#31 Zrozumieć narzędzie: jak inżynier patrzy na rewolucję AI | Robert Tomczak | eNStudios

Value Builders Talks. Podcast, w którym technologia jest pretekstem do rozmowy o ludziach i biznesie. Cześć, witam was w kolejnym odcinku podcastu Value Builders Talks. Jesteśmy w gościnnych progach eNStudios i dzisiaj będę miał okazję porozmawiać z CTO eNStudios Robertem Tomczakiem, inżynierem, doktorem. Tutaj tych tytułów parę się nazbierało. O wątkach technologicznych i trochę też o tym, jak to studio powstawało, bo to też jest bardzo ciekawa historia. Ale właśnie zacznijmy od tego, Że no jednak jesteś człowiekiem technologii i patrząc w historię tego czym się zajmowałeś to jednak miałeś okazję robić AI zanim to było modne w pewien sposób. No bo jednak machine learning na 2008 rok jakaś praca się pojawiła itd.

Chyba że AI mi tutaj schalucynował. Więc jakby znasz tę technologię z czasów kiedy była jeszcze prehistorią troszkę dla tego co się dzieje teraz. No i właśnie Jak to wyglądała praca z sieciami neuronowymi, z AI kiedyś, a teraz? Ale zanim do tego przejdziemy, to oczywiście dam Ci też przestrzeń, żeby się przywitać, bo trochę od razu skoczyłem na głębokie wody. Jeśli chciałbyś coś dodać, zanim przejdziemy do samego mięcha. No tak jest, się zdarza, że człowiek się nie przywita, nie przedstawi, zresztą przedstawiłeś mnie, więc połowa tej drogi za nami i to chyba nie stanowi problemu większego. Mi się zdarzyło kiedyś poprowadzić zajęcia dydaktyczne, wszedłem, poprowadziłem 6 godzin wykładu, wyszedłem i tak wyszło, że nie było slajdu tytułowego i studenci nie wiedzieli z kim mieć zajęcia w planie, też nie było wbite i nie wiedzieli dokąd mają przyjść na zaliczenie.

To było jedyne 6 godzin na instacjonalnych zajęć, tak śmiesznie wyszło. Więc się zdarza, najczęściej najważniejsze to, o czym się mówi, nie? Tak, tak, tak. Obrazek najpierw się ogląda, a potem się czyta podpis. Dobrze, to postarajmy się, żeby ten obrazek był jak najciekawszy, ale wierzę, że mając twoje doświadczenie tutaj w zanadrzu tego wszystkiego będzie gęsto. No więc właśnie, jak to jest z tymi sieciami neuronowymi i tym AI dawnym, a obecnym? Dla mnie AI dawno temu był prostszą wersją czy łatwiejszą wersją narzędzia, które używałem do robienia innych rzeczy, czy do tej grupy rzeczy, do których go używałem i wszedł jako rozwiązanie ułatwiające mi pracę.

Więc dokładnie tą samą metodyką, którą w tej chwili wchodzi. Większość osób, która wtedy zderzała się z AI, głównie to były sieci neuronowe różnego rodzaju, gdzieś tam powstawały Bazy wiedzy, które były budowane w różny sposób i trochę odkrywane te technologie, ale głównie mieliśmy sieci neuronowe i te sieci neuronowe były skomplikowane do zrozumienia jak działają. One są niewyjaśniające, więc też trudno pokazać komuś jak wygląda rezultat, w odróżnieniu od drzew na przykład. Więc ludzie próbowali zrozumieć jak się tego używa, a mi się udało w to wejść jako alternatywy dla zbiorów rozmytych. Co to są zbiory rozmyte? Zbiory rozmyte to jest coś, czym my się posługujemy na co dzień. Kiedy próbujemy ustalić jak się ubrać wychodząc na zewnątrz i jedna osoba, to jak spoglądasz w październiku w Polsce za okno i jest 16 stopni widzisz człowieka w krótce w czapce zimowej i drugiego, który idzie w krótkim rękawku jeszcze.

