Jan Stuchlý z Kliniky dětské hematologie a onkologie ****************************************************************************************** * ****************************************************************************************** Možnosti nástrojů umělé inteligence jsou již delší dobu využívány v medicíně, tedy i na lé fakultách UK. O tom, jak AI mění současnou vědu, proč je důležitější správně položit otázk odpověď a jak mohou podobné nástroje pomoci při zkoumání leukemií, jsme hovořili s Janem S dětské hematologie a onkologie 2. LF UK a FN Motol a Homolka. Ve vaší práci se pojí lékařství, věda, technologie i matematika. Kdy jste začal v těchto o s umělou inteligencí a byla nějaká konkrétní výzva, která vás k tomu přivedla? Vlastně jsem s tím začal pracovat ještě dřív, než se o tom běžně mluvilo jako o umělé inte Pracovali jsme s relativně jednoduchými neuronovými sítěmi. Když jsem začínal s něčím, co bychom dnes mohli označit za AI, bylo to v souvislosti s viz analýzou velmi komplexních biologických dat. V biologii bývá často problém už jen uložit a zpracovat objem dat, který vzniká během anal pacientů mohou vzniknout terabajty dat, která není jednoduché nikam nahrát ani ekonomicky externích službách. Právě proto mi dnes připadá nejzajímavější spojení velkých jazykových modelů s lokální výp infrastrukturou. Máme výkonné výpočetní uzly, velká úložiště a k tomu jazykový model, kter s programováním, řízením analýz i obsluhou celého procesu. Pro mě je nejzajímavější právě systémů při práci s reálnými vědeckými daty a výpočetními zdroji. A používáte nástroje umělé inteligence běžně při práci nebo jen někdy na konkrétní, specif Používám ji v podstatě každý den a poměrně rutinně, zejména na programování. Dnes už sám p tehdy, když si potřebuji napsat nějakou jednoduchou funkci nebo když mě zajímá konkrétní a problém. Umělou inteligenci používám i na věci, u kterých mě vlastně překvapilo, jak dobře funguje. novou matematickou metodu z učebnic nebo odborných článků, bývají jejich součástí cvičení, potřebuje projít, aby látce skutečně porozuměl. Někdy se přitom může zaseknout na jediném na celé odpoledne. Ve velké většině případů dnes dokážou velké jazykové modely takové úlohy vyřešit správně a pochopit postup výrazně rychleji. A to ještě před rokem na mě velké jazykové modely v podo působily trochu jako student, který se snaží zakrýt, že látce úplně nerozumí. Dnes mám mno pocit, že skutečně něco počítají a řeší. A je naopak něco, co vás překvapuje, že umělá inteligence stále neumí? Nejsem tím úplně překvapený, ale myslím si, že umělá inteligence zatím ani nevykročila smě přicházela s vlastními nápady. Nedávno jsem četl vzpomínku na matematika Stanisława Ulama. kolegů se ptali, proč byl tak výjimečný, a on odpověděl: „Protože měl ty nejkrásnější otáz Velké jazykové modely jsou dnes stále lepší v odpovídání. Když člověk položí dostatečně je otázku, dokážou pomoci s překvapivě širokým spektrem problémů. Skutečný pokrok ale často n že vyřešíte dobře definovanou otázku. Důležité je položit si tu správnou otázku. A právě v jejich limit. Váháte někdy kvůli těm limitacím nad použitím nástrojů umělé inteligence? Jsou věci, které nesvěříte? Asi bych řekl, že když člověk studuje matematiku, často se učí právě tím, že dlouho přemýš a hledá vlastní řešení, láme si s tím hlavu. Pokud si všechno nechá okamžitě vysvětlit, mů procesu přijít. Je to podobné, jako kdyby si nechal poradit od chytřejšího spolužáka. Na druhou stranu existují úlohy, nad kterými lze strávit týden a stejně se nikam nedostat. jestli není lepší nechat si poradit. Najít správnou rovnováhu mezi pomocí, která člověka p pomocí, která ho zbavuje přemýšlení, je podle mě jedna z nejtěžších věcí při používání AI sám přemýšlím. Působíte na druhé lékařské fakultě Univerzity Karlovy. Máte nějakou představu