Podcast

Jistě, tady je opravený text s lepší gramatikou, interpunkcí a stylistikou:

Dobrý den, moje jméno je Jirka Vicherek a vítám vás u dalšího dílu Datatolku. Naším vzácným hostem dneska je Daria Hvíždělová, která nyní působí jako ředitelka AI Skills & Education v neziskové škole pro programátory 42 London a zároveň tady v Česku působí jako Head of AI v Edulabu ve sféře Pardubice. Ahoj, Dario.
Ahoj, Jirko.

Tématem dnešního rozhovoru s Dariou bude AI ve vzdělávání – jak vzdělávat AI a jak dostávat náš technologický svět trochu i do mainstreamu. Zároveň bych chtěl tuto příležitost využít k tomu, abychom prošli Dariinu velmi zajímavou a pestrou kariéru, od začátku, a ukázali všechny zkušenosti a události, kterými prošla. Je to opravdu pestré, místy i chaotické, což mě moc baví – ale takový je život, ne? Pestrý a někdy i chaotický. To je docela přesné.

No Dario, kde jsi se tu v České republice vlastně vzala? Za prvé, a za druhé, co tě přivedlo k datům? Začni prosím svůj příběh.

Jsem původem z Ruska a v Česku žiji už asi deset let. Před tím však vedla moje cesta z Ruska přes Finsko a Švédsko až sem do Česka. Do Česka jsem přijela proto, že jsem se provdala za kluka, kterého jsem potkala na Erasmu. Studovala jsem IT management jako druhou vysokou školu, souběžně se čínským jazykem, historií a filosofií. Českou republiku mám ráda, i když teď spíš pracuji dálkově pro Londýn, stále to vnímám jako místo, kde chci žít. Moc mě tu baví, protože spojuje evropskou kvalitu života se slovanským černým humorem, ve kterém jsem vyrůstala.

K datům jsem se dostala tak nějak „omylem“, ale provázejí mě celý život. Možná to zní jako klišé, ale napoprvé jsem k nim přišla ve Finsku – možná však začalo všechno ještě dřív, už na škole s matematikou.

Jaký byl tedy tvůj plán? Studovala jsi ve Stockholmu čínštinu a IT management – to zní fakt dobře.

No, musím to trochu zmapovat, protože obvykle se do toho nerada pouštím, je to dost dlouhý příběh. Ale máme čas a snad dnes nikdo neusne. Narodila jsem se v Petrohradě a studovala na škole zaměřené na angličtinu, za což vděčím tomu, že můžu mít mezinárodní život. Měla jsem ráda matematiku, chodila jsem na přípravku na Matematicko-fyzikální fakultu, dokonce jsem se tam dostala, ale pak jsem si řekla, co tam budu dělat? Byla bych tam jediná holka a asi jsem se tam dostala spíš omylem – pomáhali mi ostatní kluci kolem. Musela jsem tedy rychle vybrat „holčičí“ obor, a tak jsem si zvolila jazyky, lingvistiku, historii a filosofii v jednom balíčku. Z těch možností, co jsou nejkomplikovanější a zároveň nejobtížnější logicky, jsem si vybrala čínštinu, což se později ukázalo jako dobrý nápad, zejména v kombinaci s ruštinou. Jenže už nejsem ani v Rusku, ani v Číně. Ale kdyby se politická situace ve světě zhroutila jakkoliv, lingvisticky jsem připravená.

Takže Matfyz, čínština, a po prvním roce, kdy jsi strávila rok na letní škole v Číně, sis uvědomila, co tě na čínštině baví nejvíc…

Pokud chceš, mohu ti pomoci s korekcí zbytku textu. Stačí říct!

Technologická rychlost, ta schopnost dělat a prototypovat věci strašně, strašně rychle, ať už jde o stavbu baráku, který ráno ještě nebyl a odpoledne už je, pou samozřejmě nějaké technické inovace. A zároveň jsem si uvědomila, že asi nechci překládat jenom cizí myšlenky, nechci tam žít furt, ale chci dělat něco smysluplnějšího, tak jsem šla na IT management, což mělo být takové něco mezi holčičím a klučičím v té postsovětské paradigmě přemýšlení; tam ještě nebyla žádná diversita a tyhle věci. To jsem objevila až později, ale tehdy jsem rozhodovala strašně binárně. Takže to mělo být něco jako troška trápení s C++ a Javou jsem začala.

Takže dvoutisícnej stav a souběžně s tím tam byly normálně ekonomické předměty, management a tak, kde se vlastně ukázalo, že to druhé mě baví víc. To první mě baví a rozumím mu na poměrně vysoké úrovni, ale na dílčí úrovni to prostě všichni moji spolužáci zvládají lépe a rychleji než já. Tak buď jsem se mohla trápit tím, že ze mě nebude úplně dobrý programátor, anebo se pustit do využití druhé stránky a nějak to tlumočit se zbytkem světa. Což se vlastně stalo, akorát rodiče mi řekli, že musím dodělat čínštinu, když jsem ji tady začala, tak bakaláře dotáhnu. Tak jsem měla bizarní obdoby dělání těch dvou majorů najednou. A dokonce s tím IT managementem jsem jela na Erasmus do Finska, kde jsem poprvé zjistila, že přednášky nemusí být jen pasivní, že se dá spolupracovat s lidmi z průmyslu, dělat reálné technologické projekty, což pro mě bylo úplně nové. A chápala jsem, že v tomhle světě se chci dál vzdělávat. Současně jsem musela dojíždět 12 hodin autobusem na odevzdání seminárek a takové věci v čínštině, takže teď absolutně nechápu, jak jsem to zvládla. Ale z toho se mi vybudoval takový superskill poměrně rychlého ponoření se do komplexních kontextů, což bylo potřeba rychle pochopit, o co vlastně jde. A pak jsem dostatečně šprtkasta na to, abych šla do hloubky tam, kde potřebuji. A zároveň jsem se časem naučila být sama k sobě upřímná, kdy už je to na mě těžké, kdy nemůžu jako LLM-ko předstírat, že něco vím, a musím říct ne.

Během té čínštiny a pobytu ve Finsku jsem si přivydělávala překlady z čínštiny do angličtiny a ruštiny. Jednou jsem například dostala překlad manuálů k nějakým dílům z jaderné elektrárny. Cítila jsem, že to můžu napravit nebo vylepšit, ale asi to není úplně ono. Nahlásila jsem to čínskému týmu a oni řekli, že jim stačí přibližný překlad, že to, co dělám, je v pořádku. Tam jsem si musela říct, že podle mě je to příliš kritické. Pak bylo Česko a kluk, se kterým jsem chodila, studoval na VUT v Brně a až pak, když jsme se vzali, jsem zjistila, že je v Pardubicích. Probdíval Prahu a přinesl Pardubice. Já jsem se stěhovala ze Stockholmu do Pardubic doslova. Jo, a Stockholm vlastně byl to místo, kde jsem si po dokončení bakalářů říkala, že…

Tady je opravený a stylisticky upravený text:

Skandinávské zaměření těch praktických projektů je něco, co chci dělat. Dostala jsem se na Královskou technickou univerzitu v Stockholmu, ale bohužel na docela nepovedený obor – media management. Když totiž nejsi občanem, musíš vyplnit spoustu přihlášek a záleží reálně jen na tom, kam tě vezmou, aniž bys musel platit školné, které jsou desítky tisíc eur. To jsem neměla ani já, ani moje rodina. Takže jsem tam vydržela půl roku, všechno s jedničkami, ale vůbec mě to nebavilo.

Bylo to takové… Jako teď bych si to asi ocenila, ale přístup ve stylu „nebudeme dávat špatné známky, protože by někdo mohl být smutný, důležité je, abyste si něco odnesli“ mi neseděl. Já byla takový ten dravec, co pracoval celý víkend, aby měl jedničku, a chtěla rychle nabýt znalosti.

Po půl roce se Honza přestěhoval za mnou do Švédska, abychom tam zkusili bydlet spolu, ale nakonec jsme to oba vzdali a vrátili se do Česka. Poté, co jsem si přála studovat inženýrství, jsem šla na Vysokou školu ekonomickou, protože to byla jediná z relativně jednoduchých možností studovat něco v angličtině. Díky programu, který jsem tam studovala, jsem se mohla na půl roku odstěhovat na stáž do Belgie, do McKinsey.

McKinsey má tam vývojové středisko, kde dělají software pro své konzultanty, který se pak snaží prodávat koncovým zákazníkům. Byl to izolovaný půlroční projekt automatizace finančních analýz, což bylo fajn. Projekt vyžadoval kombinaci používání Alteryxu a Tableau na tvorbu rozhraní – nic komplikovaného, ale pro mě to byl zážitek, protože jsem viděla, jak se dá mnohé dělat rychleji a efektivněji. Současně jsem věděla, že život konzultanta v Česku, až ten projekt skončí, není pro mě.

