Jana Tučková

„Je velký rozdíl, když dostanete data z továrny, a když máte pracovat s lidmi,“ říká doc. Ing. Jana Tučková, CSc. z katedry teorie obvodů ČVUT FEL. Její výzkum na poli neuronových sítí pomáhá lékařům Fakultní nemocnice v Motole při určování diagnózy neurologických onemocnění u dětí.

Co jsou to neuronové sítě?

Umělé neuronové sítě jsou matematické modely, které napodobují biologické neuronové sítě v lidském mozku, zejména pak jejich schopnost učit se a řešit nové úkoly na základě předchozích zkušeností.

Co znamená, že se síť učí?

Každou síť je třeba nejprve natrénovat tak, že ji opakovaně předkládáte stejný soubor dat. U jednoho typu sítí – nazývají se s učitelem – víte, jaký výsledek chcete dosáhnout, a postupným učením se snažíte ten rozdíl mezi požadovaným výstupem a vstupními daty zmenšovat. Síť dokáže s jistou přesností reprodukovat, co se naučila, případně opravit chyby nebo doplnit chybějící data, tak jako děti dovedou na základě nabytých znalostí doplnit chybějící slova do textu. Tento typ neuronových sítí se používá např. pro rozpoznání řeči, obrazů nebo nějakých objektů, pro modelování různých parametrů signálů, pro predikci, tedy předpovídání (např. spotřeby energie, vývoje na finančních trzích apod.). Jiný typ neuronové sítě je samoorganizující se mapa. Ta umí hledat vnitřní vazby mezi daty a na základě toho data klasifikovat nebo komprimovat. Všechny typy neuronových sítí však umí generalizovat, což znamená, že na základě natrénovaných zkušeností dokáží získat správné výstupy i z neznámých dat, která nebyla na trénování použita.

Jak jste se k neuronovým sítím dostala vy?

Po revoluci jsem obdržela nabídku zúčastnit se výzkumné stáže v Lausanne ve Švýcarsku. Na ČVUT jsem se v té době věnovala návrhu aktivních filtrů, ze Švýcarska mi však napsali, že mě vezmou jen, když začnu pracovat s umělými neuronovými sítěmi. V rámci stáže jsem pak absolvovala ještě mezinárodní postgraduální kurz o této problematice a od té doby se jí věnuji intenzivně. Zabývám se především zpracováním řeči.

Můžete popsat, jakým způsobem řeč zpracováváte?

Nahraný wav - soubor promluvy je třeba nejprve segmentovat na kratší úseky – slabiky nebo hlásky. Tento signál pak převedeme parametrizací na číselné hodnoty koeficientů, které jsou předloženy neuronové síti pro její natrénování. Předzpracování dat je časově velmi náročná, ale má obrovský význam. Platí totiž, že síť má jen tehdy dobré výsledky, když jí předložíte kvalitní data. Další postup závisí na zvolené metodice. V současnosti ověřujeme dvě metody automatické segmentace. Ta první spočívá ve vytvoření registru map, kde je každá mapa natrénována na určitou skupinu hlásek. Neznámá hláska pak prochází registrem a hledá mapu, která je jí nejbližší. Druhá metoda využívá samoorganizující mapy s několika vrstvami. Počet a obsah jednotlivých vrstev se řídí fonetickými znalostmi. Např.v první vrstvě se určí, zda jde o samohlásku nebo souhlásku, v dalších se pak výběr zužuje. Zatím se ukazuje, že ta druhá metoda je pro analýzu řeči vhodnější.

Šlo by tímto způsobem automaticky přepisovat řeč?

Automatický přepis řeči dnes již existuje, jeho základem však nejsou umělé neuronové sítě, nýbrž skryté Markovské řetězce. Ačkoliv zpoždění při tomto přepisu je poměrně malé, nelze vyloučit, že s použitím umělých neuronových sítí by se dalo téměř eliminovat. Standardní metody totiž kladou velké nároky na kapacitu a výkon počítačů, kdežto neuronové sítě si vybírají jen ty nejdůležitější charakteristiky, a jsou tudíž daleko rychlejší. Kromě toho časově náročná je pouze fáze trénování, vlastní aplikace je velmi rychlá. Kvůli charakteristice mluveného projevu je však předzpracování dat pro neuronové sítě tak složité, že se zatím pro tyto účely v praxi nevyužívají.

Na co aplikujete neuronové sítě vy?

V posledních letech jsme začali spolupracovat s lékaři z dětské neurologické kliniky ve Fakultní nemocnici v Motole. Jedním z projevů neurologických onemocnění je zhoršení řečového projevu, které může skončit až úplnou ztrátou schopnosti mluvit. Lékaři za námi přišli s tím, že by se diagnostika řečového projevu měla objektivizovat. Matka dnes může přijít za lékařem a říct: dítě už mluví lépe, není potřeba dále v léčení pokračovat. A lékař nemá k dispozici žádnou rychlou a spolehlivou metodu, jak to ověřit.

Samoorganizující mapy umožňují lékařům odhalit stupeň neurologického onemocnění Rozdíl mezi zdravým (vlevo) a nemocným dítětem.

Jak v praxi Váš výzkum probíhá?

Výzkum je z našeho pohledu velmi úspěšný, potýkáme se však s řadou problémů. Jedním z nich je časová a organizační náročnost projektu. Další problém je v tom, že máme stále nedostatek dat. Není proveden screening všech pacientů v republice, data se sbírají víceméně náhodně. Problémem je i získat data od zdravých dětí, která potřebujeme ke srovnávacím studiím. Na základě mých dobrých vztahů s řediteli několika základních škol a školek jsme získali povolení natáčet děti v těchto školních zařízeních. Protože jde o lékařský výzkum, museli jsme mít informovaný souhlas rodičů. Přes 60 % rodičů nám ho odmítlo dát. Neurologické nemoci jsou často genetického původu, a tak jsme rodiče žádali také o vyplnění dotazníku, který se týkal jejich zdravotního stavu, vrozených vad apod. Tyto informace samozřejmě uchováváme v tajnosti, spousta respondentů se však zalekla. Samotné nahrávání ve škole je také složité. Malé děti rychle ztrácejí pozornost - když za oknem letí ptáček, zadívají se a přestanou mluvit. Děti ve školce zase odmítaly nechat se natáčet jinde, než ve skupince s ostatními, takže kvalita nahrávek je místy velmi špatná. Neuronové sítě si však na rozdíl od standardních metod dokáží s takto zašuměnými daty poradit.

Jaký je plánovaný výstup Vašeho projektu?

Chtěli bychom vytvořit softwarový program, který by byl přístupný i pro netechnické pracovníky, tedy lékaře a zdravotní personál. Samoorganizace má výborné možnosti vizualizace. Lékař na monitoru uvidí dva obrázky, z kterých okamžitě pozná, zda došlo ke zlepšení či zhoršení stavu, a rozhodne o dalším postupu. Řečovou analýzu dnes již ovládáme, v průběhu řešení projektu však vzniklo větší množství dílčích programů v prostředí MATLAB, které bychom nyní potřebovali sjednotit v jeden celek a výhledově přeložit do jiného programovacího jazyka. Výsledný systém pak plánujeme nabídnout lékařům ve formě profesionálního softwarového balíčku, který si budou moci nainstalovat na počítač a ihned s ním začít pracovat.