Od matematyki do sztucznej inteligencji. Historia Przemka Chojeckiego

— Uczenie maszynowe zmienia się bardzo szybko i ciężko przewidzieć co się zmieni w najbliższym czasie. AI już każdy z nas wykorzystuje na co dzień — szukając trasy w Google Maps, kierując się sugestiami co kupić na Amazonie czy co obejrzeć na Netfliksie. To jakie reklamy oglądamy to też AI. (…) AI jest już wszędzie i będzie jeszcze bardziej z nami — mówi w rozmowie z nami Przemysław Chojecki.

Przemek studiował czystą matematykę na Uniwersytecie Warszawskim, później przeniósł się do Ecole Polytechnique, a jeszcze później pracował na Uniwersytecie w Oksfordzie. Wszystko po to, by dowiedzieć się jak najwięcej o sztucznej inteligencji i uczeniu maszynowym. Dziś współtworzy grupę ulam.ai, która docelowo ma być międzynarodową potęgą AI.

Dużo piszesz i mówisz o emigracji. Zanim zapytam Ciebie, dlaczego warto wrócić do Polski, powiedz najpierw, dlaczego z niej wyjechałeś?

Mój wyjazd był całkowicie przypadkowy. Zacząłem studia na Uniwersytecie Warszawskim na matematyce — a właściwie na jednoczesnych studiach informatyczno-matematycznych, ale paradoksalnie rzuciłem informatykę po pierwszym semestrze. Jeszcze w szkole średniej czytałem dużo technicznych książek, więc od początku studiów zacząłem brać kursy z wyższych lat — także chodziłem z każdym rocznikiem studentów od pierwszego do piątego roku. W ten sposób w dwa lata zaliczyłem niemalże wszystkie interesujące mnie przedmioty na uczelni ze wszystkich lat licencjackich i magisterskich. Z uwagi na to, jedna pani profesor, z którą miałem seminarium zapytała mnie czy nie chciałbym wyjechać do Francji, bo tam mógłbym dalej się rozwijać. Zgodziłem się, nie wiedząc na jak długi wyjazd się decyduję i wyjechałem — początkowo na rok.

Dlaczego rzuciłeś informatykę po pierwszym semestrze?

Zderzenie z szarą rzeczywistością. Projekty były ciekawe, ale najwięcej czasu spędzałem na szukaniu błędów w kodzie, zagubionych kropek i przecinków, poprawianiu pętli. Całkowicie mnie to zniechęciło. Radość z programowania zyskałem dopiero kilka lat później, gdy zacząłem bawić się uczeniem maszynowym w Pythonie. Jest to bardziej zbliżone do matematyki, bo kluczowe jest zrozumienie jaką architekturę sieci neuronowych zbudować i jakich funkcji użyć.

Poświęcałeś sporo czasu na studia — chodziłeś na zajęcia nie tylko swojego roku, ale i starszych roczników. To ze względu na zbyt prosty materiał nauczania na pierwszym roku, czy ambicję skończenia studiów po prostu szybciej?

Czysta ciekawość. Już w liceum czytałem podręczniki akademickie, w dodatku samo liceum Staszica, do którego chodziłem było dość zaawansowane jeśli chodzi o lekcje matematyki, więc materiał na pierwszym roku był dla mnie po prostu nudny. Na UW nie było problemu z chodzeniem na wykłady z wyższych lat, więc szybko zacząłem dobierać sobie przedmioty ze studiów magisterskich. Apogeum był chyba drugi rok, gdzie miałem taką liczbę przedmiotów, że czasami według rozkładów zajęć musiałem być w trzech miejscach jednocześnie (śmiech).

Już w młodzieńczych latach swoją przyszłość związałeś z nauką. Najpierw był Uniwersytet Warszawski, a później?

