Baca pogled na mobitel koji snima intervju: 'Tako su neki ljudi u jedom trenutku rekli – ajmo napraviti NLP (natural language processing), pa se netko sjetio ajmo napraviti speech-to-text, pa text-to-speech, onda su stigli virtualni agenti i chatbotovi. Svaki korak dalje pomaže da ovo što vi sada radite obavite lakše.' Umjetna inteligencija je saveznik, data science ima tendenciju automatizirati sve oko sebe jer se prediktivni algoritmi lako automatiziraju. Nismo daleko do toga da AI doista napiše i ovaj tekst.

Zanimanje za računala i sklonost prirodnim znanostima doveli su ga na Fakultet elektrotehnike i računarstva, koji je upisao još u vrijeme kada se nije moglo pretpostaviti koliko će internet biti ogroman, bitan i koristan. Diplomirao je na FER-u i paralelno na Ekonomskom fakultetu. 

'Kad sam procijenio da je na FER-u manji naglasak na razumijevanju poslovnih okvira i shvatio da ne razumijem ni bilancu, niti račun dobiti i gubitka, a ne znam ni osnove knjigovodstva, krenuo sam na Ekonomiju. Za data znanstvenike jako je važno da osim programiranja i podataka razumiju i osnove poslovanja.'

Nakon toga je radio u privatnom sektoru u financijama, bavio se analitikom podataka i procjenom rizika, a potom se vratio na matični fakultet gdje priprema doktorat s područja strojnog učenja i psihologije. Stoga je nakon jednog od najzahtjevnijih studija u zemlji, uz dodatnu diplomu iz ekonomije, još jednom u karijeri 33-godišnji Demijan morao usvajati znanja iz potpuno novog područja – ovaj put iz psihologije. 

'Dosta sam vremena uložio u proučavanje radova iz psihologije koji imaju podlogu u statistici, jer je statistika zajednički nazivnik za data science i psihologiju. I u jednom i u drugom području tražite zaključak koji je statistički značajan. Iako je podloga ista, razlika je značajna.'

PRVA HRVATSKA INTERAKTIVNA MAPA VJEŠTINA ZA POSLOVE BUDUĆNOSTI: 
PROVJERI KOJE SU SVE VJEŠTINE POTREBNE DA BI BIO DATA ZNANSTVENIK KAO DEMIJAN 


Specijalizirao se za pomalo nišnu kombinaciju psihologije i data sciencea. To je svježe, interdisciplinarno polje koje kombinira tehnike bihevioralnih znanosti poput psihologije, ekonomije i sociologije sa znanošću podataka, strojnim učenjem i umjetnom inteligencijom. Među ogromnim volumenima podataka proučava emocionalna ponašanja ljudi.  

Najviše ga je, ipak, iznenadilo koliko znamo biti predvidljivi: 'Fascinantno je koliko navike dominiraju ljudskim ponašanjem. Iako to očekujete, iznenadi vas koliko je stvari kod ljudi predvidljivo ne zbog više sile koja to kompleksnije predviđa, nego jednostavno zbog usvojenih navika. I ta individualna crta – hoćemo li ujutro popiti čaj ili kavu – često je tvrdoglavo i čvrsto ukorijenjena.'

Iznenadilo ga je i ovo: 'Jedna emocija iznenađenja utječe na drugo iznenađenje, ako se u jednom trenutku iznenadiš, u drugom će iznenađenje biti još veće. Emocije se isprepleću, jedna utječe na drugu. Kad se uđe još dublje u problematiku, sve više stvari iskače iz pozadine dokazujući koliko smo kompleksna bića i koliko smo različiti prema svim tim dimenzijama i načinima na koja se ponašamo.'

Probleme treba gledati pažljivo, temeljito i brižno 

Osim intenzivne znatiželje i strašne želje da se uđe u srce nekog problema, pitamo Demijana koja su znanja potrebna za ovaj posao budućnosti. 'Preporučio bih da data scientist ili data inženjer uvijek prouči okvir i industriju koja ga zanima. Data science možete primijeniti svagdje.'

