V tokijské stanici Ueno se každé ráno odehrává malý technologický zázrak. Stačí položit tác s pečivem na svítící obdélník a systém během vteřiny pozná rozdíl mezi šedesáti druhy loupáků, aniž by potřeboval čárový kód. To, co začalo jako snaha ulevit frontám v pekárnách, se však díky geniální intuici jednoho onkologa změnilo v revoluční nástroj na detekci rakoviny.

Svítící obdélník ve stanici Ueno

Akiko má naspěch. Jako tisíce jiných Tokijčanů kličkuje labyrintem stanice Ueno, aby stihla svůj spoj. Zastavuje se v pekárně, kde se vůně čerstvého másla mísí s technokratickým chladem metropole. Bere si tác, kleště a s rutinou vybírá dva donuty a jeden ham corn, japonskou specialitu, kde se kukuřice s majonézou zapéká přímo do těsta.

U pokladny ji ale nečeká žádné zdlouhavé pípání skeneru. Prodavačka jí pokyne, aby tác položila na zářící skleněnou desku. Nad pečivem se na monitoru okamžitě objeví neonově zelené obrysy. Systém během mrknutí oka identifikuje každý kousek, sečte cenu a Akiko platí mobilem. Působí to jako magie, myslí si i sama Akiko o pár minut později, když už v dlaních tiskne papírový sáček.

Tato „magie“ se jmenuje BakeryScan a je produktem firmy Brain Co., malé společnosti z prefektury Hjógo. Co ale Akiko netuší, je fakt, že stejná technologie, která právě spočítala její snídani, se ve špičkových japonských nemocnicích používá k identifikaci metastáz v močových buňkách.

Problém jménem „nahé pečivo“

Většina světa řeší automatizaci prodeje čárovými kódy. Jenže v Japonsku je pečivo kultem. Zákazníci chtějí vidět strukturu kůrky, chtějí cítit čerstvost. Balit každý croissant do celofánu kvůli nálepce je vnímáno jako hřích proti estetice i ekologii. Navíc japonské pekárny jsou pověstné svou variabilitou a jeden obchod může nabízet přes 100 druhů pečiva, které se každý týden obměňuje.

Kambeho tým strávil pět let definováním toho, co dělá croissant croissantem. Sledovali, jak se mění stíny v dírce donutu, jak barva kůrky odpovídá stupni vypečení a jak systém zmást „příbuznými“ tvary.

Pro nové pokladní to bylo peklo. Musely si pamatovat stovky vizuálních detailů. „Houska s kari vypadá skoro stejně jako houska s fazolemi adzuki,“ vysvětluje Hisashi Kambe, zakladatel Brain Co. a mozek za celým projektem. Fronty se natahovaly, chybovost rostla. V roce 2007 proto jeden pekařský řetězec oslovil Kambeho s na první pohled divnou otázkou: „Dokážete naučit počítač vidět chleba?“

Inženýr, který odmítl „černou skříňku“

Kambe není typický AI vizionář ze Silicon Valley, který by mluvil v prázdných frázích o neuronových sítích. Je to člověk, který začínal u textilních strojů. Když začal vyvíjet BakeryScan, dnešní boom „Deep Learning“ (hlubokého učení) byl ještě v plenkách. Kambe se rozhodl pro cestu, které se dnes říká „klasické počítačové vidění“.

Zatímco dnešní AI často funguje jako černá skříňka, u které nikdo přesně neví, proč se rozhodla tak, jak se rozhodla, Kambeho systém je řemeslný kousek. Jeho tým strávil pět let definováním toho, co dělá croissant croissantem. Sledovali, jak se mění stíny v dírce donutu, jak barva kůrky odpovídá stupni vypečení, a jak systém zmást „příbuznými“ tvary.

„Museli jsme vyvinout matematické modely pro texturu a kontury,“ vzpomíná Hisashi Kambe pro magazín New Yorker. Výsledkem byl systém, který nepotřeboval desetitisíce fotek k naučení jednoho rohlíku. Stačilo mu jich pár. A právě tato efektivita se ukázala jako klíčová pro medicínu.

„Vypadá to jako chleba, ale je to rakovina“

Pak přišel moment, který všechno změnil. Lékař z Centra pro medicínský výzkum Louise Pasteura v Kjótu sledoval v roce 2017 v televizi reportáž o pekárně v Ueno. Zatímco ostatní viděli loupáky, on viděl svou každodenní práci pod mikroskopem.

Uvědomil si fascinující věc: rakovinné buňky mají pod mikroskopem velmi podobné charakteristiky jako pečivo na tácu. Mají specifické okraje, texturu jádra, která připomíná vypečenost těsta, a tendenci se shlukovat. Kontaktoval Kambeho firmu s bláznivým nápadem.

Netrvalo dlouho a vznikl Cyto-Aiscan. Systém, který místo cukru na donutu hledá abnormálně zvětšená jádra buněk v moči. Studie ukazují, že zatímco patolog musí prohlédnout tisíce buněk na jednom sklíčku, což vede k únavě a chybám, AI-Scan dokáže označit podezřelé oblasti s neuvěřitelnou přesností. Podle odborných studií o digitální patologii dokáže umělá inteligence výrazně zkrátit čas diagnózy a eliminovat lidský faktor únavy.

Odolnost vůči celofánu i času

Když přišla před lety pandemie, pekařství musela začít pečivo balit do plastu. Pro většinu systémů vizuálního rozpoznávání by odlesky na celofánu znamenaly konečnou. Ale Kambeho tým, zvyklý na precizní práci s detaily, systém rychle adaptoval. „Použili jsme hluboké učení k tomu, aby si systém 'odmyslel' ten obal a viděl skrze něj,“ říká se Kambe.

Dnes se technologie z pekárny nepoužívá jen v nemocnicích. Najdete ji při kontrole kvality v automobilkách, při identifikaci léků v nemocnicích, nebo dokonce při analýze historických dřevořezeb ukiyo-e.

Dvě strany jedné mince

Akiko ve stanici Ueno právě dojedla svůj croissant. Je to pro ni jen malý moment radosti v rušném dni. Netuší, že díky algoritmu, který jí ušetřil dvě minuty ve frontě, možná právě teď nějaký lékař v Kjótu zachránil život pacientovi včasnou diagnózou.

Příběh BakeryScan nám ukazuje, že budoucnost umělé inteligence nemusí být jen v obřích modelech, požírajících celá datacentra. Někdy stačí s pokorou sledovat svět, ať už je to v pekařském košíku, nebo pod čočkou mikroskopu. Princip je stejný. Je to o schopnosti vidět podstatu věci.