To jest niemierzalne, to można tylko w jakiś sposób bestemować. Więc zupełnie inaczej niż przy obliczeniach. Dużo trudniej jest wyznaczyć jak działa jagoda niż jak działa kula ziemska, bo w kule ziemską możemy powbijać czynniki. Wiemy z grubsza jak wygląda płaszcz Ziemi, nawet potrafimy z jakimś już czasem przewidywać trzęsienia Ziemi. Krótkim co prawda, ale potrafimy to robić, ale nie wiadomo jak ta jagoda tam do końca schnie, Mikropory, modelowanie takich rzeczy jest dosyć skomplikowane i tu się pojawia AI, gdzie możemy wczytać bardzo dużo informacji o bardzo dużej liczbie parametrów, które zebraliśmy i z powodu tego systematyzować w jakiś jeden ogólny, być może niejawny, ale ogólny wzór pokazujący nam pewien trend czy model wręcz działania danego owocu. Ty to robiłeś sieciami neuronowymi, protoplastą tego, czym jest AI obecnie.

Jakbyśmy to sobie ułożyli, to mamy najpierw machine learning, który jest taki najbardziej prostacki, bo idzie na dużej zbiorze jakichś takich danych, łapie sobie wzorce. Później jest te sieci neuronowe, które jednak trochę same wytwarzają pewien koncept. No i obecny AI, który jest jeszcze bardziej zaawansowany. Wszystko są te same narzędzia. Zastanawiam się właśnie, na ile jest ta różnica tak duża, no bo trochę w tej rewolucji AI mam wrażenie, że zapominamy o tym, że ten machine learning i sieci neuronowe wciąż są. Jakby to nie jest tak, że one zostały ubite. Czy jakbyś teraz to robił z tą kukurydzą i przygotowywał to wszystko, czy szedłbyś tą samą ścieżką, którą szedłeś, czy jednak byś widział, że można to zrobić jeszcze lepiej jednak z tym AI? Podejrzewam, że byłaby to bardzo podobna ścieżka. Może pojawiłoby się trochę więcej takich narzędzi, które wtedy były albo trudno dostępne, albo dla mnie nie intuicyjne z punktu widzenia modelowania matematycznego.

Nie będziemy tu oryginalni, bo algorytmy każdemu równo utrą nosa, dlatego jeżeli czujesz, że ta rozmowa daje tobie wartość, to pamiętaj, żeby nas zasubskrybować. Wal też śmiało komentarzami, chcemy z wami rozmawiać. Wróćmy na ścieżkę technologii. Jesteśmy naprawdę, tak jak mówisz, mega zaawansowanym studium nagraniowym i też przygotowanym po to, że wciąż można robić podcast, kiedy wybuchnie trzecia wojna światowa, oby nigdy nie wybuchła. Oczywiście żartuję, ale No właśnie, jest ta rewolucja AI, są generatory głosu, Eleven Labs i masa jeszcze takich innych coraz też lepiej sobie radzących rozwiązań, nawet lokalnych. Dlaczego wciąż warto być tu i coś nagrywać? A nie generować sobie.

To taki twórca nie jest zainteresowany robieniem tego z AI, ale chce to zrobić dobrze. I zazwyczaj dobrze oznacza, że trzeba do tego przyłożyć odpowiednią wiedzę, czasami trochę sprzętu. To też nie są drogie rzeczy. Robienie podcastów, nawet wideokastów się dosyć mocno zdemokratyzowało. Ten sprzęt jest w miarę tani. Można się nauczyć tego z YouTube'a, można zainwestować kilkanaście tysięcy w sprzęt, zrobić to fajnie i profesjonalnie w domu. Albo można poświęcić te kilkanaście tysięcy, zrobić to na przykład tutaj, w podobnym wolumenie, nie angażując się w całe pozyskiwanie wiedzy na temat jak to się robi. No jest grupa ludzi, którzy nie chcą tej wiedzy pozyskiwać. Nie interesuje ich, nie jest ich celem, wolą to zrobić i ci ludzie tu przychodzą, korzystają z tego, nagrywają.

