Martin Dostál, vědecký ředitel a partner Looking AI Ventures
Looking AI Ventures / Shutterstock.com, koláž Hrot24
Rozhovor
Umělá inteligence není inteligentní. Nemá správné odpovědi, jen pravděpodobné, říká vědec, jenž ji zkoumá už 30 let
Martin Dostál se začal umělou inteligencí zabývat už v době, kdy o ní většina z nás buď vůbec nikdy neslyšela, nebo ji znala jen z vědeckofantastických příběhů. Na začátku milénia zkoumal, „jak přimět počítače myslet a uvažovat o problémech“. Stejně jako další vědce, kteří chtěli umělou inteligence podle jeho slov „vynalézt“, ho překvapilo, kterým se nakonec vydala směrem.
redaktor
Martin Dostál má, pokud jde o umělou inteligenci, jedinečné know-how. Propojuje akademickou, vědeckou i byznysovou zkušenost. A rozvíjí ho ukázkově: jako vědecký ředitel a partner českého fondu Looking AI Ventures, který investuje výhradně do startupů pracujících s umělou inteligencí.
Posoudil už sedm tisíc z nich, zatím ale investoval jen do 14 firem z různých evropských zemí. Včetně Slovenska, nikoliv ale České republiky. Českým AI startupům totiž podle Dostála většinou chybí globální unikátnost a investice prý nedává smysl. Z portfolia fondu je úspěšný například švýcarský Octotronic, který kontroluje výrobní roboty v Daimleru nebo BMW.
Umělé inteligenci se věnujete už desítky let. Jak jste se k ní dostal?
Studoval jsem informatiku v Opavě a měl jsem to štěstí, že na univerzitě působili lidé, kteří se umělou inteligencí zabývali. Už ve druhém ročníku – a to byla druhá půlka 90. let – jsme měli předměty, které se tomuto tématu věnovaly, to nebylo jinde běžné.
Zajímalo mě programování a zaujal mě programovací jazyk Lisp, který vznikl už v 50. letech právě pro potřeby umělé inteligence. Stále existuje a současné programovací jazyky z něj pořád čerpají.
Už v roce 2002 jsem psal diplomovou práci o umělé inteligenci, která by se dala označit jako generativní, i když fungovala na úplně jiných principech než dnes.
Zajímavé pro mě bylo přimět počítače myslet, uvažovat o problémech. To mě lákalo více než strojové učení. Celou svou profesní dráhu jsem se věnoval výzkumu a vývoji a stále se mu věnuji.
Vy ani nevíte, co to je, oni bohatnou díky vašim dětem. Za 3,5 milionu můžete bublat s námi, slibují šéfové Bubblify
Kam jste si tehdy myslel, že by mohla umělá inteligence spět?
V nástupu umělé inteligenci vidím dva milníky. První je kolem roku 2010, kdy se začalo masivně rozšiřovat strojové učení. Zásadní akceleraci spustil nástup jazykových modelů v letech 2018 až 2022. Ta technologie dokázala překvapit všechny, odborníky i laiky.
Vědecká komunita se totiž snažila umělou inteligenci vynaleznout, naprogramovat algoritmy. Velké jazykové modely ale jdou jinou cestou, jejich systém je vlastně taková statistická databáze textu.
A odpovědi na otázky se v této databázi nevyhledávají, ale generují podle určitého pravděpodobnostního modelu. Odpověď je pravděpodobná tomu, na co se ptáte.
Tedy je to chytrá práce se statistikou a obrovským množstvím dat. Samo o sobě se to dá těžko označit za inteligenci, ať už si pod tím představíme cokoliv. I když se to navenek často projevuje tak dobře, že bychom to za inteligentní považovat mohli.
Když se ale podíváme mimo jazykové modely na generativní umělou inteligenci věnující se generování obrazů nebo videí, to je věc, kde končí legrace. Výsledky jsou velice zajímavé, poznat rozdíl mezi reálným a uměle vytvořeným už je velice složité.
Trochu mi to připomíná knížku Malá encyklopedie hudby, kterou jsem měl moc rád jako dítě. O hudbě tam bylo úplně všechno. Jen tam nebyl termín hudba. To je příznačné i pro dnešní dobu.
Co říkáte na téma posledních týdnů – čínský DeepSeek?
Velký zájem vyvolalo hlavně to, že říkají, že dokážou velký model natrénovat za zhruba desetinové náklady oproti ostatním. Otázkou ale je, jestli je to pravda. Nedá se to přesně ověřit.
Nedosáhli patrně velkého technologického průlomu. Jde spíše o takový spouštěč, díky kterému i ostatní firmy ukážou, že dokážou snížit náklady.