třeba o tom, budoucnosti promění vysoké školy? Myslím, že s nástupem umělé inteligence budeme muset znovu promyslet, co vlastně považujem nebo vzdělanost. V určité době byl vzdělaný člověk ten, kdo přečetl hodně knih, uměl vyhle knihovnách nebo třeba skvěle počítal. Pak přišly kalkulačky, počítače a internet a význam se postupně proměnil. Předpokládám, že podobná změna nás čeká i teď. Samotné množství znalostí nebo zvládnutých technik už nebude tak významnou výhodou jako dř ****************************************************************************************** * Claude Science na univerzitním clusteru ****************************************************************************************** V RSE se věnujete mimo jiné i zpřístupňování nástrojů umělé inteligence akademikům a výzku univerzitním clusteru je nyní dostupný také Claude Science. Jak si mám tento nástroj jako Claude Science je příkladem takového agentního systému pro vědeckou práci. Nejde jen o jaz který odpovídá na otázky, ale o nástroj, který dokáže koordinovat práci s dalšími speciali aplikacemi a analytickými nástroji. Výzkumník může jednoduše popsat, co chce udělat, a systém navrhne vhodný postup, vybere ná potřebné skripty a podobně. Výrazně se tím snižuje ta vstupní bariéra při práci se složitě nástroji. Na univerzitním clusteru je dnes Claude Science dostupný v testovacím režimu a akademici i mohou jeho možnosti sami vyzkoušet. Claude Science na univerzitním clusteru Tým Research Software Engineering Univerzity Karlovy (RSE), se kterým spolupracuje Jan Stu zpřístupnil na univerzitním výpočetním clusteru nástroj Claude Science, specializovaný AI vědeckou práci. Na rozdíl od běžných chatbotů dokáže spolupracovat s analytickými a výzkumnými nástroji, p skripty nebo navrhovat postupy při zpracování dat. Akademici a výzkumníci UK si jej nyní m režimu vyzkoušet přímo v univerzitní infrastruktuře, bez nutnosti využívat externí komerčn Znamená to, že už je využití AI prakticky vyřešené? Z pohledu samotných modelů jsme se posunuli dost daleko. Hlavní výzvou, kterou teď řešíme, tak schopnosti AI jako spíš funkční bezpečné prostředí, ve kterém ji chceme využívat. Ve výzkumu často pracujeme s citlivými daty, například s údaji o pacientech. V takovém pří vždy možné jednoduše využít běžné komerční AI služby. Potřebujeme mít jistotu, že práce s legislativním požadavkům, nárokům na GDPR a že celý proces je bezpečný. Jednoduše mít k di kterému bych mohl svá data připojit způsobem, u něhož mám jistotu, že splňuje všechny poža dat. Jednou z cest je provozovat modely lokálně, což je ale velmi náročné na hardware. Proto ny možnosti využití evropských cloudových služeb, kde je garantováno, že data podléhají evrop To mi trochu zní i jako propojení technologických otázek a administrativy, řešení různých To je právě ono, nejde jen o samotné modely, ale celou infrastrukturu kolem nich. Vedle te napojení je potřeba zajistit správu přístupů, bezpečnost, kontrolu nákladů i propojení s u systémy. Naším cílem je zpřístupnit výzkumníkům moderní AI nástroje tak, aby je mohli využívat bezp nutnosti řešit technické nebo legislativní obtíže. ****************************************************************************************** * AI a výzkum liniové plasticity leukémie ****************************************************************************************** Ve svém vlastním výzkumu se zabýváte takzvanou liniovou plasticitou leukemií. Co si pod tí Zjednodušeně řečeno se snažíme pochopit, jak se leukemické buňky mění v průběhu nemoci a l proč jsou některé z nich schopné měnit svou identitu a jak přesně tento proces probíhá. U některých typů leukemií totiž pozorujeme, že buňky, které původně připomínají jeden typ systému, získávají vlastnosti jiného typu. Díky moderním metodám dnes dokážeme sledovat je pozorovat, jak