Kako vidjeti ono što tražite u ogromnim volumenima podataka? Za ono čime se bavi potrebno je poznavanje programskih jezika Python i R, razumijevanje statistike i statističkih metoda, znanja iz područja machine learninga i neuronskih mreža te obrade podataka, ističe Demijan. No, nama se čini da su kritičke i kreativne vještine kojima identificiraju neočekivane uzorke još važnije, pa ćemo si dopustiti ovu ilustraciju. Svaki povjesničar umjetnosti zna kako je Pablo Picasso 1942. godine među hrpom starog željeza primijetio odbačeno sjedalo bicikla i zahrđali upravljač. U blistavom trenutku i magičnoj metamorfozi spojio je ta dva predmeta u slavnu skulpturu 'Glava bika'. Koliko je ljudi te predmete primijetilo prije njega, ali nisu vidjeli i nisu povezali? Pažljivo, detaljno, brižno i temeljito gledanje problema temelj je svakog dobrog istraživačkog rada. Za data scientista pogotovo.

Istraživanja provodi u FER-ovu Laboratoriju za društveno umrežavanje i društveno računarstvo. U njegovom kabinetu na osmom katu zgrade tri su ekrana. Kad radi, isključi mobitel, jer se tako i on može isključiti: 'Aplikacije su sjajne, ali znaju ometati.' Trudi se da u radnom danu ima najmanje dva ili tri bloka u kojima tutta forza radi po dva do tri sata, u kojima odvoji vrijeme za projekt a da ne mora voziti slalom s dnevnom operativom. Večernji je tip, ali je shvatio da s više koncentracije radi u jutarnjim terminima. Koristi se malim trikom: uz kompleksniji projekt koji zahtijeva više vremena paralelno radi i na nekom manjem, koji će brže dati rezultate. Što radi kada ne radi i ne uči? 

'U znanosti podataka promjene su toliko brze da naše učenje nikada ne prestaje. Moram priznati da nemam luksuz da kontinuirano ne radim i ne učim. Možda je to na kavama...' U ovoj fazi, objašnjava nam neka saznanja iz recentnog istraživanja, raspolažu predviđanjima koja nemaju snagu znati što ćete sve raditi sljedeći tjedan iz sata u sat, ali u prosjeku je jasno koliko ćete puta sljedeći tjedan otići u trgovinu, koliko ćete puta pročitati novinsku vijest određene kategorije. 'Iznenadilo me kolika je snaga te predvidljivosti.'

Sljedećih 20 godina velike promjene 

Strojno učenje i umjetna inteligencija predviđaju da će se kroz neki period neke stvari dogoditi: 'Ne znači da da će se to doista dogoditi, no ponekad su korisne kao redukcija rizika.' Pa daje primjer: 'Pročitam vijest o prosvjedima u nekoj europskoj zemlji zbog lockdowna i kad izoliram sentiment, pomislim – pa mogli ste sve to predvidjeti!' Demijan se proteklih mjeseci intenzivno bavio istraživanjem ponašanja opće populacije: 'U recentnom istraživanju pratili smo kako se na razini populacije ponašaju ljudi prateći njihov pozadinski emotivni sentiment da bismo to koristili kao proxy ili kao potencijalno rano upozorenje za situacije koje mogu biti nepovoljne. Prosvjedi su reakcija društva na percipirano negativne događaje za koje ne postoji predvidljivi kraj', objašnjava. Ugrubo: doživljava li populacija neku situaciju kao vrlo nepovoljnu, događaju se revolti. 'Oni donose i ekonomski trošak za sve, pogotovo ako eskaliraju.' Pratili su emocije veće grupe ljudi na društvenim mrežama, mjerili kako se sentiment mijenja i kako visoka amplituda negativnosti kreira revolt.