Začala jsem tak hledat cesty, jak se dá práce více a více optimalizovat. Dala jsem rychlou šanci dalšímu korporátu – Procter & Gamble. Původně jsem tam šla jen zjistit, jestli zvládnu pohovor v češtině. Zvládla jsem to a vzali mě do business oddělení.

DEVELOPMENT. Já jsem si myslela, že DEVELOPMENT znamená vývoj, nějakou technickou práci. To se ale nestalo. Potkala jsem tam Juraje Slotu, který vedl datovou divizi, která byla ale celá v Polsku, takže jsem nemohla jít k němu do oddělení. Poslal mě ale směrem k firmě Good AI, která byla jen o patro výš nad námi.

Právě v té době jsem se tam seznámila s Jirkou. V Good AI jsem musela maximálně využít své šance – neměli žádné otevřené pozice kromě data scientists a research scientists, což já rozhodně nebyla. Přesto jsem se jim ozvala s CV, že určitě potřebují nějakého projekťáka, mohu pomáhat psát vědecké práce nebo organizovat konference. Nakonec mě vzali a spolupráce sedla. Právě v té době jsem dokázala poměrně rychle zmapovat teoretickou stránku možných směrů vývoje a dlouhodobého smyslu výzkumu.

Kdybys chtěl/a ještě nějak upravit styl nebo délku textu, dej vědět!

Opravený text:

Co dává smysl prakticky. Zároveň se tam začaly řešit i aplikované věci, aby ten výzkum mohli financovat, čili úplně první projekty na, nevím, credit score modeling pro nějaké zákazníky. Byly to moje první hluboké reálné zkušenosti setkáváním se s trhem a koukáním na to, jak tyhle projekty probíhají.

No a jak to fungovalo? Já si pamatuju, jak vlastně Good AI udělalo červíka, nebo vůbec tuto propozici aplikace těch chytrých věcí do byznysu. Přišlo mi to jako velký skok: budujeme AGI, děláme credit scoring a modely. Šlo to? Je to jako stejná doména? Dalo se něco přepoužít? Nebo to bylo vlastně jenom využívání kapacit a lidí, chytrých mozků a nějakého brandu Good AI? Ale určitě to nebylo černobílé, že buď tohle, nebo tamto. Ten výzkum tam vždycky byl a vždycky pokračoval.

Spíš myslím, že to byl pokus využít toho, že ti mozky tam jsou, ale zároveň budovat jiný tým a jiné mechanismy na to, aby se to financovalo nejen interně, ale i externě. Myslím si, že se ten tým hodně proměnil a lidi, se kterými jsem začínala, odešli na vlastní nohu. My jsme s nimi pak spolupracovali, když jsem pokračovala dál v rodinné firmě Strojírenské v Jihlavě v Pardubicích, kde vlastně bylo potřeba, anebo jsem chtěla trochu diverzifikovat cashflow, které je v tom oboru strašně projektové.

Prostě vyvíjíš prototyp nějaké výrobní linky, musíš to celé zafinancovat dopředu a až to všechno odevzdáš třeba za dva roky, tak ti to firma zaplatí. Takže z pohledu rodinných financí je to těžší období, to chápu.

Tak tady bych se zastavila – rodinná firma se věnuje průmyslové automatizaci, což znamená nějaké automatizované linky. Byl to hardware, software? Obojí, ale primárně hardware.

Probíhá to tak, že když nějaká nejmenovaná automotive firma vyvine nový model auta a potřebuje začít vyrábět nějaké součástky, které zatím nadizajnovala, přijde zákazník, položí to na stůl a řekne, že potřebuje deset takových za vteřinu. Pak už je práce firmy taková, jako by byla LEGO stavebnicí pro asi 200 lidí v R&D, kteří poskládají různé hardwarové technologie tak, aby to fungovalo, a zároveň hledají nejoptimálnější cestu, jak to udělat.

Samozřejmě se řeší i programování, ale spíš PLC, něco jiného než to, co se děje na vyšších úrovních. Každopádně se z toho dají čerpat data, protože všude jsou senzory. V té době teprve vznikal trend prediktivní údržby, tedy využití prediktivního modelování, aby ses dozvěděl, kdy se něco rozbije a kdy ne.

Ještě v Good AI Applied si pamatuju, že se řešila nějaká zvuková analýza a přenos zvuku do spektrogramu, který analyzoval AI engine – možná jdu do příliš velkého detailu, ale tak… To byla původní propozice Neuro Soundware, ne? Jo, to byla vlastně poměrně podobná věc – analýza zvuku, když se něco rozbíhá.

Takže vlastně možná s tím…

Jistě, tady máte opravený text s lepší gramatikou, interpunkcí a srozumitelností:

Touhle inspirací jsem se ponořila do toho, že aby bylo cash flow lepší, dám nějak dohromady všechno, co jsem viděla předtím, a nastartovala jsem tam oddělení, které dělalo…

Poradenství, tedy consulting, na to, jak mohou linky vypadat, jak vypadá ta technologie, aniž by se to muselo realizovat. Ale pak jsem vlastně začala budovat portfolio softwarových produktů, protože kluci byli šikovní, měli spoustu různých zkratek udělaných na koleně v počítači, a já jsem to chtěla projít, zmapovat a produktivizovat. Přesně tak. A to nebyl jen software, což pro mě byla realizace té zkušenosti, ke které jsem se přiblížila dřív, a zároveň využití externích spoluprací – například s kluky, kteří se pustili na vlastní nohu z GoodAI Apply. Takže jsme tam chvíli měli takovou externí AI divizi na těchto produktech a projektech. A tam jsem si přičichla i k hardwaru.

Jedním z produktů byl externí kamerový systém, který připojíš ke stroji a ten si velmi dlouho zaznamenává, co se na něm děje. Pak má ale nějaký trigger, kdy když se něco rozbije, můžeš se jednoduše dostat jen k té pasáži záznamu, která zachycuje, co se přesně stalo. Protože dosavadní stav byl, že lidé, kteří na tom pracovali, museli potom koukat na hodiny a hodiny záznamu.

Když jsem to tedy pochopila po softwarové stránce, současně jsem musela dělat rozhodnutí typu: jaká je potřeba tloušťka hliníku na tu krabičku a tak dál. Na to jsem vůbec nerozuměla, ale dokázala jsem se dobře zorientovat, chodit za správnými lidmi a ptát se pořád dokola. A to dělám dodnes vlastně.

Jaká byla tato fáze? Jaké měla výsledky? V té firmě zůstaly produkty, které se podařilo vytvořit, a podařilo se přijít s jedním obchodním modelem? Ano, ano, ano, zůstalo. Funguje to, je tam teď kolem deseti lidí, je to docela slušný obrat – takže diversifikace proběhla dost úspěšně.

Zachránilo to rodinné finance? No, ten korarandy se pustil zase do větších a zajímavějších projektů, takže skoro.

Jedním z zajímavých výsledků pak bylo to, že jeden z produktů se stal externím spin-offem, který se jmenuje Mainware. Je to platforma pro systémové integrátory – tedy pro lidi, kteří instalují a provozují linky, aby to mohli efektivně dělat a opravovat na dálku.

Původně to byl takový hybrid buzzwordů – byla tam umělá inteligence, rozšířená realita, data a všechno možné. Chyběl jen Bitcoin, chápu. A asi ten tam taky chyběl.

Bylo to vlastně těsně před covidem. Myšlenka byla taková, že si někdo vezme tablet, nastaví ho na stroj a pak uvidí krok za krokem, co je potřeba udělat k opravě stroje. Případně to může dělat někdo na dálku a nemusíš platit servisní výjezd firmy, která má přijet a opravit to.

AI modul i AR modul se časem a zkouškou trhu ukázaly jako takový spaceship, ale trh ř…

Pokud budete chtít, mohu vám pomoci s pokračováním nebo další úpravou textu.

Tady je opravený text:

Říká se: „My potřebujeme lopatu, my nemáme ta data.“ Takže tohle bylo velké ponaučení, ale produkt se od té doby docela změnil. Teď vám to ještě nemůžu prozradit, ale procházíme akvizicí jedné zajímavé firmy. Není to úplně vhodné do vysíčkového světa, i když jsme se tam samozřejmě taky snažili probourat, ale není to tak škálovatelné, takže je to spíše cesta nějaké technologické akvizice do tohoto oboru. Ten produkt ve status quo je tedy spíš, řekněme, pozlátko toho, co tam měla ta sexy nezproje, story, AR, VR, plus umělá inteligence — více to nyní dělá platforma samotná. Tak co to teď vlastně dělá?

