Amazon Research Awards: Výzkumníci AI z FEL ČVUT obstáli v globální konkurenci

Výzkum umělé inteligence (AI) na Fakultě elektrotechnické ČVUT pronikl do nejprestižnější společnosti 59 univerzit ve 13 zemích. Mezi 101 vědci oceněnými společností Amazon figurují prof. Jiří Matas z katedry kybernetiky s projektem v oblasti počítačového vidění a prof. Jan Faigl z katedry počítačů, který využívá umělou inteligenci k vytváření komunikačních map podzemních prostor.

Dalším z důkazů vysoké úrovně vědeckých pracovišť Fakulty elektrotechnické ČVUT v Praze je úspěch našich odborníků v Amazon Research Award 2020 (ARA). Zařadili se tak mezi zástupce univerzit, jako MIT, Stanford, Princeton nebo Yale, které bude následující rok program ARA podporovat. Společně s ETH Curych je ČVUT dokonce jedinou evropskou univerzitou, která má mezi vybranými 101 držiteli hned dvojnásobné zastoupení. Díky společnosti Amazon tak bude moci Fakulta elektrotechnická ČVUT po následující rok financovat práci jednoho či dvou doktorandů nebo postdoktorandů ve vědeckých týmech oceněných výzkumníků. Úspěšné projekty rovněž získají přístup do více než 200 datasetů Amazonu, se kterými budou moci pracovat. 

Oceněné projekty z oblasti umělé inteligence, automatizace nebo robotiky prošly náročným výběrem, který zohledňoval kvalitu vědeckého obsahu, kreativní přístup i možný příznivý dopad na celou společnost. 

Řešení zlepší kvalitu mobilních aplikací, které překládají cizojazyčné texty na cedulích 

Profesor Jiří Matas, který se zaměřuje na zkvalitňování úrovně počítačového vidění, v Amazon Research Award 2020 uspěl s projektem Training neural networks on non-differentiable losses (česky Učení hlubokých neuronových sítí v problémech s nediferencovatelnými ztrátovými funkcemi).

„V některých úlohách počítačového vidění jsou přirozené nediferencovatelné ztrátové funkce, například při rozpoznávání textu, kde se kvalita algoritmu často měří počtem chybně rozpoznaných znaků nebo slov. Nediferencovatelné ztrátové funkce se vyskytují například také v úloze vyhledávání obrázků, kde se kvalita měří pořadím požadovaných obrázků v seznamu vytvořeném jako odezva na dotaz,“ objasňuje problematiku profesor Matas.

Výzkum se zaměřuje na vyučované náhradní funkce, které při učení konvolučních neurálních sítí nejen hledají parametry vhodné pro daný problém, ale zároveň pomocí tzv. metric learning vylepšují náhradní funkce. Řešení může přispět například ke zlepšení kvality aplikací, které pomocí mobilního fotoaparátu vyfotografují a přeloží cizojazyčné texty na cedulích nebo prověří nutriční hodnoty uvedené na obalu výrobků v kamenných prodejnách. 

„První výsledky ve výzkumu daného problému už máme, byly publikovány na jedné z nejprestižnějších konferencí v oboru, European Conference on Computer Vision,“ dodává.

Komunikační mapu využijí týmy záchranářských robotů při průzkumu neznámého prostředí

Profesor Jan Faigl (malé foto) z Centra umělé inteligence Fakulty elektrotechnické ČVUT v Amazon Research Award 2020 uspěl s projektem Communication Maps Building in Subterranean Environments (česky Budování komunikačních map v podzemním prostředí), který zkoumá využití metod strojového učení v úloze charakterizace šíření signálu v podzemních prostorech: 

„Naším cílem je využít reálných dat k vytvoření vhodného modelu predikce šíření a kvality komunikace bez nutnosti precizního modelování a znalosti přesných geometrických a materiálových vlastností prostředí. To je svým způsobem hodně odvážné a v projektu se tak zaměřujeme na vytvoření vhodných deskriptorů, které nám umožní získat pokud možno věrohodný odhad šíření signálů k vytvoření takzvané komunikační mapy,“ přibližuje cíl vědeckého projektu profesor Faigl.

Výzkum je motivovaný online vytvářením komunikační infrastruktury v dopředu neznámém prostředí, ale s využitím modelů podobných prostředí a dat získaných v aktuálním prostředí. 

„Snažíme se navrhnout metody zajištění komunikační dostupnosti během průzkumných misí v neznámém prostředí, a tím přispět k efektivní koordinaci týmu robotů nebo lidských záchranářů v prostředí, která jsou jinak komunikačně nedostupná,“ dodává profesor Faigl. (19.5.2021)