Michal Bodický je jedním z absolventů programu prg.ai Minor. V rámci tohoto projektu spojili své síly vyučující ze čtyř fakult Univerzity Karlovy a ČVUT v Praze v jedinečném meziuniverzitním programu, jehož cílem je předat to nejzajímavější z umělé inteligence.
Využij i ty příležitost spojit se s klíčovými hráči české AI scény a staň se součástí rozmanité komunity. Přihlášky do programu prg.ai je možné podávat do 21. března 2022.
Michale, popiš prosím program prg.ai Minor.
Jde o meziuniverzitní studijní program nabízející komplexní vhled do AI. Studentům program umožňuje absolvovat velmi dobře hodnocené předměty z FIT a FEL na ČVUT, a pak také z MFF a FSV na UK. Program dané předměty řadí do šesti tematických bloků, z nichž je nutné splnit předměty alespoň ze čtyř, čímž je právě zaručena znalost více aspektů AI po absolvování.
Proč sis tento program vybral? A jak se můžou zájemci přihlásit?
Můj zájem o Minor byl dvojího původu – rozšíření znalostí kvantitativní analýzy (strojového učení, symbolické AI) a vybudování povědomí o AI a jejím možném uplatnění. Musím dodat, obojí bylo naplněno a výrazně předčeno – nelze nedoporučit.
Podání přihlášky je možné na stránkách prg.ai přes odkaz na dotazník. Zde je třeba kromě kontaktních informací vysvětlit vlastní motivaci pro studium Minoru a dodat výpis dosažených známek během studia. Motivace a známky jsou kritérii pro přijetí, doporučuji tedy uchazečům dobře formulovat proč do Minoru chtějí.
Jaké předměty jsi v rámci prg.ai studoval?
Zatím mám absolvované 4 předměty (i to k dokončení Minoru stačí), nicméně pokud bude možnost, chci pokračovat v dalších předmětech (i to Minor absolventům umožňuje).
Z bloku základů strojového učení (CoreML) jsem zvolil na MFF UK Introduction to Machine Learning with Python, dříve známé jako Machine Learning for Greenhors. Předmět vyučuje pan Milan Straka, jehož jméno je na MFF a v rámci Minoru velmi pozitivně skloňováno, studenti od první hodiny pochopí proč. Cílem předmětu je přiblížení základních metod strojového učení pomocí jejich programování „from scratch“. Tím studenti pochopí význam jednotlivých prvků v probíraných algoritmech a dokáží pak lépe dané metody použít v praxi. Zároveň, předmět obsahuje velké množství úkolů – zaměřených od jednoduchých regresí po neuronové sítě, studenti toho tedy poznají a naprogramují hodně. Sice to vše zabere velké množství času, ale výsledky za to stojí. Zároveň z vlastní zkušenosti si myslím, že se tak dá výrazně zlepšit v programování.
Dále z bloku základů symbolické AI (CoreSYMB), moje volba padla na Introduction to AI z FIT. Mezifakultní zkušenost hodnotím pozitivně, interně se prg.ai říká malý Erasmus jelikož studenti cestují mezi univerzitami. Předmět představí základní koncepty a uplatnění symbolické AI, slouží jako ideální základ pro další studium v oboru. Je zde kladen důraz na praktičnost, tedy probírané znalosti je třeba aplikovat v sérii úkolů, které si studenti do jisté míry volí sami. Příkladem takového úkolu je třeba vytvoření vlastního solveru na Sudoku nebo na problém N-queens, oboje umožní překonání případné neschopnosti vyřešit problém sám, což z předmětu může udělat zajímavou výzvu s vlastní neschopností „lidského“ řešení.