Po drugim roku na UW pojechałem na Ecole Polytechnique. Tam początkowo miałem być jeden rok, a następnie wrócić. Zostałem jednak na drugi rok, skończyłem tam pracę magisterską i zostałem na doktorat w Paryżu na Uniwersytecie Pierre et Marie Curie. Łącznie więc w Paryżu byłem przez 5 lat, zajmując się czystą matematyką.

Studia za granicą wydają się kosztowne. W jaki sposób pokryłeś koszty nauki i pobytu we Francji?

Otrzymywałem stypendia naukowe — na początku z UW, potem z Ecole Polytechnique, a także jednocześnie z ambasady francuskiej w Polsce. Szczególnie ta ostatnia instytucja wiele mi pomogła w pierwszych dwóch latach za granicą. Ogólnie koszty studiów, mimo że często duże, nie powinny być przeszkodą, bo często da się znaleźć programy wsparcia.

Gdzieś podczas studiowania zainteresowałeś się programowaniem, sztuczną inteligencją?

Samym programowaniem interesowałem się już w podstawówce i gimnazjum. Grałem wtedy dużo w gry komputerowe, szczególnie strategiczne i RPG, więc jednym z naturalnych wyborów kariery była praca informatyka. Pod koniec gimnazjum zainteresowała mnie jednak bardziej fizyka i matematyka, bo uznałem je za konieczne do zrozumienia jak działają komputery. Ostatecznie do sztucznej inteligencji, uczenia maszynowego, wróciłem po doktoracie.

Nigdy więc nie programowałeś?

Programowałem na pierwszym roku studiów, a także w gimnazjum i liceum, ale było to głównie C++. Potem miałem kilka lat przerwy i wróciłem do programowania dopiero w Oksfordzie, i wtedy wykorzystywałem już Pythona.

Czym jest sztuczna inteligencja i uczenie maszynowe? Co trzeba wiedzieć, żeby w ogóle podejść do tych dziedzin?

Obecnie sztuczna inteligencja to właściwie to samo co uczenie maszynowe tylko z małymi dodatkami. Samo uczenie maszynowe to podejście do programowania, gdzie buduje się ogólną architekturę lub algorytm z parametrami, które aktualizują się pod wpływem dostarczania danych.

Żeby podejść do uczenia maszynowego, zdecydowanie trzeba znać statystykę i algebrę liniową oraz podstawy analizy. Ale tej wiedzy nie ma tak dużo i prawda jest taka, że już student drugiego roku matematyki lub informatyki jest w stanie zająć się uczeniem maszynowym i zacząć tworzyć własne modele. Do czego bardzo namawiam!

Jak wyglądało Twoje pierwsze podejście do uczenie maszynowego?

Na początku zacząłem czytać o samym Pythonie, bo stwierdziłem, że tak poznam gramatykę języka. Potem zacząłem eksperymentować z kodem, który znajdowałem w Internecie na publicznych Githubach. Jedną z pierwszych rzeczy, którą pamiętam były autoencodery testowane na MNIST. Te pierwsze przygody były dość chaotyczne.

Dzisiaj w ten sam sposób zacząłbyś naukę?

Gdybym zaczynał dzisiaj to nauka byłaby bardziej uporządkowana — zacząłbym od zaliczenia kursu Machine Learning na Courserze autorstwa Andrew Ng, a potem kursu od fast.ai, i pewnie wtedy zacząłbym się bawić kodem. W przypadku uczenia maszynowego praktyka znacznie szybciej pokazuje jak to wszystko działa. Dopiero po kilku kursach zabrałbym się za czytanie książek i prac naukowych.

Wróćmy do edukacji akademickiej. Jak wygląda program studiów, porównując polskie i zagraniczne uczelnie?

Zagranicą, we Francji i w Wielkiej Brytanii, program jest mniej ogólny i szybciej następuje specjalizacja. Studenci podczas studiów mają w każde wakacje praktyki. Przez to po skończeniu studiów są gotowi na rynek pracy — niezależnie czy to jest sektor prywatny czy praca na uczelni.