'Zadnjih deset godina napravili smo veliki skok. I sljedećih 20 bit će razdoblje velikih tehnoloških promjena. Na nama je da im se veselimo i budemo spremni. Nadam se da će se, kada za dva desetljeća u retrovizoru pogledamo zaključke nekih istraživanja koje danas provodimo, pokazati da su bili korisni, da je zbog njih život ljudi postao bolji i kvalitetniji', zaključuje Demijan.

I dok je danju bila informatičarka, Petra se u slobodno vrijeme pretvarala u junakinju koja spašava živote. Sve je slobodno vrijeme i energiju uložila u svoju drugu strast – rad sa psima. Posebno je područje potražnih pasa s kojima radi. Sa svojim border kolijem Bixom (koji je na žalost otišao na neke druge proplanke) godinama je, kao članica Kluba za obuku službenih i sportskih pasa Zagreb, sudjelovala u spasilačkim akcijama HGSS-a. U slobodno vrijeme i dalje trenira pse kako bi jednog dana postali pouzdani potražni psi. 

PRVA HRVATSKA INTERAKTIVNA MAPA VJEŠTINA ZA POSLOVE BUDUĆNOSTI: 
PROVJERI KOJE SU SVE VJEŠTINE POTREBNE DA BI BIO NAPREDNI ANALITIČAR KAO PETRA 


Iako su se odgovornost i količina posla mijenjale, od početka je u području vezanom za podatke, izvještavanja i analize. Na posjetnici joj danas piše direktorica službe analitike i CRM-a u mStartu. 'To je spoj IT-ja i poslovne strane, a u pozadini je vođenje tima od pedesetak ljudi širokog raspona područja kojima vladaju. Svi se danas trude ići u tom smjeru i pomoću raznih modela matematički doći do odgovora na temelju podataka.'
Tvrdi da je prednost mStarta i Fortenova grupe ogromna količina podataka kojima raspolažu. 'Prije 10 ili 15 godina radilo se klasično izvještavanje, a danas nam je, osim klasičnog izvještavanja, planiranja i CRM-a, cilj iskoristiti podatke i kroz naprednu analitiku i na taj način dodatno iskoristiti velike količine podataka koje imamo, kako bi pomoću njih pomogli poslovnoj strani u donošenju odluka u ovim ubrzanim vremenima, u kojima su dobre i pravovremene odluke ključne za uspješno poslovanje.', pojašnjava Petra. 

'Ima mnogo prostora za poboljšanja u svim formama. Zasad smo najviše fokusirani na maloprodajne kanale', objašnjava direktorica odjela u poduzeću koje pruža usluge razvoja, implementacije, integracije i podrške poslovnim informacijskim sustavima i rješenjima.

Spajamo poslovnu stranu i znanost podataka 

Relativno je to novo područje u kojem se uz pomoć umjetne inteligencije, strojnog učenja i deep learninga trude izvući maksimum iz podataka na kojima, kako kaže, sjede. 'Moj je zadatak voditi relativno velik tim koji se bavi izvještavanjem i planiranjem, CRM-om, razvojem aplikacija i naprednom analitikom. Osoba koja u data inženjeringu ima pet godina iskustva danas već ima status seniora, dok u nekim drugim kategorijama senior postajete s najmanje deset ili više godina iskustva.' To hot zanimanje sve je traženije.  

'Naš je cilj pomoći korisnicima da iz podataka izvuku najveću moguću vrijednost spajajući poslovnu stranu i znanost podataka', objašnjava razliku u odnosu na old school pristupu rada gdje je projekte iz ovog područja bilo moguće kvalitetno iznijeti i bez bliske svakodnevne suradnje između IT-a i poslovanja. Nove su metodologije sada must have, kaže. 