My jeszcze nie mamy przez tytuł AI, on się dopiero pojawi, ale już się pojawiają problemy związane z AI, z tym, że ludzie tego po prostu nie akceptują. To ja się zgadzam. Więc AI zejdzie pewnie do takiego roli bardzo efektywnego. I tu wrócimy do tych 20% ludzi, którzy potrafią dokonać dekompozycji problemu. Do ludzi, którzy będą bardzo efektywnie używali AI. Przejdziemy do ludzi, którzy będą używali AI jak żelazka. I czasem to robią, a czasem nie. Ale jest to narzędzie. I ludzi, którzy będą takimi trochę prystami, kupując koszulę non-iron. Może się też pojawić moda na to po prostu, żeby nie być AI-owymi. Świat jest szeroki, jeżeli... To jest taki trend gdzieś tam od jakiegoś czasu w sieci, że wróciły do łask zdjęcia analogowe, nieidealne, wiesz, jakby rozmazane troszkę, a nie wycyzelowane po prostu jakimś światłem 1.6, superobiektywem i tak dalej.

Powiedzmy, są osoby, które są takimi, trochę rozstają. Z jednej strony chciałyby przyspieszyć i generować sobie rzeczy z AI, ale z drugiej mają taką potrzebę, żeby jednak to było bardziej takie realne i naturalne dla siebie nawet. To czego AI jeszcze nie ogarnia w ogóle, jakbyście nawet chcieli sobie ułatwić życie i gdzie lepiej wciąż jednak poradzić sobie z tym, że siedzimy przed mikrofonem i rozmawiamy. Dzisiaj czat GPT pokazał, że potrafi zrobić STL sam i nie musi sięgać po... Natomiast to są te wszystkie rzeczy, które nadal się kończą fizycznością. To czasami łatwiej jest jednak wziąć młotek, wbić go, wziąć gwóźdź i wbić go młotkiem niż jajem.

Natomiast to jest kwestia Spojrzenia na narzędzie zawsze jak chcemy go używać. No wiem doskonale, że jak mamy młotek to każdy problem wygląda jak gwóźdź. Ale zastanowienia się jak się używa takiego narzędzia. Mi się zdarza pisać scenariusze reklamowe i muzealne takie do różnych rzeczy. I tam wymaga kreacji, zrozumienia tego jak działa człowiek. I z tym sobie AI nie do końca radzi. Przez to, jak jest uczone, przez to, że nie bywa w środowisku, przez to, że nadal kultura, z którą się spotyka, to jest kultura niska i kultura wysoka, natomiast średnia z kultury niskiej i wysokiej nie daje tej przeciętnej kultury, Nadal jest pewnie troszeczkę problem z postrzeganiem tego świata i z opisywaniem go.

Nawet jeżeli kształcimy to, co robi człowiek manualnie, wiadomo, że kształci się w tej chwili AI pod kątem manualnych technik ludzi, że siedzą ludzie w firmach, mają kamerki założone, żeby monitorować to, co robią, jak robią, to nadal jest to wąziuteńki, bardzo wąski, bardzo mały wycinek informacji, które trzeba zebrać, żeby funkcjonować jak człowiek. Nie zdarza mi się pisać te scenariusze i dostaje jakiś kontekst i nie chce mi się tych kontekstów czytać, nie chce mi się analizować kontekstu historycznego i wszystkiego co jest dookoła. Ja ten kontekst poszedł AI. Poszedł na narzędzia, które są zaufane, jak Perplexity, które zwraca źródła, potem sprawdzam sobie te źródła, więc korzystam z tego narzędzia jak z kombinerek do wciągnięcia gwoździa, po czym je odkładam i zastanawiam się jak dalej zrobić konstrukcję, a nie na to, że w pewnym momencie, etapie użyłem narzędzia AI.

