Americká společnost Nvidia, která je aktuálně díky nástupu AI nejhodnotnějším podnikem na světě, začala používat českou technologii vyvinutou v akademickém prostředí, respektive na Matematicko-fyzikální fakultě Univerzity Karlovy. Používá ji pro přípravu dat na trénování modelů umělé inteligence pro autonomní robotiku. Právě roboti schopní samostatného fungování mají být pro Nvidii další velkou oblastí rozvoje (projekty jako GR00T, Jetson a další).
Český software nasazený v Nvidii jakožto největším dodavateli AI čipů na světě se jmenuje TransNet V2. Nvidia ho používá pro procesy zpracování miliard obrázků a videí z různých zdrojů, konkrétněji pro rozdělování dlouhých záznamů na časově konzistentní sekvence bez rušivých střihů. Český algoritmus pomáhá robotům “chápat” fyzický svět kolem nás a zpracovávat data ze senzorů a kamer.
“Pro předzpracování obřího množství video dat potřebovali v Nvidie spolehlivě detekovat střihy a přechody mezi scénami. Nezůstalo tak jen u teoretické citace v odborném článku, firma náš model nasadila do produkčního řetězce pro přípravu dat, na kterých trénuje sítě pro robotiku,” přiblížil docent Jakub Lokoč, který studentský projekt TransNetu vedl.
Technologie vznikla jako diplomová práce Tomáše Součka (ke stažení je zde) a z podpory Grantové agentury ČR. Souček se zaměřil na detekci střihů ve videu pomocí hlubokých neuronových sítí. Český vědec a jeho kolegové publikovali výsledky jako open source na GitHubu a službě arXiv. To vyvolalo reakci komunity a algoritmus se dostal mezi další výzkumníky včetně těch v Nvidii. Ti k nasazení publikovali vlastní text.
Souček už je absolventem Matfyzu. Nyní působí jako Senior Research Scientist v laboratoři Meta FAIR v Paříži, kde se věnuje pokročilému výzkumu v oblasti generování a zabezpečení obrazu a videa, například digitální vodoznaky a Content Seal.
Nvidia používá také další špičkový český výzkum. Jde o nejcitlivější multimetr na světě vyvinutou brněnskou společností NenoVision. I tato technologie vychází z akademického bádání. NenoVision se nasazuje během vývoje čipů Nvidie.
“Případ TransNet V2 ukazuje, jaký dopad může mít kvalitně vedený akademický výzkum s podporou národních grantových agentur. To, co začalo jako fakultní zadání pro studenta, se postupně proměnilo v mezinárodně uznávaný model, který dnes usnadňuje vývoj autonomních robotů schopných chápat fyzický svět kolem nás. Zároveň se ukazuje, jak důležitá je spolupráce a sdílení informací. Model, který byl původně efektivně trénovaný díky grafické kartě, se nyní u jejího výrobce úspěšně zapojuje do nových projektů. Můžeme říci, že se kruh uzavírá,” okomentoval situaci Matfyz.
ČLÁNKY DO MAILU