se během této proměny mění jejich genetický program. Je to biologická otázka, která se ale vlastně stává i otázkou matematickou a výpočetní. Pr obrovským množstvím dat a snažíme se z nich rekonstruovat cestu, po které se buňky během s ubírají. Právě proto se asi přirozeně nabízí využití pokročilých metod umělé inteligence. Mohl byste to využití umělá inteligence při zkoumání leukemických buněk přiblížit? Na jedné úrovni pomáhá se samotným zpracováním dat. Když například změříme single-cell dat nejsou žádné přehledné grafy nebo tabulky. Z laboratoře dostaneme velké textové soubory ob krátkých genetických sekvencí. U každé sekvence víme, ze které buňky pochází, ale samotná člověka prakticky nečitelná. V tomto okamžiku začíná bioinformatická analýza. Prvním krokem bývá zjistit, ke kterým gen sekvence patří. K tomu existují specializované nástroje, které sekvence porovnají s refere genomem a určí jejich původ. Jazykový model tyto úlohy sám neřeší. Funguje spíše jako inteligentní rozhraní nad existuj bioinformatickými metodami. Rozpozná, jaký nástroj je pro daný krok vhodný, spustí jej a n výsledky. Takže AI nenahrazuje odborné nástroje, ale spíše usnadňuje práci s nimi? Je to tak. Ve skutečnosti výzkumník nepotřebuje jen samotný jazykový model. Potřebuje celo bioinformatických nástrojů, které analýzu provádějí. Před nástupem jazykových modelů člově pracoval přímo v terminálu, zadával příkazy nebo si připravoval vlastní pipeline. U single navíc obtížné vytvořit univerzální postup, který by fungoval stejně pro každý experiment, často musel dělat zkušený bioinformatik. Dnes mohou jazykové modely fungovat jako prostředník mezi výzkumníkem a těmito nástroji. D potřebné skripty, spustit jednotlivé kroky analýzy nebo pomoci s instalací nových metod. V může více soustředit na samotnou biologickou otázku a méně na technické detaily. Kde vidíte největší potenciál nástrojů AI z pohledu samotné vědy? Nejzajímavější je pro mě možnost využít je přímo při hledání odpovědí na biologické otázky například snažíme zjistit, jakou cestou se leukemické buňky během své proměny ubírají, exi různých matematických modelů, které se na problém dívají z různých úhlů. Dnes je velmi obtížné všechny tyto přístupy systematicky porovnávat. Do budoucna si ale um jazykové modely budou schopné samostatně vyhledávat vhodné metody, aplikovat je na konkrét výzkumníkům hledat ty nejlépe fungující. To by mohlo výrazně urychlit cestu od dat k novým poznatkům. Když se podíváte za dnešní možnosti AI, co považujete za opravdu zajímavý směr jejího dalš Dnes už jazykové modely dokážou pracovat s existujícími nástroji a využívat je při analýze začíná zajímat otázka, jestli se mohou posunout dál a vytvářet vlastní matematické modely. Řada biologických problémů se nakonec převádí do matematické podoby. Už dnes vidíme, že ja dokážou navrhovat hypotézy nebo nové analytické postupy. Nemyslím si, že by to zatím fungo právě tady podle mě leží jedna z nejzajímavějších oblastí současného vývoje. Představte si, že by model dokázal navrhovat metody pro analýzu dat a využívat přitom mate z oborů, na které by člověk třeba vůbec nenarazil. Stále častěji se ukazuje, že řešení bio problémů mohou přicházet z úplně jiných oblastí matematiky nebo fyziky. Tahle představa mě jako výzkumníka fascinuje. Tak uvidíme, kam se to bude posouvat. Mgr. Jan Stuchlý, Ph.D. Mgr. Jan Stuchlý, Ph.D. působí na Klinice dětské hematologie a onkologie 2. lékařské fakul Karlovy a Fakultní nemocnice Motol a Homolka a zároveň v týmu Research Software Engineerin Na pomezí bioinformatiky, matematiky a výpočetních věd pomáhá budovat infrastrukturu, kter bezpečně využívat moderní nástroje umělé inteligence při výzkumu. Zároveň se věnuje vlastn leukemií, konkrétně studiu takzvané liniové plasticity, tedy proměn identity leukemických nemoci a léčby.