Dělá to víc jako 2D klasický videohovor s nějakými učícími se věcmi, jako je edukace, sběr dat o strojích, do určité míry digitální profil – dvojče toho stroje. Nabízí přístup k interaktivní dokumentaci přímo v datech v 3D, aby se nepracovalo s papírovou dokumentací, protože se skutečně ukázalo, že právě tam je ten hlavní problém. Na to se pak u některých zákazníků nasazují hezky moduly prediktivní atd., ale reálně jde hlavně o ta data. Ten podcast je taky právě o těch datech.

Takže to se všechno hezky podařilo, akorát jsem pak šla rodit. V těch oborech jsem vůbec nevěděla, jestli se budu chtít vrátit, nebo ne, protože už zašla ta hranice, pracovat hodně těsně spolu s manželem a s jeho tatínkem, který tam stále ještě je.

Je to super, ale nevěděla jsem, jestli to zvládnu i s malým dítětem. Měla jsem štěstí, že jsme potkali několik skvělých lidí, kteří obsadili ty židle, jak ředitele oddělení, tak i CEO Mainweru. Takže jsem šla rodit, nějakou dobu jsem ještě na začátku mateřské něco na tom dělala, ale strašně jsem žárlila na manžela Honzu, že on tam může chodit, vidět moje kluky a reálné zákazníky, a já jen sedím a poslouchám, co se tam děje. To jsem tak nějak nezvládla.

Zároveň, když jsem řešila, co dál, měla jsem šanci dělat nějaké analýzy pro Aspén a začít zpracovávat nějaké veřejné tovky, tenkrát asi poprvé — byla to taková vrstva věcí, na které už jsem měla dostatečnou expertízu, ale zároveň neznamenaly dlouhodobé zapojení. Tam jsem pochopila, že možná jsem lepší okecávač a teoretik v těchto věcech, ale že zároveň svět bytu „béčka“ průmyslu je sice jasně lukrativní, ale já nejsem úplně připravená se do toho vrátit.

Jako vezmi si, když jsi mladá holka, ruská, v té době ještě s přízvukem, jdeš za ředitelem fabriky mu vysvětlovat, že potřebuje uspořádat svět jinými způsoby. Šlo to, ale bylo to náročné a to jsem pochopila až zpětně.

Pak přišla nabídka od Škodovky rozjet neziskovou školu programování zde v Čechách s názvem Forty to Prague. To mi dávalo velký smysl, protože největším bottleneckem i v těchto projektech v EHW vždy byli programátoři a lidé, kteří se vyznají v matematických modelech. Tak jsem si říkala, že to je vlastně s…

Jestli chcete, mohu text upravit i stylisticky nebo zkraťte.

Tady je opravený a upravený text:

Strašně hezké propojení. Ale je vtipný, že už jsem se úplně rozpovídala, ale právě v tu dobu, když jsem tu nabídku přijala, jsem byla ve výběrovém řízení přímo s OpenAI. Když jsem řešila, že tu mateřskou chci už ukončit a co nejdřív se vrátit zpátky do světa, zároveň jsem cítila potřebu být trochu víc zapojená do toho, co se v AI z pohledu vývoje reálně děje, abych se necítila jako úplný impostor.

Uvědomila jsem si, že můj profil je natolik netypický, že úplně nesedím na ty klasické otevřené inzeráty. Tak jsem si jednou v noci, kdy jsem byla vzhůru, dala půl lahve vína a řekla si: „Co je můj nejambicióznější sen? Teď to pošlu do OpenAI.“ Oni řekli: „Jo, hele, pojď.“

Reálně tam bylo asi sedm, osm kol výběrového řízení. Byla to doba kolem přelomu 2020 a 2021, pokud si dobře pamatuju. Larka se narodila v roce 2019, takže to bylo něco pod dva roky poté.

V té době už podle mě existovalo GPT-3, ale ještě jen v takovém „playgroundu“. Nic jiného ještě nebylo. Testy šly přesně směrem: „Zkuste vymyslet nějaký use case, k čemu nám to může být dobré.“ Takže to bylo vtipné. Pamatuju si, že když přijeli kamarádi, ukazovala jsem jim: „Hele, to tady píše povídky a pohádky.“ A oni říkali: „Jo, to je nějak divný.“ A pak o pár let později se to ukázalo jako velká bomba. Teď už ti všichni ukazují, jak to opravdu může fungovat.

Jaká byla tvá zkušenost s celým tím přijímacím procesem? Už to byla velká profi firma a americký pohovor všude kolem, nebo to bylo spíš punkové?

To víš, že to byl úplný punk. Dneska v Londýně spolupracujeme s Antropikem, což je úplně stejný punk. V těchto firmách a oblastech jsou podle mě nejdůležitější mladší lidé, protože jsou víc odolní vůči změnám. Jeden den děláme jeden produkt, další den ho pojmenujeme jinak, nevíme, jak to financovat, takže hledáme nové způsoby, jak z toho brát peníze — jednou jsou to tokeny, pak zase něco jiného.

Zkušenost byla ale hodně příjemná, potkala jsem spoustu zajímavých lidí skrz ty pohovory. Pozice na začátku byla taky úplně otevřená – pojďme se podívat, co z toho vymyslíme, což je vlastně můj story of life asi dodnes. Pak to ale směřovalo k propojení zajímavých institucí a vývoje — v moderním světě se tomu říká „defrel“ (definice release?), což je sběr zpětné vazby na používání modelu od zajímavých klientů.

A pak formulovat ty zpětné vazby zpátky do vývoje.

Říkám to proto, že ty nabídky mi přestaly chodit prakticky během jednoho pátku a já se dostala do situace, kdy jsem se do pondělí musela rozhodnout. Mohla jsem si klidně nechat svůj současný job, ale abych to zasunula na správnou míru, měla jsem za sebou poslední kolo v pátek, které proběhlo dobře. Měla jsem pocit, že to dopadlo dobře, ale reálnou nabídku jsem ještě nedostala.

Pokud chceš, můžu text ještě více zkrátit nebo upravit styl.

Tady je opravený text:

Tala. Ale bylo to nějakých sedm, osm úspěšných koleček za mnou. Ráda to tak beru, že to bylo skoro tam. Ale každopádně to bylo strašně těžké rozhodnutí. Buď dělat něco takhle velkého, anebo dělat něco velkého, ale tady v Česku, lokálně.

No a tak pojďme teda k Fortitu Prague. Jaký je ten celý koncept, možná ho představ, a proč to tady drajvovala Škodovka? Jestli je to obecný princip, že za tím stojí nějaká globální sféra? Úplně není. Tato škola je součástí celosvětové sítě, která se jmenuje Fortitu Network. Dnes je tam už asi 50 škol po celém světě, ale vzniklo to asi v roce 2013–2014 ve Francii. Vzniklo to jako taková otevřená, zdarma alternativa k klasickému vysokoškolskému vzdělávání v oblasti softwarového vývoje.

Ve Francii je to totiž za prvé docela drahé, a za druhé si už všichni začali uvědomovat, že nepotřebuješ vyloženě vystudovat teoretickou computer science vysokou školu, abys mohl dělat něco dobrého. Takže vzniklo kurikulum, které je specifické tím, že je hodně postavené na gamifikaci, všechny buzzwordy doby, a je to projektové. Nejsou tam učitelé, nejsou tam přednášky, je to hodně postavené na peer-to-peer principu. Prostě dostaneš nějaké lidi kolem, nějaký projekt, můžeš si většinou do nějaké míry vybrat, jak to budeš realizovat, odevzdáš to a pokračuješ na další level.

Po cca třech letech, pokud splníš úplně všechno, jsi full stack – ideálně –, ale samozřejmě se můžeš zaměřit na konkrétnější obor. To se osvědčilo jako docela fajn věc po celém světě. Nejprve to přinesl Volkswagen do Wolfsburgu a pak Škodovka rozhodla přinést tento koncept sem do Prahy.

Ještě možná specifické v tom konceptu je, že zaprvé je to zdarma. To je definováno právě tou Francií – studenti nesmějí za to nic platit a nesmějí být vázaní žádnou smlouvou, že by pak museli jít pracovat ke konkrétní firmě nebo partnerovi. Což mi přijde strašně hezké, ale zároveň to znamená, že v každé zemi je ekosystém takový, že „vlastnit“ toho programátora v uvozovkách je strašně těžké. Když si vybuduješ nějaký interní vzdělávací program a investuješ čas do vývojáře, juniora, on ti stejně po pár letech odejde. Ale zase k tobě přijde někdo, koho vyškolil někdo jiný.

Přišlo mi to jako hezké gesto směrem k tomu, že si pojďme všichni společně vytvořit dobré juniory a oni si pak sami vyberou, co dál.

Co to znamenalo to rozjet? Jaká byla škála a jaké byly věci s lokalizací? Byly tam nějaké mustry a bylo to jen o přeložení stránky a nasazení písniček?

Plus se mi líbí, že to celé je v angličtině, takže lokalizace ani nebyla potřeba, ale znamenalo to, že v únoru jsem dostala rámcovou smlouvu s francouzskou centrálou a informaci, že za půl roku má tady fungovat škola se 150 studenty, kteří se mají vykrystalizovat po měsíčním výběru.