Ale z wykorzystaniem AI są łączone ze sobą, więc możemy zanimować postać, mówiąc co nam konkretnie zrobić. Przebiegnij dwa kroki, lekko uślizgając stopę na drugim kroku, uklęknij, uśmiechnij się, podrap się po głowie, odepchnij się ręką od ziemi i pobiegnij dalej. I zrób to na odcinku pomiędzy tą ścianą, którą postawiłem w anilu, a tą długą ścianą, która tam jest, musi się tam zmieścić, nie zahaczając się o drzewo, które jest po drodze. I zaznaczenie dostaniemy taką Ładnie wyglądająca animacja, która jest oparta na analizie ruchu ludzkiego na wielu, wielu zebranych przypadkach i ona będzie prawidłowa, motorycznie będzie odzwierciedlała to, co chcemy i powstanie zasadniczo z dosyć takiego efektywnego opisu tego, co chcemy dostać. Czyli tak byśmy tłumaczyli aktorowi to, co ma zrobić. Natomiast nie sprawdzałem i nie wiem, na ile ona będzie powtarzalna za każdym razem, jak dostanie ten sam prompt, bo mam pewność podejrzenia, że będzie.

200 startów osoby z bloku startowego, pod rząd zrobionych, one muszą być wszystkie powtarzalne. No to będą się pojawiały takie mechanizmy motion capture, które będą zapewniały tą powtarzalność. No i wizyjna powtarzalność jest taka z kamery zwykłej, jest bardzo trudna. Nie da się tego zautomatyzować, przechować bazie, bo dopiero tworzymy tą bazę. Więc przy pewnych zastosowaniach to będzie jeszcze działało. My się wspieramy w tych systemach motion capture mocno już AI-em. W tej chwili samo oczyszczenie sygnału jest wspierane przez producenta w środku. Wspieramy się dodatkowo warstwami wizyjnymi poza markerami. Mamy system markerowy, czyli są takie kropeczki, które się śledzi. Wspieramy się w ogóle analizą ruchu postaci. Face Capture jest praktycznie otwarty tylko na twarzy, na nim nie nanosi się markerów.

Więc model wie, że jeżeli tam się coś przemieściło, to albo komuś właśnie urywało twarz, albo jest to błąd. Cały czas to postępuje do przodu i te mechanizmy rozwiązują pewne określone problemy, które się pojawiają. Ale nie do wszystkiego ludzie mają zaufanie i nie do wszystkiego pewne rozwiązania się nadają. Tam, gdzie się nadają, nadal będą używane. W temacie kinematyki twarzy, nie wiem czy słyszałeś o tym ostatnim przejęciu Kto to wziął? Apple przejęło firmę, która w teorii, czy już nawet w praktyce, nie wiem na jakim to jest etapie, ma pozwolić Ci dyktować treści, na przykład dla AI, ale nie mówiąc nic.

To jest jak wyróżnienie z fusów trochę. Te zmiany mogą się w całkowicie nieoczywistych miejscach pokazać. W takich, gdzie ludzie oczekują i nagle się pokazują. To jest w ogóle ciekawostka. Kręcimy wideokast. I standardową rzeczą, która się tu w wideokastach dzieje, to jest rzecz taka, że jak mówimy na raz albo są momenty, kiedy są cisze, pokazuje się nas obydwóch. A w momencie, kiedy ktoś z nas mówi, pokazuje się nas z kamery frontalnie. I automatyzacja tego procesu pojawiła się dopiero, kiedy wybuchło AI tak na porządnie. Wcześniejsze narzędzia były na maksa kanciate. I rozmawiałem z paroma montażerstwami, żaden tego nie używa. Mimo, że to w sumie dobrze działa. Że za dużo, za mało. Ja mówię, tam są pewnie jakieś parametry do regulacji? No są, ale to się źle używa, ale to działa.

