Student FI MU na prestižní konferenci o AI v Kanadě
Zájem o strojové učení a pravděpodobnostní systémy ho přivedl k vědě už během bakalářského studia. Je součástí týmu, který vytvořil nový algoritmus pro optimalizaci rozhodovacích procesů a tento výsledek sám nedávno představil na prestižní 38th Annual AAAI Conference on Artificial Intelligence ve Vancouveru. Vojtěch Kůr nám v rozhovoru přiblížil detaily svého výzkumu, zážitky z Kanady i význam vědecké práce pro jeho další kariéru.
Jak jste se dostal k výzkumu?
Začal jsem pracovat na své bakalářské práci pod vedením doc. Vojtěcha Řeháka z Katedry teorie programování FI MU. Ten mě přizval k další spolupráci právě v oblasti rozhodovacích procesů. Nejdříve jsem testoval algoritmus napsaný kolegou Davidem Klaškou a hrál si s různými vstupy, na kterých jsem porovnával výsledky a chování algoritmu. Moje role byla trojí - implementoval jsem výpočty a algoritmus do širší infrastruktury, hledal nejlepší nastavení modelu a spouštěl a vyhodnocoval experimenty.
Mohl byste laicky vysvětlit hlavní problém, kterým se váš tým zabývá?
Základem naší práce je optimalizační problém, který spočívá v nalezení strategie s požadovanou stacionární distribucí, tj. která má v průměru správný poměr návštěv na stavech. Představme si to jako jednoduchý systém nějaké továrny, kdy bychom chtěli v průměru trávit 90 % času výrobou a 10 % času údržbou. Hledali bychom tedy rozvrh, který toto splňuje. Problém spočívá v tom, že i když továrna splní svůj dlouhodobý cíl, mohou nastat okamžiky, kdy bude odstavena příliš často nebo nedostatečně v krátkém období. To je problém lokální nestability.
Jaké jsou hlavní závěry vašeho výzkumu?
Pracovali jsme s modelováním v rámci tzv. Markovových rozhodovacích procesů (MDP), což jsou vývojové diagramy, které pomáhají při rozhodování, jaké akce je třeba v různých situacích provést, abychom dosáhli nejlepšího celkového výsledku.
Formálně jsme zadefinovali pojem lokální stability vzhledem k frekvencím v ustáleném stavu. Následně jsme ukázali, že neexistuje rozumně rychlý algoritmus pro nalezení nejvhodnější strategie. A tak jsme navrhli vlastní, který má za cíl takovéto strategie najít.
Jak spolehlivě algoritmus funguje?
Náš algoritmus je rychlý, i když ne vždy najde to nejlepší řešení. Ukázali jsme ale, že často dokáže najít velmi dobrá řešení, a to i pro velké systémy. Algoritmus, který by přesně řešil každý problém, by byl příliš pomalý. Proto místo toho používáme snadno vypočitatelné hodnoty, které nám pomáhají odhadnout stabilitu systému, a tyto hodnoty pak optimalizujeme pomocí matematických metod, konkrétně gradientním sestupem za pomocí automatické diferenciace.
Jak můžeme vaše výsledky využít v reálném životě?
Díky zefektivnění rozhodovacích strategií můžeme dosáhnout toho, že systémy budou spolehlivější a předvídatelnější. To lze uplatnit v mnoha oblastech, jako je výroba, logistika, a dokonce i v technologiích, kde je rozhodující konzistentní výkon.
Konkrétně si představme, že nějaké zařízení garantuje selhání v průměru maximálně jednou měsíčně. Pokud ale po delším období bezchybného provozu selže dvakrát během dvou týdnů, uživatel spokojený nebude. Ačkoliv průměrná frekvence selhání je v pořádku, může to v praxi vést k období častějších poruch, což nechceme. Proto je na místě hledat nástroje pro optimalizaci.
Výsledky jste prezentoval na prestižní konferenci AAAI-24 ve Vancouveru. Jaký to pro vás byl zážitek?
