozdíl mezi deformací a přetvořením, je čím dál tím méně – v té angličtině je to přece jenom jasnější. Na druhou stranu, když jste student a potřebujete se velice rychle dostat do tohoto prostředí, jazyk je stále překážkou. Proto jsme šli do vlastního překladu. A i když už jsem na druhém břehu, věřím, že to studentům trošku pomůže a že cílovou skupinou budou právě oni.

Máte reálnou zkušenost s tím, že by si někdo software Ansys nezvolil kvůli tomu, že není v češtině? Má konkurence českou verzi?

Ansys v zásadě na té úrovni, na které dneska v současnosti je, konkurenci nemá. Ačkoliv na trhu je několik produktů, které se zabývají podobnou oblastí, co se týče vlastní šíře a hloubky, kterou Ansys nabízí po 40 letech vývoje (vlastně ještě déle, když bychom počítali původní vývoj a začátky následně získaných produktů), jde o balík, který je po této stránce nedostižný. Spousta lidí si to uvědomuje, bere to jako skutečný etalon v oblasti simulací a nedostupnost české mutace bere jako krutou daň za to, že jsme příliš malý trh. Na druhou stranu, ve všech firmách a na školách pozorujeme, že se neustále akceleruje jak vývoj, tak způsob, jakým musí lidé zvládat nové a nové informace, které se na ně valí. Když jim nabídnete vlastní jazyk a komunikaci v něm, urychlíte učící křivku a oni ten program zvládnou rychleji, takže je to výhoda jak pro uživatele, tak pro firmy.

Stál jste u zrodu studentské soutěže, která se v SVS FEM pořádá už mnoho let. Co vás k tomu vedlo?

Se studentskou soutěží jsme začínali před mnoha lety, kdy mě napadlo, že by bylo fajn, kdyby studenti, když už dělají svoji závěrečnou studentskou práci, dostali i jiné ocenění mimo titulu – aby se o nich vědělo i ve výpočtářské komunitě. Jedna stránka věci totiž je, že zvládnete know-how, které potřebujete, druhá stránka je, že o vás mimo školu nikdo neví. Tímto způsobem jsme chtěli studenty zpropagovat, aby si jich zaměstnavatelé všimli, aby viděli, že vytvořili něco mimořádného a že stojí za pozornost. Dnes se o soutěž stará kolega (dr. Vondál), který ji posunul mnohem dál, než byla na začátku. Soutěž ale není jen o tom, že si zaměstnavatelé studentů všimnou. Nabízíme í lukrativní ceny, ať už po hmotné či nehmotné stránce. Výherci získávají finanční odměnu, ale i školení v naší firmě, které je jinak poměrně nákladné a málokterý student by si je mohl při studiu dovolit. Nabízíme i ambasadorské programy pro studenty i vyučující – dodáme materiály, pomůžeme získat licence, poskytneme know-how podle jejich zájmu a zaměření.

To zní jako záslužná, ale časově náročná činnost. Jak to zvládáte a jaké jsou plány do budoucna?

Abychom si na podobné aktivity vyčlenili čas, pustili jsme se v SVS FEM do velké automatizace – máme vlastní rozhraní, kam mohou ambasadoři vstupovat a najdou v něm nejrůznější materiály. Pokud mají zájem si dohledat konkrétní informace, zúžíme jim oblast, aby je našli jednoduše a co nejrychleji. Uvědomujeme si však, že ne každý student se chce do hloubky učit program, který později ve svém zaměstnání ani nevyužije – dalším naším krokem v rámci ambasadorského programu má proto být propojení s firmami. Věřím, že bude toto spojení užitečné oběma stranám – jak absolventům vysokých škol, tak jejich možným zaměstnavatelům.

Co se týče vzdálenější budoucnosti, soustředíme se zejména na oblast vývoje simulačních nástrojů s hlubším propojením AI. Každý den přináší nové poznatky a vědecké práce, které posouvají naše poznání zcela novým směrem, a jsem přesvědčen, že implementace AI bude čím dál více protkávat veškerou naši činnost. To, co můžeme slíbit našim zákazníkům a obecně všem výpočtářům, je zejména možnost rychlejších simulací a možnosti řešení úloh, které byly ještě v nedávné době v podstatě neřešitelné. Zejména inverzní a optimalizační úlohy budou hrát prim ve vývoji jakéhokoliv produktu. Stojí za zmínku, že to bude skutečná revoluce v inženýrských výpočtech. Dosud byla výpočtařina soustředěna do formulace úlohy, která se více či méně úspěšně snaží kopírovat existující svět kolem nás. Ale blíží se doba donedávna utopická, kdy nám AI umožní mnohem tvořivější přístup, ve kterém už nebudeme jen testovat, jestli konstrukce vyhoví či nevyhoví, ale budeme se ptát, jak má vypadat vhodná konstrukce např. motoru, který má mít minimální spotřebu, minimální váhu, maximální výkon, přijatelnou ekologickou stopu, snadnou vyrobitelnost, dlouhou životnost atd. Jinými slovy přesuneme postupně i konstrukci a návrh nových produktů AI, která se již teď pohybuje ve vícerozměrných parametrických úlohách mnohem jistěji než člověk samotný.  Zapojením velkých jazykových modelů pak bude zajištěna demokratizace poznání mnohem širším skupinám, nejenom specializovaným výpočtářům. Ačkoliv to zejména starší výpočtáři vidí spíše jako handicap, já jsem mírným optimistou. Každý z nás má jen velmi omezenou kapacitou na zvládnutí jak šíře, tak hloubky stávajícího poznání. AI může být velmi rozumný prostředník, který i lidem bez potřebných znalostí nabídne realizovat jejich sny a snad bude dostatečně „rozumná”, aby dokázala upozornit na častou nereálnost takových snů. 🙂