Gdzie odbywałeś swoje praktyki i czego podczas nich się nauczyłeś?

Szedłem ścieżką naukową, bo chciałem zostać na uczelni, więc nie odbywałem praktyk w firmach, ale prowadziłem dość szybko badania pod okiem różnych profesorów. Dało mi to wcześnie ogląd tego jak wyglądają współczesne badania naukowe i wiedziałem, że chce się w nie w pełni zaangażować.

Przez ponad dwa lata byłeś też Research Fellow na Uniwersytecie w Oksfordzie. Czym dokładnie się zajmowałeś?

Naukowo na doktoracie w Paryżu i w Oksfordzie zajmowałem się programem Langlandsa, który jest niezwykle technicznym obszarem badań, łączącym geometrię algebraiczną, teorię liczb i teorię reprezentacji. Z uwagi na poziom skomplikowania nie ma zbyt wielu ludzi na świecie, którzy zajmują się tą dziedziną (relatywnie do innych popularnych obszarów, w szczególności tych bliżej zastosowań). Od matematyki trafiłem do sztucznej inteligencji, bo zacząłem zastanawiać się w jaki sposób można zautomatyzować prowadzenie badań naukowych, która z roku na roku są coraz bardziej skomplikowane i trudno weryfikować ich poprawność. Sformułowałem program badawczy DeepAlgebra, ale szybko stwierdziłem, że w samej akademii mogę nie mieć środków na ten cel, a poza tym tempo pracy w akademii jest znacznie wolniejsze niż w biznesie — brakowało mi dynamiki i szybkich zmian.

Papiery z prestiżowej uczelni pomogły Ci w późniejszej pracy?

Zdecydowanie łatwiej było mi dotrzeć do ludzi i zainicjować pierwszy kontakt. Siedem lat, które spędziłem poza Polską, dało mi świetny network ambitnych ludzi na całym świecie. To jest największa zaleta spędzenia jakiegoś czasu na emigracji — ludzie. Wierzę, że reszty można się nauczyć w dzisiejszych czasach w dowolnym miejscu, gdzie jest połączenie z Internetem.

Dlaczego zostałeś przedsiębiorcą? Świat nauki był mniej interesujący?

Po pierwsze świat nauki uczelnianej był dla mnie zbyt wolny i też zbyt ograniczony, bo by odnosić sukcesy we współczesnej akademii należy poświęcić się w pełni jednej, wąskiej dziedzinie. Od zawsze lubiłem mieć szerszy ogląd rzeczywistości. Po drugie przedsiębiorczość jest dla mnie naturalna, cały czas szukam nowych rzeczy, nowych aktywności, staram się rozwijać. Bycie przedsiębiorcą pozwala mi grać w pełni na własnych warunkach i brać pełną odpowiedzialność za to co robię. Także ryzyko.

W Twoim biogramie na LinkedIn przeczytałem, że od 2016 roku pomagasz startupom zaimplementować rozwiązania z zakresu sztucznej inteligencji. Możesz opowiedzieć, w czym dokładnie AI pomogła tym startupom?

Na początku po powrocie do Polski właśnie w 2016 r. po Oksfordzie nie wiedziałem dokładnie w jaki sposób z nauki mogę przejść do biznesu, więc zacząłem od konsultingu. Kilka zleceń przyszło do mnie naturalnie, bo znajomi znajomych szukali kogoś, kto z zewnątrz mógłby popatrzyć na ich problemy. Szybko jednak stwierdziłem, że to nie to i wolę budować własną firmę. W tym momencie wdrażamy już własne rozwiązania przez ulam.ai w trzech działach: quantum computing, rozpoznawanie obrazów i rozumienie tekstu. A mówiąc na poziomie ogólnym — automatyzujemy procesy.

Najbardziej interesuje mnie automatyzowanie procesów, które od człowieka wymagają kreatywności. Widzimy pierwsze postępy w tym w grach, chociażby przy AlphaGo i rozegranych partiach, które były niezwykle oryginalne.