Pokud chceš, můžu ještě více text přizpůsobit či upravit do plynulejší podoby.

Jistě, tady je opravený text:

Což je taky taková speciální feature té školy, že musíš si vlastně vzít na měsíc volno, makat na tom výběrovém kole, něco se samozřejmě naučíš, ale zároveň je to v C, takže se naučíš něco, co pravděpodobně hned neuplatníš, protože začínáš od nuly, bez předchozích znalostí. A pak se rozhodne, jestli jsi přijatý, nebo ne. Za půl roku bylo potřeba mít takových lidí 150, a po třičtvrtě roce jich bylo myslím asi 120, takže to byl úspěch. Ale v tu chvíli bylo potřeba vůbec zmapovat, zjistit ne, co s tou smlouvou dělat, ale jak vypadá kurikulum a co k tomu je potřeba.

Třeba hardware setup, prostor, budova – v tom byla Škodovka velkým partnerem a podporovatelem, ale také bylo potřeba sestavit tým, který měl asi deset lidí a pokrýval jak IT a technickou stránku, tak i pedagogickou stránku toho kurikula, dále komunitní stránku, partnerství a také řízení financí, protože Škoda byla hlavním, ale ne exkluzivním partnerem. Takže bylo třeba všechno tohle zajistit a zároveň zvládat malé dítě a život v Pardubicích. Měla jsem strašnou kliku, že ta lokace, kterou jsme vybrali, byla na Kolbence, což je vypadovka na Pardubice, protože přes celou Prahu by to bylo náročné.

Takže zkrátka uchopit to nějakým způsobem, který by tu komunitu oslovil, ten princip a obsah mi přišly opravdu skvělé. Definovat si cílovou skupinu, která je v každé zemi trochu jiná – někde mladší, někde starší. Kdo to byl u nás? Jaký byl profil toho studenta? U nás to byli vždycky, jak říkám, spíš starší lidé kolem třiceti, ale už to vůbec nejsou starší lidé. Prostě někdo s backgroundem v marketingu, sociálních vědách, netechnickým oboru, kdo si během covidu uvědomil, že může být flexibilní a vydělávat slušné peníze stabilně, když se naučí programovat. Nebo projektoví manažeři, product manažeři, kteří potřebují hard skill, aby se posunuli dál. Každopádně šlo a jde spíše o rekvalifikaci dospělých, kterou můžeš dělat podle sebe, svým tempem, a nemusíš být nikým tlačený, což mi přišlo lepší než se cpát do segmentu alternativ vysokých škol, protože ten trh je tady strašně malý a nechtěla jsem si zkazit reputaci na zbytek života.

Také si myslím, že s mladšími lidmi se pracuje úplně jinak, zejména co se týče zodpovědnosti – tady opravdu nešlo o to je neustále hnát, aby něco odevzdali, ale se staršími to fungovalo líp. Musím říct, že to má opravdu své kouzlo – komunita, která kolem toho vznikla, studenti, kteří tím výběrem prošli. A také spousta navazování vztahů s jinými kampusy, jinými zeměmi a sledování, co funguje a co nefunguje, takže to byla docela komplexní úloha, ale strašně mě to bavilo, protože jsem v tom viděla velký smysl, aby něco takového vzniklo.

Pokračuje 42 Prague?
Pokračuje. Teď nedávno dokončili první studenti první část kurikula, zabralo jim to skoro dva roky, takže to je opravdu docela…

Pokud chcete, můžu pokračovat i s dalším textem.

Zde je opravený text:

Je to dlouhodobá záležitost, ale stále tam probíhají nábory nějakých, myslím, stovky studentů ročně, něco takového, takže to funguje. A ten výstupní profil je takový, že zůstávají ve svém oboru, ale mají k tomu něco navíc, nebo se stávají softwarovými inženýry a mění úplně kariéru. Těžko říct, protože to není úplně lineární proces – studenti nedokončí kurikulum a rovnou jdou do praxe. Samozřejmě, když mají předchozí zkušenosti, jsou schopní dostat zajímavou nabídku od partnerů už během prvních pár měsíců. Myslím tedy, že škála kariérních transformací je pestrá – od testerů po juniory, vývojáře, až po povýšení z mediora na seniora u lidí, kteří už v tom prostředí byli.

Jak se z Fortitu Prague stalo Fortitu London? To byla další zajímavá kapitola. Když děláš něco tak rychle a ve velkém rozsahu, není to pro mě úplně udržitelné. Poté, co se škola krásně rozjela a partnerské zázemí bylo definované, začala jsem cítit potřebu hledat jinou cestu, která by pokračovala v rámci Fortitu, ale nebyla zaměřená pouze na automotive. Fortitu London tehdy teprve vznikal a projevil velký zájem směřovat vzdělávací procesy k AI, a to nejen vývoji AI, ale obecně k tomu, čemu se provizorně říkalo – a dodnes říká – AI skills. Bylo to přesně období boomu generativních technologií a objevovaly se obavy, že programátoři možná přestanou být potřeba, takže bylo třeba na to nějak reagovat. Připadalo mi to jako skvělá možnost znovu budovat hluboké znalosti v tomto oboru, ne jen být high-level manažerem.

Ty jsi říkala, že to automotive je nějaké specifikum, nebo je to specifikum 42 Prague, že používají jiný tech stack, mají jiný „flavor“ oproti jiným?

Určitě ano. Co se týče zaměření, jsou tam i další partneři, ale škola vznikla díky zakladatelům, kteří úzce spolupracují s Volkswagenem – například ve Wolfsburgu a Berlíně. Skillset, který je potřeba pro programátora tam, je spíše zaměřený na embedded programming, což znamená nízkoúrovňové jazyky, kde je třeba efektivně pracovat s omezeným hardwarem. Naproti tomu londýnský kampus funguje úplně jinak – je financovaný soukromou nadací, je bez zisku, bez tlaku na to, aby všichni absolventi našli zaměstnání, a bez velkého počtu korporátních partnerů. To mu dává větší svobodu zkoumat nové oblasti a budovat další programy paralelně se základním kurikulem. V tom jsme si rozuměli a nejen v 42 jako neziskové organizaci, ale i v londýnském kampusu, díky úzké spolupráci s neziskovým sektorem, jsme začali směřovat k tomu, že teď primárně pracuju na programu umísťování studentů na stáže v neziskovkách místo korporátních stáží. Tak, aby mohli spolupracovat s mentory a experty a pomáhat.

Pokud chceš, mohu pomoci i s dalším zpracováním textu.

Neziskovkám pomáháme automatizovat některé procesy a využívat základní GNI nástroje, ale zároveň jsme se zaměřili na reálnou integraci do jejich procesů. Myslím si, že neziskový sektor si to opravdu zaslouží. Právě tam je nejvíce vyhořelých lidí, ale bohužel to není příliš atraktivní oblast pro senior data scientisty, aby tam šli něco dělat.

Kromě toho, co jsi říkal, co tě vlastně naučilo Fortitu Prague a spolupráce s Fortitu Network, a co jste pak mohli rovnou přenést a aplikovat v Londýně? Jaké byly nové výzvy a zcela jiný rámec kromě širšího zaměření, toho, že je to víc o neziskovém sektoru, a tvé nové role v zajišťování stáží a praxe v neziskovém prostředí? Co to všechno znamenalo?

Byl to úplně jiný systém a jiná komunita, ke které jsem vůbec nepatřila. Přicházela jsem tam jako úplný nováček, ale dalo mi to svobodu soustředit se víc na stakeholder management, který jsem se rozhodně hodně naučila v Praze, a zároveň se více zaměřit na pedagogickou složku – na tvorbu curriculua a mapování toho, kdy by bylo vhodné přidat do curriculua například Javu nebo Python, aby studenti byli lépe uplatnitelní.

V rámci Fortitu curriculu už existovalo několik projektů zaměřených na úvod do machine learningu, ale spolu s vedením londýnské školy jsme vnímali, že dává smysl něco nad rámec toho budovat a hlavně dát studentům více prostoru k experimentování.

Protože s rozvojem AI je Python samozřejmě stále velmi užitečný, ale pokud mluvíme o lidech přicházejících z úplně jiného odvětví, kteří třeba během curriculua zjistí, že programování je pro ně náročnější, ale raději by využili svou odbornost jinak, je dobré v nich vybudovat dovednost, aby mohli být mostem mezi reálnými business potřebami a tím, jak to technologicky dát dohromady.

Věřím, že když umíš něco dobře vysvětlit někomu jinému, pomůže ti to lépe navrhnout architekturu řešení a jednodušeji rozpoznat mezery mezi IT a byznysem. Ta mezera tu byla vždy, ale na základě mých zkušeností z průmyslu si myslím, že v oblasti AI je to ještě výraznější.