Ale znowuż jest cała masa ludzi, którzy to używają. W każdym razie pojawiło się to znienacka rozwiązanie malutkiego problemu, których męczył dużo ludzi. I w tej chwili problemem zdaje się dla AI nie jest to, do czego może być użyte, w sensie czy AI jest zdolne rozwiązać jakiś problem. Problem polega na tym, że AI chciałoby dostarczać firmom, które się tym zajmują, problemy, które mogą być rozwiązywane. To jest ten dylemat, który zaczęliśmy od uczelni, które funkcjonują, że nasze uczelnie leżą jednak dosyć daleko od biznesu. I w przypadku Uniwersytetu Przewodniczego ten biznes jest znany i dosyć intuicyjny i określony w nazwie szkoły, uniwersytetu.

Cały czas się gada, czyli poszukiwanie tak naprawdę rynku dla potencjalnych problemów, które znajdziesz. Wchodzimy trochę w inny obszar, ale dużo jest sytuacji takich, że ktoś ma jakiś problem, rozwiąże go sobie AI-em, jakimś narzędziem, czymkolwiek i sobie myśli, że pewnie wszyscy mają ten problem. Często to jest absolutnie minięcie się z rzeczywistością. Jest to tak dostępne i proste narzędzie i technologia, że łatwo można wytworzyć mnóstwo rzeczy, których wartość jest mierna. Jest wartość dla dwóch osób. Jestem też ciekaw, idąc trochę tą perspektywą, bo jesteś inżynierem. Czy nie masz też takiego poczucia, że to wprowadzenie tego AI, to jak to teraz działa, że to jest już naprawdę mega technologia.

Więc sky is the limit. Natomiast taki inżynier mając pewne ograniczone mniej lub bardziej zasoby jest w stanie użyć tego modelowania cyfrowego do stworzenia czegoś, czego sam by nie wynalazł, ponieważ zabrakłoby mu czasu. No i mamy te wszystkie organiczne, to widać, KINXZ powstaje i w Formule 1 są używane np. elementy zawieszenia, które nie przypominają niczego, co wytworzyli ludzie, a raczej coś znalezione na statku obcych. To są takie organiczne elementy albo kawałek korzenia wyciągnięty, który akurat pasował do zawieszenia. Tak to wystaje. Nikt takich organicznych rzeczy nie projektuje, bo na etapie projektowania bardzo trudno sobie wymyślić, że to byłoby optymalne rozwiązanie. AI to może zrobić. Natomiast to nadal jest kolejne narzędzie dla inżyniera. Jak dostał metodę elementów skończonych do ręki i się cieszył, że się liczy łatwiej, tak teraz dostał kolejne narzędzie.

Tym takim nowoczesnym AI, co było dla Ciebie największym zaskoczeniem, że się da, a co było czymś takim, że myślałeś, że Ci się przyda i totalnie się odbiłeś od ściany? Ale z punktu widzenia technologii to dostarcza. Mam jeszcze jeden punkt widzenia technologii. Sposób działania modeli językowych w ogóle. W sensie oczekiwań tego, w jaki sposób rozumieją komunikat i tego, co zwracają. I nadal jednak dużej, bardzo dużej ułomności odnajdywania się w kontekście, w którym się pracuje. Nawet jeżeli można mocno zdefiniować ten kontekst, nawet można dorzucić, kiedy dużo dokumentów, ja ostatnio dużo pracuję na Gemini'u i zapinam całe katalogi z rzeczami, które chcę poddawać analizie.

I tu tak trochę jest, nie? Z tymi narzędziami jest dokładnie tak samo, że ludzie robią różne rzeczy, wrzucają tam dowody osobiste po wyjazdy, rozliczenia całe finansowe z numerami ubezpieczeń, tak jak w Stanach Zjednoczonych i robią dziwne rzeczy z tym, nie zdając sobie sprawy z tego, jak funkcjonuje narzędzie i że może im zrobić kuku, nie? No tak, bo to jest taka jakby... Jest narzędzie, korzysta. W ogóle nie ma tego tam przemyślenia wątku. To drugie, co chciałem ci powiedzieć, to jest coś, czego ja się spodziewałem mówiąc o AI, zaraz będzie 20 lat temu, jak mi się zdarzyło zajęcia prowadzić, czy nadal mi się zdarza prowadzić, Mówiłem, że pierwszą miejscem, gdzie się znajdzie AI, ze względu też na to, że w sytuacji, w której ja pracowałem, pojawiało się bardzo dużo systemów eksperckich opartych na wiedzy, czyli nie na przeszukiwaniu kontekstowych baz danych, tylko na poszukiwaniu, wyjaśnianiu wiedzy zawartej w tych systemach.