Na konferenci jsem jel z celé univerzity sám. Strávil jsem tam týden – první tři dny probíhaly menší semináře, další čtyři dny se pak konala samotná konference. Součástí byly i tzv. Poster Sessions. Ve velké hale byly vyvěšeny plakáty různých článků, u nichž vždycky byl alespoň jeden člověk, zpravidla jeden z autorů. Účastník pak mohl mezi nimi procházet a bavit se o článcích, které ho na základě plakátů zaujaly. V jednom takovém bloku jsme měli místo i my. Tam jsem tedy zájemce seznamoval s detaily našeho výzkumu a odpovídal na dotazy. Jednoho magisterského studenta z Aachenu náš výzkum zaujal tak, že jsme spolu řešili i různé možnosti vylepšení a modifikací. Velmi nás tato interakce potěšila.
Foto: Poster Session na konferenci AAAI-24 ve Vancouveru
Abych mohl dosáhnout na stipendium pro studenty, musel jsem jeden den na konferenci dobrovolničit. Rozdával jsem tedy dárkové předměty jako propisky a sešity. Během toho jsem se ale stihl seznámit s ostatními studenty. Nakonec jsem se i účastnil kvízové soutěže pořádané na AAAI-24 v týmu, jehož jádro tvořili 4 studenti z King’s College, ale měli jsme i studenty z Lyonu, Athén a USA. Účastí na seminářích a přednáškách jsem měl možnost se dozvědět o nejnovějším výzkumu v oblasti AI, pochopitelně hodně místa dostaly teď velmi populární velké jazykové modely a jejich schopnosti a meze. Za tyto možnosti jsem velmi vděčný.
Jak práce na tomto projektu ovlivnila vaše další směřování?
Práce na projektu mě dost ovlivnila. Bylo zajímavé sledovat, jak výzkum vzniká, jak různí kolegové přispívají k práci, jak se vzájemně doplňují a také jakým způsobem řeší neshody. Byla to opravdu týmová práce, která se nakonec zdařila. Odnesl jsem si také spoustu praktických znalostí a dovedností, například práci s knihovnou PyTorch na automatickou diferenciaci. Také jsem se musel zlepšit ve svých znalostech teorie pravděpodobnosti a teorie MDP, které jsem do té doby ani neznal.
Jakou radu byste dal studentům informatiky, kteří se chtějí věnovat výzkumu?
Nevím, nakolik jsem kompetentní podávat rady, ale myslím, že je fajn ptát se po různých laboratořích a výzkumných skupinkách na fakultě, a projevit aktivní zájem podílet se na výzkumu. Řekl bych, že lidí je spíš málo a proto se každá ruka a hlava navíc hodí. Také si studenti mohou zapisovat semináře laboratoří. Například Formela (laboratoř, ve kterém působím) nabízí každý semestr různé semináře, kde se probírají témata, která se buď jinak nevyučují, nebo se na semináři proberou hodně do hloubky. Takto jsem mohl například pořádně pochopit základy teorie pravděpodobnosti, která je pro tento výzkum klíčová.
Co plánujete ve studiu dál?
Především plánuji dodělat bakalářku a posléze i magisterské studium. Pak uvidím, to je naštěstí ještě daleko. Během studia bych se dál rád podílel na nějakém výzkumu v oblasti umělé inteligence.
Chtěl byste zmínit ještě cokoliv dalšího?
Chtěl bych poděkovat svým kolegům. Především jejich zásluhou vznikl článek, jehož závěry jsem prezentoval na zmíněné konferenci. Děkuji.
Děkuji za rozhovor.
Vedoucí Laboratoře formálních metod, logiky a algoritmů (Formela) prof. RNDr. Antonín Kučera, Ph.D. k tomu dodává:
„Výsledky, o kterých Vojta referoval na AAAI 2024, byly finalizovány během parného léta roku 2023, kdy většina studentů užívala prázdnin a kolegové zasloužené dovolené. Vojta se místo toho věnoval vědecké práci. Bylo úžasné sledovat, jak šikovně a efektivně si počíná při řešení problémů, se kterými jsme se v závěrečné fázi výzkumu museli vyrovnat. Ačkoliv šance na úspěch nebyly nijak velké (procento přijatých příspěvků na konferenci AAAI je pod 20 % a konkurence je tvrdá), jeho nasazení bylo enormní. Pevně doufám, že se tímto příkladem nechají inspirovat i další šikovní studenti naší fakulty. Jsou vítáni; a myslím, že nejen v naší laboratoři…“
Celý odborný článek najdete ve sborníku konference: https://doi.org/10.1609/aaai.v38i18.29993.
Autorka: Marta Vrlová, Oddělení vnějších vztahů a spolupráce s partnery FI MU
Foto: Vojtěch Kůr