U AI projektů je totiž běžné, že na začátku je jednoduchý pilot, všichni jsou nadšení, model dosáhne třeba 90 % přesnosti a říká se „super“. Pak si však vedení uvědomí, kolik času a peněz stojí implementace do stávajícího systému, a zjistí, že současný AI tým nemůže jednoduše převzít veškerou agendu týkající se dat a AI.

Tady jsem viděla zánik řady AI projektů a myslím, že nyní jsme v bodě, kdy se od AI očekává, že vyřeší úplně všechno.

Proto se snažím v rámci londýnských aktivit zaměřit na to, aby to nebylo jen o vytvoření custom řešení G…

(pokračování textu chybí)

PTčku a myslet si, že jsi všechno vyřešil, ale prostě rovnou myslet na škálovatelnost a dávat tím neziskovkám tu podporu těch studentů nebo dalších profesionálů nějak dlouhodobě. A zároveň strašně rezonovalo to, že lidi – reální experti z průmyslu, kteří tomu věcem rozumějí, budovali nebo řešili systémovou integraci ve větších firmách – to know-how jsou ochotní, když s nima přijdeš a řekneš „prosím, prosím, prosím“, tak jsou ochotní ho dávat i studentům, i neziskovkám. Jinak se to know-how asi nikdo nebude schopen zaplatit samozřejmě, protože neziskovky nemají takové AI rozpočty, tak si většinou radši řeknou, že ne, to je něco pro bohatý, my to nebudeme dělat. No a jestli u Fortitude London ta škála studentů je taky 100, 150 nebo je nějak větší? Je to menší a zároveň ti studenti jsou dost mladší, protože jak v Česku podle mě vysoké školy nejsou finančně náročné, tak v Londýně už je to těžší. Takže jsou to spíše lidi z různých underrepresented communities nebo migranti, kteří to vnímají jako způsob, jak si trošičku to otočit a získat nějaký skill, který je uživí poměrně rychle. Takže tohle bylo pro mě něco nového, nový setup, ale zároveň já se u toho asi nejvíc učím – nebo jsem se naučila – věci delegovat, což je něco, co se samozřejmě učíme celý život. Protože já jsem tady v Pardubicích, samozřejmě zaletím poměrně často do Londýna, ale ten pedagogický tým a ti studenti jsou prostě tam, takže já musím vytvořit, vyformulovat nějaký projekt, vzdělávací strategii, kterou pak tam předám, a učím se do toho příliš nezasahovat a říct: až to bude potřeba, zaletím vám tam. Tak pojďme k tvému dalšímu štěmlu, Head of AI EduLab, sfera Pardubice – tak to vzniklo jak? To jsi hledala uplatnění? Ne, úplnou náhodou. Protože žiju v Pardubicích, děcko mám ve školce v Pardubicích a to se ukazuje jako to hlavní kritérium, kde pak reálně jsi, když pracuješ pro Londýn. A cítila jsem docela potřebu najít si nějaké lidi, nějaké fyzické zázemí, kam bych chodila, protože jen jezdit do Prahy a zpět je samozřejmě těžké. A to upřímně pro mě v tom covidu bylo tak strašně těžké, že jsou peníze a jeden z těch faktorů rozhodnutí bylo přesně to, že být doma v teplácích a pracovat přes noc v jiné time zone je něco, co bych úplně nedala. Takže v Pardubicích vznikalo v té době centrum, středisko, nevím, jak to nazvat. Jmenovalo se to v té době Centrální polytechnické dílny. Myšlenka byla taková, že díky poměrně velkému financování v obrovské budově vznikla spousta zajímavých laboratoří se špičkovým vybavením od IT přes VR, robotiku, ale také fyziku, chemii, přírodopis, textil, dřevo, kov – úplně všechno možné. A to je taky neziskové středisko, kam se ale vozí autobusy dětí z různých regionálních škol a ty děti tam mají šanci mít programy interaktivnější, než by zažili v běžné učebně. Ale zároveň sféra tomu dává velký prostor. Do nějaké míry se řídí RVP, ale zároveň mít tam lidi z reálného průmyslu a vymýšlet ten…

Opravený text:

Obsah je zajímavý a kreativní, což znamená, že úvody do toho, co umí a neumí umělá inteligence, nebo třeba kritické myšlení v rámci kyberprostoru, správa datové stopy a podobně, jsou vlastně věci, které se tam krásně realizují. Ředitel sféry se mi ozval tím, že o mně někde slyšel, něco četl a protože jsem taky v Pardubicích, tak se pojďme pobavit. Strašně jsem se bála, že bude chtít implementovat AI jako výukový směr, tedy že budeme třeba učit děti, jak si vytvořit neuronovou síť. To se mi nezdálo jako dobrý nápad, a upřímně ani nevím, jestli bych to zvládla. Ale oba jsme to vnímali jako nástroj, který by mohl pomoci výuce jednotlivých předmětů a dělat věci trochu jinak. Takže celý AI Edulab vznikl s cílem pracovat s jednotlivými lektory a hledat průniky, jakým způsobem AI může pomoci učit věci odlišně. V jednotlivých doménách, takže to není samostatná doména jako kov a dřevo, ale pomáhá to lépe učit například kov a dřevo, když si vezmu ty nejzajímavější oblasti pro kluka od počítačů. A tohle celé je tedy v automatických mlýnech? Přesně tak.

Je to ten prostor. Samozřejmě se ukázalo, že víc než vybudovat nebo navrhnout něco – ať už metodiky nebo nástroje –, není možné to prostě jenom předat a očekávat, že to hned začnou využívat. To je trošku idealistické, ale tak nějak jsem to tušila. Segment formálního vzdělávání je hodně specifický nejen kvůli skepsi, co ta AI vlastně je a proč to musíme dělat, ale také proto, že učitelé nemají moc mentálního prostoru na to, aby nové technologie řešili. Takže v tom jsme začali dost aktivně spolupracovat s volnočasovou sférou, kterou jsi tady taky před chvilkou zmínil, ale také hledat zajímavé nápady, myšlenky, obsah a workshopy. Ukázalo se, že než cokoliv začneš implementovat, potřebuješ udělat spíš víc workshopů, ve kterých věc opakuješ a vysvětluješ, pak to lokalizuješ přesně k výuce cizích jazyků nebo jiných konkrétních předmětů za využití AI, a pak teprve můžeš začít něco budovat.

Můžeš dát nějaký konkrétní příklad, třeba jak integrujete AI do některých kurikul? Jak se to vlastně změnilo?

Hele, například v rámci spolupráce grafiky a IT máme díky spolupráci s fakultou workshop na algoritmickou neviditelnost, kde cílem je najít nějaký pattern a namalovat si ho na obličej, díky kterému jsi pak zakamuflovaný a neviditelný pro algoritmy počítačového vidění. Digitální odboj, něco takového.

Tady vstupuje do toho tvoje symbologie?

Zatím ne, ale mohla by.

Nebo kolegyně teď vymyslela spolupráci s fyzikou, kde se snažíme vizualizovat energetickou náročnost využití generativní AI. Nosíš někam nějakou vodu v lahvičkách a ukazuješ, kolik vody je potřeba na vaření ve varných konvicích nebo podobných přístrojích, aby se vygenerovalo určité množství obsahu, obrázku nebo textu. Takže je to taková sranda a zároveň experimenty v podstatě.

No a to mě přivádíš ke dvěma tématům. První je vlastně vzdělávání, ať už jde…

Pokud chceš, mohu pokračovat v opravě i další části textu.

Opravený text:

O děti nebo víc poučenou společnost, co se týče umělé inteligence a generativní umělé inteligence. Máš tam pocit, já zase v té naší bublině vidím spoustu projektů, mám pocit, že AI bylo téma číslo jedna nejen v technologické, ale i v společenské vrstvě. Najednou jsme měli OpenAI a ChatGPT na titulkách novin a časopisů, což rozvířilo nějakou diskuzi – samozřejmě posunutou různými směry, místy SkyNet a Terminátoři, jinde AI nám sebere práci a jindy je to úplná blbost. Jak teď vnímáš status quo? Je společnost dostatečně vzdělaná, ví dostatečně, umí to téma uchopit, posunulo se to za ty dva roky, anebo vlastně proběhla nějaká informační vlna, která rozdělila lidi na pár táborů a tím to skončilo? To jsou otázky. Rozhodně si myslím, že ty dva tábory tady stále jsou, prostě jsou to dvě izolované „chambers“, kde někdo říká, že AI je boží a Cloudcout nás zachrání, a další bublina si myslí, že to zabije lidstvo, takže to nebudeme využívat. Ale myslím si, že už na začátku to vypadalo tak, že když AI už nebyla domenou jen těch lidí, kteří umějí s těmi modely nějak komunikovat, ale už si tam každý mohl dát nějaké slovíčko, tak to samozřejmě otevřelo spoustu zajímavých směrů a aplikací, a AI se specializoval úplně každý. Zároveň byl vidět společenský dopad… Z každého se stal AI expert. Asi tak. No, ale v tu chvíli jsem se vlastně cítila strašně trapně, protože jsem měla pocit, že to je jen malý zlomeček celého landscape, ale vypadalo to, že veškerá pozornost je tam – všichni se ptají, jestli AI nás zabije, nebo zachrání, a já na tohle fakt nemám odpověď, ale expertů najednou začalo být strašně moc. Co jsem ale chtěla říct ohledně toho, jak jsme se za dva roky posunuli, je to, že na začátku to byl obrovský hoax.