Na FSV jsem absolvoval Artificial Intelligence and Security z bloku HUMAN. V kontrastu s ostatními předměty Minoru je zde studentům umožněno dobře pochopit nedostatky technologií jako jsou např. autonomní řízení aut či autonomní zbraňové systémy. De facto předmět zkoumá předpoklady modelů strojového učení a od nich odvozuje jejich nedostatky, z pohledu jednotlivce (jestli technologie dělá skutečně co uživatel zamýšlel), z pohledu společnosti (kde může být technologie zkreslená či případně diskriminující) a i z pohledu technologie samotné (ideálně se propojující s předměty z CoreML a CoreSYMB, ukazuje kde i nejlepší dostupná technologie má slabá místa díky své architektuře).
A zatím poslední předmět mám hotový Python Programing z bloku PROG vyučovaný na FIT. Jde o hojně navštěvovaný obecný úvod do Pythonu, díky úkolům a praktickým seminářům umožní studentům si dobře osvojit základy. Konečný projekt sice musí být schválen vyučujícím, ale téma je v kompetenci studenta. Plnění předmětu může být i zajímavá výzva z vlastního pohledu, stejně jako u již zmíněného Intra do AI také z FIT.
Jak je největší přínos programu prg.ai Minor?
Hlavní přínos Minoru je ve znalostech ML/AI celkově, tedy schopnost jejich případné efektivní aplikace (hlavně strojového učení) a vědomí nedostatků. Obecně od každodenností jako odemykání notebooku skenem obličeje, personalizace obsahu reklamy či strojového překladu jazyka – člověk ví, co se děje under the hood. Zároveň, už jenom tato znalost a open-source programovací knihovny umožní si i něco méně sofistikovaného jednoduše vyrobit sám. Z pohledu výše zmíněných to většinou nemá smysl, ale například ke zlepšení předpovědi finančního modelu z dostatečného vzorku dat už se najde uplatnění nejen v akademii.
Spíše z pohledu studia, k AI směřuji značnou část volitelných prací, většinou esejí. Myslím si že Minor poskytne solidní základ a zajímavý přehled možného, a tak se další práce může rovnou zabývat již zkoumáním hlubší problematiky. Zároveň, moje již napsaná bakalářská práce a právě psaná magisterská práce se hojně zabývají ML/AI, ať už pro predikci Forexu nebo pro analýzu lidských chyb ve hře v šachu.
Tím navazuji na své oblíbené téma, zpětnovazebné učení a jeho aplikaci na šachy. Ne, že bych se díky této znalosti v šachu zlepšil, ale některé partie AlphaZero jsou prostě fascinující, o to zajímavější je znát blíže technologii na které funguje – více je dobře popsáno např. v knize Game Changer.
Právě se hlásím k doktorskému studiu na univerzitě v Maastrichtu. Zde bych velmi rád pokračoval v oboru algoritmické teorie her, která právě může využívat koncepty symbolické AI.
Jaká je spolupráce několika vysokých škol v praxi, je to podle tebe přínosem?
Pro mě je kombinace nejen univerzit ale i fakult určitě přínosem z pohledu předvýběru velmi dobré výuky a vytvořené komunity studentů.
Příhodně, Minor vybírá nejlépe hodnocené kurzy ze všech fakult, a tím umožňuje získat kvalitní znalosti z různých podoborů. Matfyz mi přijde zaměřený na hloubku porozumění, více teoretické předměty připraví absolventy na úroveň specialistů v oboru kteří vždy znají podstatu problému. O FSV si myslím že nabízí úplně jiný, méně technický pohled na věc než ostatní fakulty. Na FSV se primárně řeší zda-li uplatnění ML/AI má smysl či je bezpečné. Zároveň jsem nenašel kde jinde v ČR by se něco podobného učilo. FIT a FEL jsou v porovnání s Matfyzem zaměřeny spíše na praktickou stránku věci, opět řečeno z vlastní zkušenosti, studenta formují obecně v řešení problémů programováním.
Nejen v rámci předmětů, ale i během společných setkání pro studenty Minoru je možné poznat ostatní účastníky napříč Bc. a Mgr./Ing. ročníky. Většina má podobnou motivaci k Minoru, ale úplně jiný background. Já jsem si tím rozšířil obzory v rámci možného pokračování studia či práce a poznal nové přátele.