Trh je napjatý, valuace AI technologických firem jsou vysoké, firmy investují obrovské peníze do vývoje AI, a tak je trh citlivý na jakékoliv novinky vyvolávající pochybnost o lídrech v oblasti AI.
Modelů dnes existují desítky a je třeba si také uvědomit, že v Evropské unii už platí nařízení o umělé inteligenci. A od srpna 2025 začnou být na obecné modely provozované v EU uplatňovány jeho požadavky. DeepSeek by tedy musel pro provoz v EU tyto regulatorní požadavky také splnit.
Obecně totiž existují určité obavy ohledně využití technologických nástrojů z Číny. Každý si o tom může myslet, co chce, ale v případě jazykových modulů jsou tato rizika jasná. Učí se z toho, na co se lidé ptají a jaká data jazykovému modelu předhodí.
Jak si udržovat v tématu umělé inteligence alespoň základní přehled?
Je pravda, že tohle je problém. Skoro nenajdete článek, který by se snažil veřejnosti smysluplně tu celou věc vysvětlit. Píše se o aplikacích a o šokujících věcech.
Trochu mi to připomíná knížku Malá encyklopedie hudby, kterou jsem měl moc rád jako dítě. O hudbě tam bylo úplně všechno. Jen tam nebyl termín hudba. To je příznačné i pro dnešní dobu.
My, kteří k veřejnosti mluvíme, bychom se měli snažit tyto věci smysluplně vysvětlovat. Já jsem třeba natočil desetidílný seriál o AI pro DVTV, který právě běží a je veřejně přístupný všem.
Jinak bych zkoušel si o umělé inteligenci hlavně číst, i když těžko doporučit konkrétní místo. A nové technologie si zkoušet, to může být velmi účinné.
V čem vidíte hlavní v rozdíl v investování do startupů, AI startupů a technologických startupů?
Startup je charakteristický tím, že jde o mladou firmu. V něčem je hodně silná, v něčem hrozně slabá. Někdy se říká, že znakem startupu je to, že se nachází v permanentní krizi. Vyžaduje specifický přístup oproti už zavedeným společnostem.
U klasického technologického startupu pak víte, že když nepokazíte programování, bude fungovat. V AI je ale velké riziko proveditelnosti. Ta věc nemusí v budoucnu vůbec fungovat nebo nemusí fungovat dobře tak, aby se dala rozumně komerčně nasadit.
A tohle musíte při investování už v rané fázi rozpoznat. Tedy že ta věc nepůjde dobrou cestou nebo že jde třeba jen o skládačku už existujících technologií a nepřináší nic nového.
Hledáme tedy potenciál a to, čemu se říká technická neférová výhoda. Zda ta firma dělá něco špičkově nebo lépe než ostatní. Pak se nedá taková investice tak jednoduše zničit tím, že přijde někdo jiný, kdo dělá to samé.
Snažíme se neivestovat do firem, které dělají to, co dělají ve světě desítky dalších. Nejúspěšnější bývá ten, kdo má nejvíce peněz. Ne ten, kdo to dělá nejlépe.
Jak jsou na tom v tomto ohledu české startupy?
České a obecně evropské startupy jsou po technické stránce stejně dobré jako ty ze Silicon Valley. Zaměřujeme se sice na střední Evropu, ale za dobu naší existence jsme zpracovali asi 7000 AI startupů ze 100 zemí světa. A jak jsem říkal, ty české a evropské jsou srovnatelné s těmi americkými.
Po byznysové stránce to ale často bývá tak, že české startupy říkají, že mají něco unikátního, ale ono to je unikání jen v České republice. Což jako investiční teze nemůže nikdy obstát.
Startup musí mít minimálně regionální, ale ideálně globální ambici, aby se při rizikovém uvažování ta věc ekonomicky vyplatila. Dostatečně unikátních je v České republice málo AI startupů, ale sem tam se nějaký objeví.
U nás totiž pozorujeme deficit podnikatelského myšlení. Neúspěch se pořád vnímá jako selhání. To je ale strašná chyba, v Americe to tak vůbec nefunguje. Tam něco zkusíte, a když to nevyjde, zkusíte něco jiného. A že vám něco nevyšlo, ještě neznamená, že jste to udělali špatně.
Cestou „neúspěchu“ totiž můžete dojít k úspěchu?
Přesně tak. Mezi Amerikou a Evropou je ale ve venture kapitálu další zásadní rozdíl. V Americe se investuje do trendů. Do moderních věcí, jako jsou teď třeba blockchain nebo generativní umělá inteligence, jdou peníze hlava nehlava. Evropský přístup je v tomto racionálnější a konzervativnější, zaměřuje se na produkt.