Spousta ředitelů firem, high-level lidí, i v prostředí vzdělávání, přišla s tím, že asi je to cool, a proto to musíme mít. Dali si to někde do kapes, a vzniklo to ne z reálné inovace poháněné byznysem a konkrétní potřebou, ale jen proto, že tu technologii tam musíme nasadit. Zároveň ale chybí interpretovatelnost. Takže stejně jako v průmyslu platilo, že nejlepší výsledek AI projektu je, když se rozhodnete AI nepoužívat a máte tam hardcoded řešení, tak si myslím, že do jisté míry to teď platí i ve vzdělávání a v korporátním prostředí ve firmách. Bylo tam nadšení, ale když to pak spadlo na talíř reálného člověka, manažera, který řeší implementaci, a přišly mu problémy a nejasnosti, tak se to trochu ochladilo a uklidnilo. Ale myslím, že podle toho, co vidím já, je vzdělávání přesně ta vrstva, kterou se to začalo opravdu hýbat možná víc než v jiných oblastech. Protože vidíme, že mladší lidé prostě vidí, co to je, používají to, a zároveň učitelé či lektoři nemají pocit tlaku, že teď hned s tím musí něco začít dělat. Protože přeci nějakým způsobem…

Tady je opravený text s lepší strukturou a jazykovou úpravou:

My to funguje a i když se otevírá AI diskuse a říká se, že je potřeba AI používat, my ji už vlastně používáme. Což většinou znamená, že vygenerujeme obrázek a tím to končí. Nebo se strašně řeší téma AI detektorů, detektorů podvodů například u domácích úkolů. To je ale ve větším měřítku problematické, protože nejde o to, abychom AI jen detekovali, ale abychom celý systém překopali tak, aby nebyl zaměřen pouze na hard knowledge, ale spíše na nějaké kritické schopnosti.

Máš pocit, že se tohle už nějak propisuje do vzdělávání softwarových inženýrů? Protože pro mě byla nejvíc šokující věc, jak je to užitečné právě v pilotních projektech. AI umí pomoct a zrychlit vytváření kódu – ať už je to software engineering jako širší sada znalostí a dovedností, nebo čistě kódování, automatické testy, hledání bugů, párové programování a tak dále. Mám pocit, že tam dochází k obrovskému posunu.

Na druhou stranu nemám ale pocit, že už jsme v produkční fázi s plnou produktivitou. Když se bavíme ve Fortitude Network, pokud bys měla vytvořit kurikulum na dalších pět let, jakým směrem by ses podle tebe měla posouvat? Budeme stále muset umět C, nebo je to tak základní znalost, že je potřeba hlavně rozumět low-level principům a pak vše ostatní abstrahovat? Nebo tam vidíš nějaký posun?

Já to vezmu od začátku – rozhodně si myslím, že technologie budou dál takto pokračovat a problém mismatchu mezi akademickým vzděláváním (bakalářem) a tím, co se dá opravdu naučit a co člověk reálně využívá, bude existovat dál. Určitě lze být dobrým programátorem i bez hluboké znalosti low-level konceptů, například bez znalostí, jak se spravuje paměť, protože když člověk kombinuje frameworky, tak to většinou stačí.

Právě na tom je založen princip a kurikulum Fortitude Network, do kterého ale úplně zasahovat v univerzitních kampusech nemůžeme. Je to o tom, že když se naučíš principy – logiku a základy – tak jsi schopný se poměrně rychle přizpůsobit jakémukoliv dalšímu programovacímu jazyku. V tomhle má člověk stále nenahraditelnou roli. Základní matematické a širší vzdělání rozhodně vždy pomůže.

A přestože nás spousta vtipů a meme vyobrazuje, že AI nahradí programátory, realita je taková, že zákazník by musel naprosto vědět, co chce – a to se nikdy nestane.

Co se týče prognózy do budoucna, programátoři jsou velmi adaptabilní. Už dnes AI využívají, ale je to hlavně o tom, se naučit ji používat zodpovědně. Pro juniory, kteří začínají, je velmi lákavé, že si mohou něco jednoduše vygenerovat a použít. Ale ten skill architektury systému a pochopení, jak chyby na juniorské úrovni mohou mít vliv na seniorní úroveň, je něco, co si myslím, že pokud AI pomáhá… (text končí).

Pokud chceš, mohu pokračovat v opravě nebo srozumitelném doplnění i zbývající části textu.

Opravený text:

Bude se to využívat víc, takže zase vznikne větší rozdíl mezi juniorem, seniorem a mediem. Ale více to asi bude o tom, mít schopnosti předvídat následky a vytvářet nějakou architekturu k tomu. Snažím se to tedy směřovat spíše k nějakému kritickému přemýšlení. A pro mě vlastně, historicky řečeno, nebo spíš když jsem se poprvé rozhodla, že se budu do toho oboru ponořovat, tak jsem za tím jela do Forcitu Praha, abych načerpala moudrost na MIT. To byla další velká výzva a hledání, co bych v životě chtěla dělat úplně nejradši. Jela jsem tam na letní program jejich Professional Education Division k systémovému inženýrství AI.

Ten rok vlastně Jenny AI už začala být velkým tématem, ale kurikulum na to vůbec nemířilo, spíš řešilo celý lifecycle management a všechny další aspekty s tím spojené. To mi přišlo strašně fajn a uklidňující v tom, že Jenny AI zásadně nic nemění. Jedním z důvodů mého rozhodnutí bylo i to, že Harvard – nevím, jestli jste si toho všimli – jako první spustil AI asistenta pro vzdělávání programátorů The Duck na svém kurzu CS50, který vede David Malan, což je taková ta základní výuka software engineeringu. Asi nejrozšířenější a zdarma dostupná věc pro ty, co se chtějí do tématu ponořit.

Takže jsem si strašně přála, aby mi tam někdo pomohl pochopit, jak je to udržitelné, jak je to náročné na provoz, jak se to dá reálně vyždímat z těch foundational modelů, ve kterých vlastně vůbec nevíš, co bylo v trénovacím datasetu. V té době totiž ještě nebyly možnosti fine tuningu ani malé open source modely, takže byla dostupná jenom API vrstva GPT a nic víc.

Všechny jsem se tam proto na to vyptávala – svého profesora, kolegy, co jsem tam měla. A poslední večer jsem zjistila, že ten kluk, který má na starosti vývoj celého produktu, seděl přímo za mnou v kurzu. Když jsem za ním přišla a řekla mu, že ho potřebuju, že chci vědět úplně všechno, strašně se vylekal a bál se, že ho stalkuju, a ptal se, jak jsem věděla, že tam bude. Ale mohla jsem se pak nahlédnout do Harvardu a zjistit, jak to vlastně dělají.

Zajímavé je, že hodně spoléhají na to, že mají výpočetní kapacitu zdarma, protože jsou prestižní vysoká škola. A také se ukázalo, že většina materiálů CS50 už je v trénovacím datasetu OpenAI. Podařilo se jim tedy spustit opravdu hezký projekt, kde hlavní otázkou byla kalibrace, tedy jak udělat to, aby to bylo napomocné – ne aby ti to prostě jen vyplivlo kód, ale aby ti to krůček po krůčku vysvětlovalo postup.

Po roce, co jsme se zase v létě viděli, mají asi největší sadu dat o tom, jakým způsobem se to používá ve výuce programování. Zároveň řeší, jak to doladit, aby to nebylo příliš napomocné, a jak to optimalizovat pro případy, kdy by to chtěl používat někdo jiný, kdo nemá všechny věci zdarma.

A tak nějak to zatím sleduju, hodně v hlavě to řeším a u všech aktivit se zaměřuji na benchmarky a měření výsledků.

Tady je opravený text, aby byl srozumitelnější a gramaticky správný:

Vliv využití těchto nástrojů může být značný, ať už ve vzdělávání programátorů, nebo ve vzdělávání kohokoliv. Nemám pocit, že máme robustní benchmarkingový systém, který by měřil, jak tyto nástroje skutečně fungují; a už vůbec ne, abychom mohli říct, že například ve výuce matematiky nám to zlepšuje výsledky o určitý počet procent, případně v jazyce Java o jiný podíl. Zkrátka nevím o žádném jiném spolehlivém měření. Pro mě je to proto velice zajímavé téma. Měla jsem navíc možnost letos v létě si nějakým zázrakem sjednat schůzku s děkankou pro digitální vzdělávání na MIT, která vede celou laboratoř zabývající se výzkumem, jak budovat AI literacy v různých předmětech. Ta zmínila, že benchmarking je něco, čemu se jejich výzkumný tým teprve začíná věnovat, takže to byla pro mě taková validace, že na to přemýšlím správně.

