Na mezinárodní konferenci v New Orleans vyhráli vědci z ČVUT soutěž o nejpřesnější předpověď počasí a soutěž na modelaci atmosféry exoplanet. Výherci působí jako odborníci na umělou inteligenci na Fakultě informačních technologií ČVUT v Praze (FIT ČVUT). Každoročně se během konference koná několik soutěží, kde se řeší úlohy od základního výzkumu po AI aplikace. Češi se akce účastnili spolu s dalšími deseti tisíci odborníky z celého světa.
První vítězství si fakultní tým připsal v soutěži Weather4cast. Zadáním bylo co nejpřesněji předpovědět srážky podle satelitních dat sesbíraných během dvou let v sedmi regionech. Podle ČVUT jejich projekt realisticky simuluje předpověď extrémních srážek v lokalitách, kde nejsou meteorologické radary, mimo jiné tedy i v rozvojových zemích.
Mezi členy vítězného týmu patří Jiří Pihrt, Rudolf Raevskiy, Petr Šimánek a Matej Choma z Laboratoře datových věd. Soutěžili s výzkumným projektem, na němž spolupracovali s firmou Meteopress.
„Díky propojení znalostí vědců a studentů z fakulty s firmou Meteopress již nyní dokážeme velmi přesně předpovídat počasí na několik desítek minut dopředu. Je to jeden z názorných příkladů, jak efektivně propojit teoretický výzkum s praxí,“ komentoval práci vítězů Pavel Kordík, proděkan pro spolupráci s průmyslem na FIT ČVUT.
Mistr vesmírného počasí
Druhé vítězství získal Ondřej Podsztavek v soutěži Ariel Machine Learning Data Challenge. Účastníci měli za úkol modelovat atmosféry takzvaných exoplanet, tedy planet, jež se vyskytují mimo sluneční soustavu. Podle Podsztavky umožňuje výzkum exoplanet vědcům uchopit výjimečnost Země.
„Cílem projektu bylo navrhnout co nejefektivnější metodu pro rozpoznání teploty atmosfér exoplanet a množství plynů v nich. Navrhl jsem proto takzvaný ‚deep ensemble‘ algoritmus, který tvoří dvacet konvolučních neuronových sítí upravených pro zpracování spekter, které vznikají rozložením světla procházejícího atmosférami exoplanet,“ vysvětlil Podsztavek.
Konference Neural Information Processing Systems se koná každoročně v prosinci a zaměřuje se na strojové učení.
