AI Fórum: Od výzkumu k řešením pro průmysl

Ve spolupráci se společností Panasonic vyvíjíme nástroje, které pomáhají navrhovat a řídit výrobu na základě dat místo odhadů. Jádrem řešení je digitální dvojče výrobního systému, které umožňuje simulovat provoz v různých konfiguracích a odhalit úzká hrdla ještě před zásahem do reálné linky. Na něj navazují optimalizační algoritmy pro uspořádání pracovišť (facility layout) a datově řízená optimalizace výroby, která využívá provozní data k hledání efektivnějších nastavení a plánů. Představíme cíle, přístup a první kroky spolupráce a ukážeme, jak se výzkum v NCUI promítá do konkrétních rozhodnutí ve výrobě.

Autonomní robot se dnes dokáže pohybovat i v náročném terénu, skutečnou výzvou je však jeho bezpečná a efektivní spolupráce s lidmi a dalšími roboty. Na příkladu autonomního vozidla TAROS 6×6 a zkušeností z mezinárodních cvičení ARTEX a ALPEX 2026 ukážeme, jak se posouváme od samostatné navigace k robotickým systémům podporujícím společné úkoly, jakým je například zásobování. V rámci NCUI rozvíjíme metody přirozené interakce člověka s robotem. Cílem je vytvořit technologie vzájemného vnímání lidí a robotů, které umožní jejich smysluplnou spolupráci v reálném prostředí.

Pracovní balíček Biomedicína (WP6) využívá umělou inteligenci k propojení klinických a behaviorálních dat pro personalizovanou prevenci i populační modelace. Jeho cílem je digitální dvojče, které z anamnézy, klinických parametrů a širokého spektra dat o životním stylu predikuje individuální i populační vývoj zdravotního stavu a umožní simulovat dopad intervencí i jejich kombinací („what-if“). Představíme první krok – softwarovou platformu pro bezpečný sběr a zpracování citlivých zdravotních dat, kterou OLTAIR Systems vyvíjí s ÚMTM LF UPOL a ověřuje v pilotním nasazení – a navazující moduly pro průběžné testování kognitivních funkcí a pro hodnocení datových vstupů z nositelné elektroniky.

Každá nemocniční laboratoř je jiná: liší se objemem vzorků, skladbou testů, pracovními zvyklostmi i plány do budoucna. Proto ani laboratorní automatizační systém, jako je DxA 5000, nemůže mít univerzální podobu. Ve spolupráci se společností Beckman Coulter vyvíjíme nástroj, který promění návrh laboratoře z odhadu v přesné, daty podložené rozhodnutí. Jádrem řešení je vysoce konfigurovatelné digitální dvojče systému DxA 5000. Dokáže během okamžiku nasimulovat provoz laboratoře v libovolné konfiguraci a odhalit úzká hrdla dřív, než vzniknou. Doplňují ho optimalizační algoritmy, které rozhodují, kde a jak má být každý test vyhodnocen. Spojením matematické optimalizace a strojového učení hledáme konfigurace, které jsou efektivní dnes a obstojí i při budoucím růstu nemocnice.

Umělá inteligence otevírá nové možnosti, jak předvídat chování energetických systémů, plánovat a řídit jejich provoz. Příspěvek představí výzkumné směry Národního centra umělé inteligence (NCUI) v oblasti energetiky, od predikce výroby a propojování energetických sektorů až po podporu rozhodování a řízení soustav. Zaměří se na to, jak mohou data a modely přispět k lepšímu porozumění provozu, odhalování nesrovnalostí a efektivnějšímu využití zdrojů. Jednotlivá témata propojí pohled na AI jako součást energetické skládačky, v níž se výzkum potkává s potřebami praxe.

Jazykové modely se rychle staly nedílnou součástí moderních informačních systémů. Jejich aplikace je ale v mnoha případech velmi drahá, neefektivní, a je těžké aktualizovat znalosti udržené v modelech. Tyto vlastnosti brzdí některé aplikace, například v počítačové bezpečnosti. Proto vyvíjíme malé levné modely, které můžeme jednoduše přetrénovat na nový problém / domény a rychle je aktualizovat na nové skutečnosti. Pro maximální zjednodušení vyvíjíme integrovaný nástroj, který s pomocí aktivního učení kombinuje malé levné modely s velkými a drahými modely a destiluje velké modely do malých, aby uživatel neviděl rozdíl v použití.