Jak z perspektywy czasu widzisz rozwój tej dziedziny? Myślisz, że za 5, 10 czy 15 lat będziemy wykorzystywać ją na co dzień?

Od 2005/6 roku AI jest w rozkwicie. Uczenie maszynowe zmienia się bardzo szybko i ciężko przewidzieć co się zmieni w najbliższym czasie. AI już każdy z nas wykorzystuje na co dzień — szukając trasy w Google Maps, kierując się sugestiami co kupić na Amazonie czy co obejrzeć na Netfliksie. To jakie reklamy oglądamy to też AI. Trend na najbliższy czas to AI jako asystent człowieka przy różnych czynnościach. Coraz popularniejsze stają Alexa, Siri czy Google Home. Głos jako sposób porozumiewania się z maszyną staje się też kluczowy. Samochody autonomiczne będą dużą zmianą — technologia już właściwie jest, ale czeka na odpowiednie regulacje. AI jest już wszędzie i będzie jeszcze bardziej z nami. Pytanie więc brzmi czy zmiany będą na lepsze czy na gorsze.

Z naukowca stałeś się przedsiębiorcą. Wielu ambitnych ludzi boi się otworzyć jedną firmę, a Ty w ciągu ostatnich trzech lat współtworzyłeś trzy. Jak radzisz sobie z organizacją czasu pracy?

Nawet więcej niż trzy. W tym momencie współistnieją trzy: Bohr, Aimee, Retailor, a nad tym wszystkim jest brand ulam.ai, czyli naszej grupy technologicznej. Ja sam jednak w 99% angażuję się w Bohra, czyli quantum computing w problemach optymalizacyjnych. Po różnych doświadczeniach wierzę, że w pełni można się poświęcić tylko jednej aktywności. Można mieć kilka rzeczy na boku, ale trzeba wiedzieć co jest głównym zajęciem. Dlatego kluczowe dla mnie przy organizacji pracy jest znalezienie odpowiednich ludzi, którym mogę zaufać i oddać część obowiązków.

W tym momencie w całym ulamie jest kilkanaście osób, tworzymy zgrany zespół. Komunikujemy się na Slacku na co dzień, do tego e-maile i pliki na Google Drive. Sam jeszcze mam system kalendarz plus notatki w Evernote, co pozwala dokładnie określić kiedy, co muszę zrobić. Lubię też system wyznaczania sobie celów przez OKRy (Objective-Key Results), który sprawdził się między innymi w Google’u i Intelu.

Zacznijmy w takim razie od Bohra. Dlaczego powstała ta firma i jaki problem klientów rozwiązuje?

Pomysł na Bohra przyniósł do mnie mój wspólnik, Witold Kowalczyk, który zmiany w quantum computingu śledził od jakiegoś czasu. Bohr Technology jest firmą, która zajmuje się rozwiązywaniem problemów optymalizacyjnych za pomocą komputerów kwantowych i klasycznego uczenia maszynowego. Dla mnie quantum computing zaczął być ważny, gdy zrozumiałem, że powoli docieramy do granicy prawa Moore’a i moc klasycznych komputerów w ciągu kilku lat przestanie rosnąć tak szybko jak dotychczas. Będą potrzebne alternatywne podejścia do obliczeń i komputery kwantowe są jedną z odpowiedzi. A z kolei moc obliczeniowa jest dla mnie ważna z perspektywy uczenia maszynowego.

To dość niszowa branża, powiedz jak szukasz współpracowników?

To prawda, jest mało ekspertów, którzy programowali na komputerach kwantowych. Ale to nie jest taki duży problem, bo w Polsce mamy dużo fizyków, także fizyków kwantowych, i to kwestia nauczenia ich Pythona. Algorytmy na komputery kwantowe pisze się także w środowiskach pythonowskich, jedyna różnica jest taka, że dokonuje się inaczej obliczeń i tutaj konieczna jest wiedza z fizyki kwantowej. Z szukaniem współpracowników obecnie nie mamy problemu, bo dużo ludzi sama się do nas zgłasza. Jesteśmy otwarci, by ich uczyć w ramach naszego programu bqResearcher. Kilku z uczestników już stało się w ten sposób pracownikami.

