Robin Polák a Tobias Hočevar sbírali zkušenosti v Alma Science

AlmaScience je portugalský kolaborativní výzkumný a vývojový lab a technologický inkubátor, který se zaměřuje na udržitelné funkční materiály, green electronics a takzvaný smart paper ecosystem.

Zjednodušeně řečeno: AlmaScience hledá cesty, jak vytvářet elektronické a digitální technologie s nižší ekologickou stopou. Pracuje s celulózou, papírovými substráty, tištěnou elektronikou, biomateriály a dalšími technologiemi, které mohou v budoucnu pomoci nahradit některá tradiční plastová nebo kovová řešení v elektronice.

Mezi témata, kterým se AlmaScience věnuje, patří například:

• smart paper,
• printed electronics,
• papírové a udržitelné RFID technologie,
• funkční materiály,
• IoT řešení s nižší ekologickou stopou,
• aplikovaný výzkum pro průmysl.

Hlavním tématem spolupráce bylo využití machine learningu pro rozpoznávání bezčipových papírových RFID tagů.

RFID tagy si většina lidí spojí například s logistikou, sklady, identifikací produktů nebo sledováním pohybu zboží. V běžné podobě však často obsahují komponenty, které nejsou ideální z hlediska ceny, škálovatelnosti nebo udržitelnosti. AlmaScience proto pracuje s konceptem papírových a udržitelnějších RFID řešení.

Úkolem talentů bylo zapojit do tohoto tématu umělou inteligenci – konkrétně navrhovat a testovat systém, který by dokázal rozpoznávat jednotlivé bezčipové papírové RFID tagy pomocí strojového učení.

Cílem nebylo pouze vytvořit jednoduchý klasifikátor. Důležitou částí zadání bylo navrhnout takovou architekturu, která by umožnila rozpoznávání nových tagů s minimem reálných měření a bez nutnosti náročného přetrénování celého modelu.

To je v praxi zásadní rozdíl. Pokud by se model musel při každém novém tagu znovu rozsáhle trénovat, jeho využitelnost by byla omezená. Smyslem práce proto bylo přemýšlet nad řešením, které může být flexibilnější, efektivnější a blíže budoucímu praktickému nasazení.

Carolina Gouveia - Lead researcher

„Spolupráce s mladými talenty z P-PINKu pro nás byla příležitostí propojit náš výzkum v oblasti smart paper technologií s novými přístupy v machine learningu. Oceňujeme jejich schopnost rychle se zorientovat v komplexním zadání a přispět k vývoji řešení.“

Spolupráce měla několik rovin. Část práce probíhala analyticky a vývojově – tedy studiem problému, návrhem přístupu, prací s daty a testováním modelů. Důležitou součástí však byla také fyzická stáž přímo v portugalských laboratořích AlmaScience.

Právě laboratorní prostředí dalo celé spolupráci výrazně praktičtější rozměr. Robin a Tobias se nedostali pouze k teoretickému zadání, ale také k reálnému kontextu technologie, sběru dat a fungování výzkumného týmu.

Z pohledu programu je tato zkušenost důležitá ze dvou důvodů.

Zaprvé ukazuje, že naši talenti mohou být zapojeni do skutečně odborných a mezinárodních projektů. Zadruhé potvrzuje, že AI Talentový program nemá být pouze stipendijní podporou, ale platformou, která studentům otevírá dveře k reálnému výzkumu, firmám a technologiím.

Robin Polák se dlouhodobě profiluje v oblasti datové analýzy, machine learningu a aplikace AI ve financích a rozhodování. V AI Talentovém programu se zaměřuje na návrh a trénování vlastních ML modelů, porozumění architekturám modelů a hledání praktického využití umělé inteligence.

V AlmaScience se jeho zaměření přirozeně propojilo s aplikovaným výzkumem. Pracoval na vývoji ML systému pro rozpoznávání bezčipových papírových RFID tagů a přímo v laboratoři se mohl podílet na sběru reálných dat. Právě kontakt s reálnými měřeními a technologickým prostředím je pro rozvoj mladého AI odborníka zásadní.

Výsledky spolupráce byly podle dosavadního vyhodnocení natolik zajímavé, že vznikl záměr formalizovat je do podoby odborného vědeckého článku.

Robin Polák

„Stáž v AlmaScience pro mě byla důležitá hlavně tím, že jsem se dostal k reálnému výzkumnému problému a reálným datům. Nebylo to jen o testování modelu, ale o pochopení celé technologie a toho, jak může machine learning pomoci udržitelným řešením v praxi.“

Tobias Hočevar se v rámci svého odborného profilu zaměřuje na strojové učení, LLM a práci s AI modely. Už v rámci bakalářské práce se věnoval tématům souvisejícím s velkými jazykovými modely a machine learningem a dlouhodobě deklaruje zájem pokračovat v oblasti strojového učení i akademicky.

Zapojení do AlmaScience pro něj představovalo příležitost přenést znalosti do výzkumného prostředí a pracovat na problému, který není pouze školním zadáním, ale má potenciál praktického dopadu.

Právě u Tobiasova profilu je důležité, že kombinuje technické zaměření s akademickou ambicí. To je pro AI Talentový program cenné, protože cílem není pouze připravovat budoucí zaměstnance firem, ale také podporovat talenty, kteří mohou v regionu postupně rozvíjet výzkumnou a inovační kapacitu.

Tobias Hočevar

„AlmaScience pro mě byla zkušenost s tím, jak vypadá aplikovaný výzkum mimo školní prostředí. Bylo zajímavé vidět, jak se propojuje strojové učení, fyzická technologie a konkrétní výzkumný cíl.“

Stáž v AlmaScience není izolovanou zahraniční zkušeností. Je to praktický příklad toho, jak může regionální talentový program fungovat.

Mladí lidé z Pardubického kraje nebo z jeho okolí se díky programu dostanou k mezinárodnímu know-how. Vyzkouší si práci v prostředí, kde se řeší udržitelné technologie, aplikovaný výzkum a umělá inteligence. Získané zkušenosti pak mohou přenášet zpět do regionu – do firem, startupů, výzkumných projektů i aktivit P-PINKu a AI Hubu.

Pro firmy v kraji je to zároveň signál, že zde vzniká skupina mladých odborníků, kteří se nechtějí učit AI pouze z kurzů nebo prezentací. Chtějí pracovat na konkrétních problémech, datech a prototypech.

A právě to je pro region důležité. Umělá inteligence se nebude zavádět sama. Bude vyžadovat lidi, kteří rozumí technologiím, datům, businessu i praktickým omezením firemního prostředí.

AI Talentový program P-PINK vznikl proto, aby propojoval studenty s praxí, výzkumem a konkrétními technologickými výzvami. Stáž Robina Poláka a Tobiase Hočevara v AlmaScience ukazuje, že tento přístup funguje.

Nejde pouze o podporu jednotlivých studentů. Jde o budování dlouhodobé kapacity regionu v oblasti AI, datové vědy, digitalizace a aplikovaného výzkumu.

A pokud se má Pardubický kraj stát místem, kde vznikají inovace s reálným dopadem, právě podobné zkušenosti jsou jedním z nezbytných kroků.