Je to velké téma i proto, že si nemyslím, že výsledky jsou krátkodobé a jednoduše měřitelné – například tím, že v hodině použiji nástroj nebo ho nepoužiji a změříme hned výsledek. Spíš to pravděpodobně mění motivaci, očekávání, jak výuka bude probíhat. Je to stále velmi dynamické a komplexní, uvidíme, jak se to bude vyvíjet. Zatím k tomu mám velký respekt a beru to tak, že se ve všem vzdělávám a hledám různé cesty, jak to aplikovat.

U programátorů v 42 je to pořád poměrně na začátku, i po roce a něco. Například v oblasti managementu jsem teď sestavila program Newton MBA, který je zaměřený na AI v byznysu. Je to vlastně taková sada reálných ukázek, že pokud chceš něco dělat, musíš si zmapovat procesy, rozhodnout, jakým způsobem budeš postupovat, jestli interně nebo externě, řešit životní cyklus projektu a tak dále. Byla jsem překvapená, že nikdo podobný program ještě neudělal – existuje spousta krátkodobých kurzů, ale myslím, že pro manažery v jakémkoliv odvětví je to přece jen jednodušší.

Když se na to podíváme, jaký je rozdíl mezi zapojením AI a generativní AI oproti klasickému IT managementu a digitalizaci, asi jedním z největších je právě řízení očekávání. Chci zdůraznit, že životní cyklus, o kterém jsme mluvili před chvílí, je skutečně hodně podobný. I přesto, že generativní nástroje vypadají jako něco, co život výrazně zjednoduší, není to tak. Možná jediný zásadní rozdíl je, že teď řešíme mnohem více riziko vendor lock-inu.

Ve většině projektů, na kterých jsem se dříve podílela, nebyl problém ani potřeba posílat data do nějaké „zlý“ společnosti. U generativních nástrojů se teď hodně řeší, jak to zabezpečit, testovat v closed source prostředí a pak například přejít na open source, což vidím jako obrovsky pozitivní trend – vznikají menší, kompaktnější nástroje obsahující jen to, co je opravdu potřeba.

Ještě jsi zmínila Anthropic, tak…

Pokud si přeješ, mohu pokračovat nebo pomoci s dalším textem.

Jste v jakém vztahu v tom Londýně?
Hezkém, zatím jsme v romantické fázi.

Hele, když jsme tam dělali první eventy na doplnění kurikula, byl to hackathon zaměřený na využití generativní AI ve vzdělávání. Myšlenkou bylo propojit studenty s někým, kdo jim vysvětlí, jak to funguje a co všechno potřebují, aby navrhovali řešení, která by zjednodušila proces vzdělávání.

Protože bylo potřeba mít partnera, který zaplatí kredity, přišlo mi a dodnes věřím, že Anthropic je taková ITčtější alternativa OpenAI a Cloutu. Možná v něčem funguje zvláštně, to nechci moc říkat, ale zároveň jsou jejich výsledky spolehlivější.

My jsme se s nimi tehdy jen seznámili, oni na to velmi dobře reagovali. Když jsem jim popsala, co po nich chci, řekli: „Jo jasně, nejen kredity, ale pošleme vám nějaké lidi.“ Jsou však ještě dost menší a startupovější než OpenAI, takže tam rozhodně chybí složitější struktura, ale navázali jsme hezký vztah a pokračujeme teď s aktivitami pro neziskovky za jejich podpory. Pro ně je to samozřejmě komunitní budování a zároveň je to něco jako „vodítka do karmy“.

Chtěla bych vzkázat datařům a profesionálům, že by bylo skvělé věnovat trochu času sektorům, které to potřebují, ale zároveň neočekávat obrovskou expertizu z druhé strany. Dá se totiž řešit aplikace i v neziskovkách nebo vzdělávání, aniž byste byli neskuteční technici, což je například můj případ. Je fajn, když někdo, kdo pracuje na průniku několika oblastí, dostane prostor mluvit o tom, jak technologie může být užitečná právě pro společensky významné oblasti.

Jsem ráda, že se toto téma začíná otevírat na veřejných aktivitách a vystoupeních.

No a na jakých veřejných aktivitách a vystoupeních?
Letos to bylo na panelu v IT a participativně to bude v Oxfordu.

Mám z toho strašný imposter syndrom, že jsem tam vůbec pozvaná.
Daria se tady červená. Protože je tady 35 stupňů. Ale červením se samozřejmě i z toho důvodu.

A co si myslím? Jestli mě něco moderování datatolku naučilo, tak je to, že v 99,9 % případů nejsem nejchytřejší člověk v místnosti, ale ten nejhloupější. Na druhou stranu zjišťuju, že moje vnímání světa, můj skillset a jiné věci mají také hodnotu jak v technologickém, tak i společenském světě.

A jestli něco budoucnost potřebuje, tak jsou to mosty mezi nejnovější současnou technologií a tou nejobyčejnější, nejširší společností bez jakéhokoliv kontextu.

Takže moc ti, Dario, fandím. Myslím, že to, že nejsi na úrovni machine learning inženýrky, není chyba, ale vlastnost, která ti umožňuje tyto věci propojovat, a jsem rád, že to děláš.

Děkuju.

Je možné, že kdybych byla na té úrovni, neměla bych takový zájem dělat věci směrem k vzdělávání a nezisku. To by bylo taky fér. A rozhodně…

Tady je opravený a stylisticky upravený text:

Minimálně snaha porozumět věcem na hlubší úrovni, než o tom budu s někým mluvit, je asi feature, která teďka docela pomáhá. To je vlastně moje poslední otázka, nebo spíš poslední téma, a to je neziskový sektor. Jak tohle vnímáš?

Podle mě je government (vládní sektor) samostatný a jde o implementaci technologií do veřejné správy. Další je komercializace, tedy byznysový sektor, a samostatnou kategorii tvoří neziskový sektor. Myslím si, že bude velký rozdíl mezi západním světem, například Londýnem, a Českem – například sféra Pardubice versus londýnské neziskovky. Ale zároveň si myslím, že neziskovky a nevládní organizace (non-governmental, non-profits) jsou si podobné všude na světě, protože je tam společný purpose – je tam nadšení, ale nejsou tam peníze. Jak to vidíš ty?

No, můj rozhled je samozřejmě omezený na Českou republiku a UK, ale mám pocit, že je to podobné v tom smyslu, že nemají peníze, jsou strašně nadšení, mají na jedné osobě hodně rolí, spoustu rutinní práce – vyplňování grantů, psaní impact reportů, generování obsahu atd. Právě proto si myslím, že nástroje mohou poměrně rychle zlepšit jejich život. A samozřejmě jsou tam všichni vyhořelí, stejně jako tady.

Takže vidím smysl v tom, že zapojení juniorů pod vedením seniorů může udělat jejich zkušenost trochu udržitelnější. Obecně si myslím, že nechci tvrdit, že neziskový sektor je jediný, za kterým je budoucnost vzdělávání, ale beru to tak, že dokud se můžu v neziskovém sektoru a ve vzdělávání hrát s těmito věcmi (což pro spoustu lidí, co se AI zabývají, není příliš sexy, protože tam nejsou tak velké peníze jako v AI salesu nebo AI marketingu), je to něco, co dlouhodobě pravděpodobně bude mít velký dopad.

V rámci aktivit se snažím směřovat víc na děti a mladší lidi, případně přes učitele, protože je fajn je od začátku nadchnout, aby neudělali stejnou chybu jako já – neřekli si, že to je jen pro kluky, nebo že je to příliš komplikované. Současně je důležité, aby si budovali kritické myšlení a učili se spíše pracovat s high-level frameworky než jen s drobnými detaily.

Myslím, že neziskovky v propojení se vzděláváním jsou docela slibný sektor, protože v nezisku je větší flexibilita experimentovat a zavádět nové věci. To, co jsem viděla a zažila v „42“ tady v ČR, bylo přesně to kombo, kdy máš nějaké finální financování a inputy ze soukromého sektoru, který do toho pravděpodobně bude chtít peníze dávat, ale zároveň děláš dobrou věc – a kolem sebe máš zapálené lidi, kteří chtějí pomoci.

Můžeš tam dělat různé věci, ne tolik pro děti, ale například pro rekvalifikaci dospělých. Tomu se hezky říká celoživotní vzdělávání, což je obrovské téma, protože nejenom pro programátory platí, že to, co ses naučil před třemi čtyřmi lety, už nemusí platit. V Česku je navíc procento těchto…

Pokud chceš, mohu text dále upravit či doplnit.