I to jest taka rzecz, której ja się wtedy nie podjąłem. Na szczęście już się ta technologia rozwinęła i coraz lepiej działa. Ale wtedy mówiłem, że to będą dwa pierwsze obszary, które zostaną totalnie zdominowane przez AI. I nie są. I tu mój inżynierski zmysł nie zawiódł, ale zawiódł zupełnie inny zmysł. Mianowicie to są dwa obszary, które są bardzo mocno objęte korporacjonizmem, takim wewnętrznym, który nie dopuszcza do tego, żeby im zabrano pracę. Ok. I które byłyby łatwe do uporządkowania, a mimo wszystko nie wchodzą, bo oni dobrze czują, że skończyłby się pewien rynek, który jest całkiem intratnym rynkiem. Chyba to są dwa, w Stanach Zjednoczonych rynek prawny i medyczny to są dwa topowe rynki powyżej technologicznych. Za dużo kasy by zniknęło z rynku.

Przeniosłoby się do technologii, a tam technologii już wystarczy. Ażby się posiło wynajdowanie szczególności w amerykańskim systemie prawnym, wynajdowanie wszelkiego rodzaju zależności pomiędzy głębokie przeszukiwanie, kontekstowe przeszukiwanie, odnajdywanie podobnych przypadków z wykluczeniami, z czymś tam jeszcze. Idealne systemy. Być może one funkcjonują gdzieś z tyłu, natomiast nie są dopuszczone do obrotu prawnego nad sędziowie Byłem w zeszłym roku na SOR-ze w Poznaniu i zauważyłem, że mają tam karteczki, że używamy AI, żeby wspierać przy

Czy jakichkolwiek innych obrazów i w wyszukiwaniu, zresztą przedwczoraj chyba artykuł na temat tego, że taka diagnoza była realizowana przez system AI w czasie rzeczywistym, w czasie operacji na mózgu. Do tej pory neurologzy wspomagali się, proszę mówić, coś śpiewać, w zależności od... A w tej chwili robiło to AI, analizując informację zwrotną, pochodzącą z pomiaru aktywności mózgu. Więc pacjent tradycyjnie może być w śpiątce, co zmniejsza jego traumę związana z tym, że tak leży, że ktoś mu głowę grzebiera. A jeszcze jak ktoś widział Hannibala Lectera, to w ogóle może mu się... Samo EEG było już takim nośnikiem wystarczającym. Tak, wystarczająco dużo informacji wraca z tych systemów, a za chwileczkę jeszcze otelona znowu w szczep do głowy, który pozwoli nas diagnozować.

Czy na przykład bardzo częsty, wbrew pozorom, przypadek, kiedy ktoś nie słyszy i musi świat odbierać w inny sposób. To jak sobie ci ludzie radzą z AI? Ja nie szukałem, teraz mnie naszło, ale mówimy o odmiennej percepcji. Będąc głuchym od urodzenia, myślisz w inny sposób niż człowiek, który w wieku najszybszego swojego rozwoju dostaje wyrazy, strukturyzację wyrazów, powiązoną wizualną z wymową tych wyrazów, z pewnym złożonym systemem pojęciowym, sposobem wyrażania się. Język polski jest pozycyjny i fleksyjny. Przez to jest jednym z najtrudniejszych języków na świecie. Umożliwia bardzo precyzyjne wyrażanie się i będąc głuchym, a jeszcze gorzej jak głuchoniemym, to masz bardzo mocno ograniczoną formę swojej ekspresji.