Fei-Fei Li patří k lidem, kteří pomohli nastartovat dnešní éru umělé inteligence. Teď se profesorka ze Stanfordu a spoluzakladatelka startupu World Labs snaží posunout hranice technologie zase o kus dál. Její nový model Atlas totiž přichází s něčím, co na první pohled vypadá jako magie: stačí mu předložit jedinou fotografii a Atlas dokáže domyslet a vytvořit kompletní, trojrozměrný a plně prozkoumatelný svět.

Právě v tom spočívá jeden z nejzajímavějších rozdílů oproti běžným generátorům videa. Atlas nevytváří pouze hotový klip podle textového zadání. Z vytvořené scény dokáže udělat prostor, se kterým lze dál pracovat. Uživatel může měnit úhel pohledu, pohybovat kamerou, prozkoumávat jednotlivá zákoutí nebo nechat model doplnit části scény, které v původním záběru nebyly vidět. Výsledkem tak není jen video, ale 3D prostředí, se kterým lze dále pracovat.

Je to jen zdůraznění toho, že profesorka ze Stanfordu dlouhodobě zastává postoj, že skutečně všestranná umělá inteligence musí především rozumět prostoru, hloubce a fyzikálním zákonitostem. Bez toho podle ní zůstane její chápání světa omezené.

Využití Atlasu může mít několik rovin. Od filmových efektů, přes tvorbu videoher až po robotiku. Trénovat roboty přímo v reálném světě je totiž časově náročné a nákladné. Robot ale v prostředí Atlasu může opakovaně nacvičovat různé pohyby, manipulaci s předměty nebo vyhýbání se překážkám, aniž by při testování hrozilo poškození skutečného vybavení.

Za celým projektem stojí pozoruhodný příběh samotné Fei-Fei Li. Když v patnácti letech přicestovala s rodinou z Pekingu do New Jersey, měli s sebou necelých dvacet dolarů. Aby se rodina uživila, půjčila si peníze na malou čistírnu oděvů. Zatímco přes týden studovala a doháněla angličtinu, o víkendech pracovala za pokladnou a vydávala zákazníkům vyčištěné košile.

Její odhodlání ji postupně přivedlo ke studiu na Princetonu, kde získala plné stipendium, a později k doktorskému studiu na Caltechu, kde se začala naplno věnovat počítačovému vidění a umělé inteligenci. V roce 2007 už jako profesorka přišla s projektem ImageNet, který měl zásadně změnit způsob, jakým se počítače učí rozpoznávat svět kolem sebe.

Princip byl jednoduchý, ale v tehdejší době mimořádně náročný. Fei-Fei Li chtěla vytvořit obrovskou databázi obrázků, u nichž bude přesně označeno, co je na nich zachyceno, například pes, auto nebo strom. Počítače díky tomu dostaly dostatek příkladů, na kterých se mohly naučit jednotlivé objekty samy rozpoznávat. Místo toho, aby jim člověk musel každý nový obraz popisovat, mohly se učit z milionů skutečných příkladů.

Odborníci tehdy projektu příliš nevěřili a odhadovali, že jeho dokončení potrvá až 19 let. Fei-Fei Li ale našla způsob, jak práci výrazně urychlit, a databáze se postupně stala jedním z nejdůležitějších zdrojů pro rozvoj počítačového vidění. O více než deset let později, po působení ve vedení Google Cloud i na Stanfordově univerzitě, se vydala dalším směrem.

V roce 2023, kdy se velká část technologického světa soustředila především na textové chatboty, založila startup World Labs zaměřený na tzv. prostorovou inteligenci. Investoři rychle ukázali, že její myšlence věří.

Firma získala letos v únoru miliardu dolarů investic od společností jako Nvidia či AMD a hranici hodnoty jedné miliardy dolarů překonala během pouhých dvanácti týdnů.

Atlas je tak nejnovějším razítkem na tuto masivní důvěru investorů a potvrzením, že prostorová inteligence není jen akademickým snem. World Labs však Atlas v tuto chvíli spustili pouze v režimu předběžného přístupu pro vybrané partnery, vývojáře a technologické firmy. Přesný ceník ani datum plošného otevření pro širokou veřejnost startup zatím nezveřejnil. Model má ale postupně tvořit technologické jádro volnějších nástrojů firmy, jako je platforma Marble.