Možná si vzpomínáte, že v roce 2019 propukl v Austrálii požár, který spálil 10 milionů hektarů půdy. Vzal životy lidem i zvířatům, zničil stromy a rostliny. Proto jsme jako globální společnost ve spolupráci s Microsoftem a NASA vyhlásili dvě výzvy soutěže #DataChallenge.
- V první měli účastníci za úkol vyvinout systém, který zmapuje hranice požáru.
- V druhé měli řešení použít, aby předpověděli jeho šíření.
V české kanceláři EY jsme se navíc rozhodli, že bez ohledu na umístění v celosvětové soutěži odměníme nejlepší řešitele z Česka. Dominikovi se podařilo uspět v první výzvě, a tak od nás získal odměnu 30 000 Kč.
Dominiku, co tě vedlo k účasti v soutěži Better Working World Data Challenge?
Studuji Ekonomii a finance, takže by se mohlo zdát, že je mi programování hodně vzdálené. Ale během posledního roku na magistru jsem objevil roční kurz prg.ai, ve kterém jsem mohl navštěvovat předměty různých technických škol v Praze. Díky tomu jsem více nahlédl do oboru umělé inteligence, strojového učení a robotiky. Nadchlo mě to a soutěž byla příležitost, abych si znalosti vyzkoušel v praxi. Hodně mě zaujalo, že budeme vytvářet něco, co mohlo skutečně pomoci zachraňovat lidské nebo zvířecí životy.
V čem úkol spočíval?
Dostali jsme satelitní snímky s infračerveným záznamem požáru a museli jsme vymyslet algoritmus, který z nich dokáže určit jeho hranice. Ze snímků někdy není patrné, kde všude požár je. Někdy místa zakrývají mraky nebo teplotní snímek zkreslí rozpálená pláž. Algoritmus pomůže vytvořit mapu, která přesně ukazuje, kde požár je, nebo není. Díky ní hasiči zjistí, kam mají vyrazit. Porota potom hodnotila, jak mapa odpovídala realitě.
Chyběl mi kolega, který by řešení uměl hodnotitelům dobře prodat.
Do soutěže se zapojovaly týmy, ale ty jsi byl sám. Nechyběl ti parťák?
Měl jsem se zapojit s kamarádem, ale nakonec se nemohl zúčastnit. Jinak byli lidé většinou v tříčlenných týmech. Trochu mi chybělo společné přemýšlení nad projektem. Ale hlavně mi chyběl kolega, který by to řešení uměl hodnotitelům dobře prodat. To je dost zásadní. Měli jsme třeba napsat článek a natočit video. I když se to nezdá, natočení pětiminutového videa, ve kterém poskytnu ucelený pohled na svůj přístup, mi dalo docela zabrat.
Radil ses alespoň s někým?
Občas jsem si o tom popovídal s kamarádem, ale jinak vůbec. Zpětně si říkám, že tam nějaké čerstvé nápady chyběly a možná by mé řešení posunuly o kus dál. Průběžně nám nabízeli podporu lidé z EY a také nás motivovali, abychom to nevzdávali. Já osobně jsem začal na úkolu pracovat až měsíc před koncem soutěže. Musel jsem si tedy pospíšit a na konzultace jsem už neměl moc času.
Jaké zkušenosti se ti v soutěži hodily, ať už z kurzů, nebo ze školy?
Čerpal jsem hodně z toho, co jsem se naučil v kurzu prg.ai. Měli jsme v něm takové minisoutěže. Tam jsem viděl, jak nad úkolem přemýšlí ostatní a jaké myšlenky to řešení posouvají dál. Člověk se mohl zamyslet, proč na to sám nepřišel. Škola mi dala hlavně analytické myšlení. S programovacím jazykem jsem se tam také setkal, ale spíš okrajově v souvislosti s datovou analýzou.
Jak jsi na to tedy šel?
Vycházel jsem hlavně z akademických článků, kde se někdo podobné algoritmy pokoušel aplikovat na jiné obory. Já jsem si vypůjčil model z biomedicíny, kde se pokoušeli zjistit rozmístění buněk. Princip byl podobný. Zkusil jsem ho aplikovat na satelitní snímky a docela dobře to fungovalo.
Kolik času ti nakonec zabralo úkol zpracovat?
Když nepočítám čas, kdy necháte algoritmus učit se a běží to víceméně samo, bylo to tak 40 hodin. Měli jsme spoustu návodů, ale byly hodně obecné. Data se musela docela složitě připravit a zpracovat. Použitelných snímků bylo jen pár. Algoritmus pak z dat extrahuje společné znaky, vytvoří si vlastní pravidla a naučí se data vyhodnocovat. Na jedné části dat jsem algoritmus nechal trénovat. Na druhé jsem zkoušel, jak by to dopadlo, kdyby se setkal s nějakým novým jevem. Nastavení jsem ladil asi dva týdny, samotný algoritmus jsem měl ale hotový během čtyř dní.
Dominik Benk (24)
- je studentem magisterského programu Ekonomie a finance na Fakultě sociálních věd UK. Pochází z Moravy, ale rád by se na delší čas usadil v Praze. Při studiu pracuje na částečný úvazek jako datový analytik. Kromě toho ho ještě zajímá programování, umělá inteligence a strojové učení. Když se mu podaří najít si čas na odpočinek, rád si zahraje badminton nebo leze po boulderové stěně.
Není to můj obor a uspěl jsem. To mi dalo motivaci, abych se zabýval programováním dál.
Ovlivnila nějak soutěž tvoje kariérní směřování?
K programování mě to táhlo už dřív, ale mám v něm dost velké mezery. Proto bylo fajn vidět, že ačkoliv studuji jiný obor, měl jsem šanci se na celosvětovém měřítku umístit mezi finalisty. To mi dalo motivaci, že má smysl jít dál tímhle směrem.
Co ti přijde na umělé inteligenci a strojovém učení zajímavé?
Nemám rád rutinní práci, možná jsem na ni trochu líný. Vždy hned hledám, jak by to šlo automatizovat, abych to příště dělat nemusel. Velký přínos vidím v tom, že to ušetří lidem čas a mohou se věnovat smysluplnější práci.
Co bys doporučil někomu, kdo chce změnit směr a začít s programováním?
Důležitá je motivace a chuť se nevzdat při prvním neúspěchu. Nevadí mi pracovat na tom, abych se zlepšil. Ale pořád čelím pocitu, že mám ještě hodně co dohánět.
A chtěl bys něco vzkázat ostatním, kteří by se chtěli podobné soutěže účastnit?
Neboj se a zkus si to. Kromě času, který nad tím strávíš, není co ztratit. Pokud se chceš zdokonalit, určitě tě to posune.
Vedle #DataChallenge jsme pořádali ještě další soutěž, která měla za úkol přispět k řešení skutečného problému. Přečti si, jak se dařilo studentům v soutěži #prolepsizivotpacientu. Už teď víme, že i jejich návrh se propíše do praxe.