Lidé, kteří po 25 letech ještě jednou jdou nějak se vzdělávat i v neformálním sektoru, jsou strašně málo, něco pod 10 % podle OECD. To už jsem se rozkecala, ale co jsem chtěla říct, je, že nezisková sféra dává obrovskou svobodu v tom, jakým způsobem zavádíš nové technologie, a pak se třeba s těmi výsledky dá prokousat k tomu, že by se to mohlo zavést i do formálního vzdělávání na úrovni škol nebo vysokých škol, protože to může prokázat, že něco dává smysl. Government sektor by se toho mohl chytit, když vidí, že výsledky tam jsou, nebo tam jsou nějaké vrstvy spíše v profesním vzdělávání, které se dají přivést a komercializovat v komerčním sektoru.

Ale já neziskovky neberu jako něco, co nemá peníze a dělá věci zdarma, ale jako firmy, které musíš dobře manažovat, akorát celý svůj zisk dávají zpátky do rozvoje. Já taky jsem dobrovolník v příliš mnoha věcech, věřím tomu smyslu a vidím, že je to zastaralý pohled „to ti nahoře, to za nás vyřeší“. Věřím v občanskou společnost a beru neziskovky jako ten vehikl, kterým tam, kde vidím díru, co systém nepokrývá dostatečně, ji vyplním a třeba to systém i naučím.

Za to tím hrozně moc děkuji, protože vnímám, že v technologiích je ta díra obrovská. Možná by mě zajímalo ještě jedno: když jsi mluvila o tom, jaké projekty máte ve sféře, přišly mi docela kritické, že to nejsou „postavíme si vlastního chatbota“ nebo takové ty typické „umělá inteligence je skvělá“. Cítila jsem tam právě vzdělání o biasu, o tom, že „in–shit–out“ na těch datech, na kterých se to učí, je to důležité, že to opakuje chyby, surveillance state a také jak se schovat, jak nebýt trackovaný, jak jsi tady říkala.

Jak se na tohle díváš? Je to něco, o čem bychom se měli víc bavit? O možných negativních dopadech nasazení těchto technologií? Je to téma, které se nedostatečně probírá? O jejich nedostatcích, omezeních, slepých skvrnách, nebezpečích? Nebo je to naopak hravá forma a jde o to, že děti si něco malují na obličej a tohle byl jenom projekt?

Možná za to může to, že jsem hodně přísně kritická: úplně stejně, jak bych nenasadila AI chatbota na zákaznickou linku v první vrstvě bez zásahu specialisty, tak stejně mi přijde jako blbý nápad dát to rovnou dětem do ruky a spoléhat na to, že to nebudou využívat tak, jak nechceš. Proto vidím ten největší smysl v použití toho zatím jako „backend“ pro učitele, aby mohli lépe dělat přípravy a podobné věci.

Rozhodně je ale potřeba lidi vzdělávat i o těch dopadech a kritických věcech. Spousta lidí si totiž myslí, že je to špatný nástroj, protože nás jednou ovládne, a říkají takové obecné kecy. Ale v tu chvíli, když se ponoříš dostatečně hluboko, aby jsi rozuměl nebo rozuměla tomu, jaké limity fungují, proč je to v humanitních vědách lepší a v technických horší a co od toho můžeš a nemůžeš čekat, tak na základě toho si můžeš teprve udělat vlastní názor.

Jasně, tady je opravená a trochu upravená verze textu pro lepší plynulost a srozumitelnost:

Vytvořit to tak, jak potřebuješ. A ten největší problém vzniká přesně v ten moment, kdy vznikne nějaký „poster chatbot“, který má claim, že tě naučí všechno během jednoho dne, nebo bude tvým psychoterapeutem,
nebo mentorem na matematiku, a pak jako překvapení zjistíš, že to není úplně přesné. A pak nevědí, jestli je větší 9,9 nebo 9,11. Přesně tak. No, tak to je. Já to beru hodně kriticky a zatím jsem neviděla žádný celkový use case, který by mě natolik uspokojil, že bych řekla „jo, bumba, to je vzdělávací generativní AI, jdeme do toho“. Všude je něco hezkého, jsou tam užitečné komponenty, ale mám pocit, že se to jednou dá dohromady a vznikne nějaká kvalitní platforma, která to bude mít celé dobře ošetřené, ale zatím to tak nevidím.

A poslední věc, kterou k tomu dodám, je, že jak platí „shit in, shit out“, tak samozřejmě i v neformálním vzdělávání, stejně jako v neziskovkách, jsou data velkým problémem. Takže než začneme posílat boty a řešit společenské a etické dopady, musíš si uvědomit, že většina toho, co tam je, i když obsahuje nějaké kvalitní informace, je zároveň hodně nedostatečná. Pro nějakou vzdělávací instituci je proto potřeba mít nejdřív datovou strategii, což vyžaduje finance, a o těch se moc často špatně rozhoduje, anebo je třeba zapojit dobrovolníky či další neziskové instituce. V Londýně třeba Open Data Institute pomáhá s širšími trendy a odbornou pomocí, ale většinou jde o dobrovolnou práci velmi zkušených lidí, kteří řeknou: „Jo, dobře, soucítím s tím, pomůžu.“ Takže přeju, aby bylo víc takových lidí, jako je Jirka.

A to je vlastně moje poslední otázka: u nás jsou lidé, kteří mají dobrou práci, hlubokou expertízu a možná hledají nějaký další smysl kromě své konkrétní práce a mise, kterou mají ve firmě. Mám velkou radost z aktivit jako je Česko.Digital, které mi vrací naději v lidstvo i v Česko, že tady něco takového vzniká. Tak z tvého pohledu – pokud by někdo chtěl pomáhat dělat celé Česko lepším místem a rozuměl machine learningu, datům a generativním AI technologiím, kde jsou příležitosti a páky? Co bys jim doporučil/a?

Tak určitě za celé Česko mluvit nemůžu, ale motivuju posluchače, aby se ozvali mně do 42, protože myslím, že pro každého jsou tu nějaké workshopy, minimálně hodina sdílení, kdy si mohou přijít popovídat o tom, jaká je realita a jak to funguje v reálném světě, a ne jen v nějaké izolované představě, že vše bude růžové. Mně přijde, že v populární vrstvě AI a AI nástrojů vládne zjednodušený pohled, že už nebudeme muset programovat, že nás AI zachrání a že učitele už nepotřebujeme. No, za to můžeme my. Přitom stačí věnovat třeba hodinu, udělat webinář, seminář, nebo zajít do školy typu 42, kde studují budoucí programátoři, a ukázat jim reálný pohled.

Pokud chceš, můžu ti pomoci ještě s konkrétní stylistickou úpravou či zjednodušením textu.

Jistě, zde je opravený a upravený text:

Ukázku toho, jak využíváte pair programming, ale ne tak, že by to dělalo práci za mě, ale jaké jsou reálně ty problémy, podle mě by to mělo obrovský smysl. To je něco, co pořád hledáme, zejména v Londýně, ale myslím, že to může pomoci jakékoliv škole. Co se týče dat a datařů, tak rozhodně každá neziskovka nebo vzdělávací instituce bude naprosto šťastná, když řeknete: „Zkonzultuju vám, jakým způsobem to poskládat,“ a my samozřejmě také. Asi tak.

Děkuju moc, Darjo, za to, co děláš. A ještě… a ještě povídej. A pokud by někdo, kdo nás poslouchá, měl aspoň trošičku zájem, nebo znal někoho, kdo by chtěl v Česku vytvořit podobný program pro neziskovky a přivést nějaké juniory, studenty a expertní know-how systematicky, aby pomáhal digitalizaci neziskovek a využití jejich nástrojů, tak se mi ozvěte. Strašně mě mrzí, že jsem to vymyslela v Londýně, ale nemám energii to dělat tady.

Třeba časem, ale kdyby se někdo našel, prosím, ozvěte se mi. Jestli se vidíte v Dari a máte taky pestrý background – jak z té holčičí, tak klučičí strany, v sovětském uvažování a energii do toho jít – tak se ozvěte Dari.

Děkuju moc, držím moc palce a věřím, že se tady nevidíme naposled. Jsem zvědavá, kam tě to za rok a půl zavane a jak tvůj pestrý, chaotický život bude vypadat tou dobou. No já taky, děkuju.

A to je všechno. Díky, že jste do poslouchali až sem. Díky taky našim partnerům: Big Hubu, Intexu, Sastce, Bystrýtu, Colors of Data, Revolt BI, Good Data, Kebule, E-marku, Karl Data Company a Datamindumu.

Pokud vás zajímá víc, navštivte naše stránky datatalk.cz a přihlaste se k odběru našeho newsletteru.

Pokud byste chtěl/a i stylistickou úpravu, dejte vědět!