Zpracovali jste 7000 startupů věnujících se umělé inteligenci. Kolik z nich vás zaujalo natolik, že jste se jimi zabývali hlouběji, a do kolika z nich jste investovali?
Hodnocení příležitostí u nás probíhá vícekolově, v tomto množství není možné jít u všeho do absolutního detailu. Naše síto je extrémně přísné, investovali jsme asi do půl procenta z množství startupů, které se k nám dostaly. Jsme hodně vybíraví, ale také dost racionální v ekonomické části.
Vždy se díváme na to, jestli se naše investice může skutečně zhodnotit, a to ideálně deset- až třicetkrát. To se samozřejmě podaří jen u zlomku z nich, ale my potřebujeme vidět uvěřitelný byznys plán. Některé startupy totiž mohou být dobré, ale jsou tak drahé, že investice pro nás už nedává smysl.
Které startupy z vašeho portfolia byste zmínil jako nejzajímavější?
Náš fond má desetiletý investiční horizont. Aktuálně jsme stále v investiční fázi, dva roky ještě budeme investovat. Typické jsou pro nás dva příklady. Jedním z nich je švýcarský startup Octotronic. Nabízí systém, který sleduje na linkách výrobní roboty, zjišťuje, zda nedělají něco špatně, a předchází výrobě zmetků.
Smysl to má zejména, když se linky zavádějí, vlastně nahrazují potřebu lidského dohledu nad výrobními roboty. Jedna minuta zastavení výrobní linky v automobilce vyjde asi na 60 tisíc eur. Takže jakékoliv snížení této ztrátovosti je velmi přínosné.
Octotronic vedle toho vytváří i platformu pro digitalizaci výrobních linek, které obecně ještě příliš dobře digitalizované nejsou. Říkám to proto, že do startupů investujeme skutečně v rané fázi, v případě Octotronicu to bylo ve chvíli, kdy ještě neměl žádného zákazníka.
Ale jejich technologie pro nás byla tak přesvědčivá, že jsme tuto investici udělali. A Octotronic během několika měsíců získal zákazníky, jako jsou Daimler Benz nebo BMW.
Druhou firmou, kterou zmíním, je německý startup Secjur. Ten i pomocí umělé inteligence pomáhá splňovat firmám různé regulatorní požadavky na celounijní úrovni spojené třeba s bezpečností nebo s GDPR. Tahle firma jen za minulý rok vyrostla v příjmech o 140 procent.
Také jste investovali do startupu Electric Sheep…
To je britská firma, která se věnuje rotoskopii ve filmovém průmyslu. Představte si natáčení se zeleným pozadím, do kterého se následně klíčuje určitý obsah, typicky akční scéna.
Je to věc, která se překvapivě dělá ručně, snímek po snímku, jde totiž o kvalitu. Vteřina filmu takto zpracovaná člověkem vyžaduje hodiny a hodiny práce.
Electric Sheep ale vyvíjí specializované modely, které to jsou schopné třeba z 90 procent zautomatizovat a výrazně zrychlit. Zásah člověka už je jen zlomkem původní práce. A data na trénování tohoto modelu poskytují Electric Sheep velká filmová studia.
Dosavadní přístup byl zkrátka málo efektivní. A to je jedna ze základních výhod současné umělé inteligence, může výrazně přispívat ke zvýšení produktivity.
Co by se ve vašem fondu Look AI ventures mělo podařit během roku 2025?
Pokračujeme v naší investiční strategii. Velkým tématem je teď generativní umělá inteligence, hodně startupů se jí věnuje. Vzniká spousta zajímavých aplikací na zefektivnění činnosti i pro naprosto netechnické uživatele.
Přibývá produktů, které dokážou automaticky komunikovat se zákazníkem a naceňovat nabídky, třeba od instalatérů. Posiluje se rovněž schopnost umělé inteligence o problémech uvažovat, z čehož bude extrémně těžit robotika.
Uvědomme si také, že regulování umělé inteligence neznamená jen omezování a nemusí dělat jen problémy. Je to také technická příležitost. Právě jejich prostřednictvím totiž může dojít k inovacím, které bude požadovat už zmiňované nařízení.
Například jak model dospěl k dané odpovědi. A kdo bude schopný takovéto inovace přinést, může získat obrovskou konkurenční výhodu. Přitom se tomu ještě nikdo příliš nevěnuje.
Martin Dostál
Partner a vědecký ředitel Look AI Ventures
Umělé inteligenci se věnuje od poloviny 90. let
Vystudoval informatiku na Slezské univerzitě v Opavě, doktorát má z Univerzity Hradec Králové
Akademicky působil například na Univerzitě Palackého v Olomouci nebo na Masarykově univerzitě v Brně
V expertní roli spolupracuje se Svazem průmyslu a dopravy a s dalšími organizacemi