Ciekawa wydaje się cała grupa Ulam.ai, której hasło brzmi: We want to make machines think. Co dla Was oznacza to hasło?

Moją motywacją jest rozwijanie integracji na polu człowiek-maszyna. Chciałbym sprawić, by maszyny stały się integralną częścią naszej rzeczywistości i asystowały ludzi na co dzień — od prostych kwestii jak zakupy po skomplikowane badania naukowe. To już się dzieje do jakiegoś stopnia dzięki wszystkim serwisom, które powstają i dzięki wszechobecności smartfonów.

Dlaczego maszyny powinny myśleć i jak sprawić, by rozumiały coraz więcej?

Rozumienie pomoże maszynom lepiej odpowiadać na potrzeby ludzi. Obdarzenie jednak komputerów rozumem, tak jak my go rozumiemy, jest niesamowicie złożoną kwestią. Obecne podejście do sztucznej inteligencji przez uczenie maszynowe jest niewystarczające. Jednym z większym problemów jest brak implementacji logiki jako takiej, a także rozumienie głębszego kontekstu.

Większa w tym rola producentów, twórców i developerów, czy klientów końcowych zainteresowanych bądź nie machine learningiem?

Ostatecznie to rola twórców i developerów by pracować nad sztuczną inteligencją, ale to klienci są często motywacją, bo za nimi idą pieniądze, które można przeznaczyć na badania. Na szczęście obecnie uczenie maszynowe jest na tyle wszechobecne, że nie ma problemu by kogokolwiek przekonać do jego implementacji.

Jak chciałbyś, by świat postrzegał machine learning?

Jako narzędzie, miejscami bardzo wyrafinowane, które pomaga zautomatyzować rutynowe prace i zwiększyć potencjał człowieka.

Dlaczego z każdego z opracowanych rozwiązań tworzycie firmę, a nie sprzedajecie licencji np. korporacjom czy dużym przedsiębiorstwom?

Ależ my sprzedajemy licencje! Podział na mniejsze spółki ma sens o tyle, że wtedy każdy produkt może rosnąć swoim tempem, zespoły są niezależne, łatwiej się rozmawia z klientami, gdy mówi się o jednym, konkretnym produkcie, a nie o całej gamie. Za to cały ulam.ai ma sens, bo tworzymy jedną grupę w ramach której wymieniamy się wiedzą i doświadczeniem. Jestem zadowolony z tego, jak to funkcjonuje obecnie.

Jakie masz plany na przyszłość?

Obecnie najbardziej zależy mi na rozwoju Bohra — od powiększenia zespołu po zdobycie większej liczby klientów globalnie. W długim terminie chciałbym by cała grupa ulam.ai wyrosła na międzynarodową potęgę AI. Budujemy nowy google’owski Alphabet!


Przemysław Chojecki. Przedsiębiorca z tytułem doktora matematyki i członek listy Forbes 30 under 30 w Polsce. Obronił doktorat w Paryżu na Uniwersytecie Pierre et Marie Curie, następnie został Research Fellow i wykładowcą na Uniwersytecie w Oksfordzie. Po powrocie do Polski podjął badania nad sztuczną inteligencją, a także założył grupę technologiczną ulam.ai, gdzie jest CEO. W ramach grupy był współzałożycielem wielu przedsięwzięć, od logistyki po rynek mody, które wykorzystują najnowocześniejsze technologie.

Zdjęcie główne artykułu pochodzi z independent.co.uk.

Patronujemy

 
 
Polecamy
Budowanie niezawodnego i skalowalnego systemu na przykładzie harmonogramu zadań