'Data scientisti koji rade u timu su se, kroz vrijeme i razne projekte, upoznali s poslovnim procesima raznih kompanija kojima pružamo usluge. Jasno im je gdje su problemi i koje podatke treba tražiti kako bi mogli modelirati. Čisto tehničko znanje nije dovoljno da se išta napravi: možete znati modelirati, ali dok ne znate što tražite i što poslovnoj strani treba, teško ćete biti uspješni na takvim projektima. To se stječe iskustvom i nema te škole koja će vas naučiti kako izgleda bilo koji poslovni proces', veli Petra. 'Mi smo IT kompanija i kroz blisku suradnju s poslovnom stranom stječemo saznanja o poslovnim procesima. Zato nam je cilj unutar mStarta oformiti data lab gdje bismo mogli približiti poslovnu i IT stranu te kroz tu sinergiju postići da znanja iz dvaju područja sažive na najbolji mogući način.'Kao primjer projekta na kakvima rade ističe optimizaciju promocija koja se radi kroz promo tool koji su razvili s kolegama iz Mercatora iz Slovenije. Alat im omogućava da pomoću napredne analitike bolje planiraju promotivne aktivnosti odnosno definiraju primjerice popuste. 

Dok je prije 17 godina studirala, područje napredne analitike nije ni postojalo, pa je sama intenzivno prolazila kroz tečajeve na Courseri, čitala znanstvene radove, slušala predavanja na YouTubeu. 'Kad sam postala direktorica brzo sam morala proširiti znanja kako bih mogla razgovarati s kolegama i ravnopravno s njima komentirati izazove na koje nailazimo. Ali nije bilo teško jer sam se usput zabavila.' Kapacitet za učenje je zapravo stvarna valuta kojom danas trgujemo u karijerama. Investirate li u edukaciju, kreirate dugoročne dividende u profesionalnom napredovanju. Petrin primjer pokazuje kako je danas učenje posao, a tražene su osobe koje imaju beskonačnu uzlaznu liniju učenja, kako je to definirao Reid Hoffman, osnivač LinkedIna. Lako prilagodljive i proaktivne osobe koje su voljne učiti visoko su vrijedan kadar za svaku organizaciju.

Ni najsavršeniji model ne može zamijeniti stručnjaka 

Petrin tim broji pedesetak ljudi iz sedam odjela, koji su pretežno studirali na FER-u ili PMF-u. 'Način razmišljanja koji se izgradi na tim fakultetima je ono što treba našem timu. Ti su fakulteti garancija da možemo raditi s novim znanjima – jer većinu alata ionako nisu imali prilike upoznati, niti se to realno očekuje. Ali tko je željan razvoja i učenja, brzo će svladati nova znanja', objašnjava koje vještine traži kada angažira nove suradnike.'

Važnost stručnih ljudi u timu je neizmjerna. 'Uvijek postoje vanjski faktori koje podaci ne mogu pročitati jer nemaju tu informaciju. Analiziramo li prošlogodišnju situaciju vezanu uz pojavu Covid-19 pandemije, svi modeli rane predikcije morali su biti prilagođeni situaciji 
kakve dosad nije bilo i za koju imate podatke. Tu ljudski input kvalitetno utječe na modele. Nisam nikad bila od onih dogmatika koji tvrde 'Ako je brojka rekla, to je zadnje i zakon' – jer ni najsavršeniji model ne može zamijeniti osobu koja ima neku ključnu informaciju. Zato sve brojke prokomentiram s poslovnom stranom. 'Kad bi se svi podaci sustavno vodili i bili iskoristivi, modeli bi ih mogli koristiti u svrhu još boljih rezultata, ali nije realno očekivati da ćete uvijek imati sve podatke i sve informacije. Toga nema.' Uvjerenje da će modeli samostalno donositi velike odluke smatra utopijom jer misli da će zadnju riječ uvijek morati imati čovjek. 'Zato su u prognozama svi oprezni, svjesni mogućih posljedica u situaciji kad bi se uvažavali samo podaci, a ne i ljudski faktor.'

Ranoranilac je, ustaje u šest, pola sedam. Dok je imala psa, ustajala bi i ranije. 'Na žalost, više ga nemam', dodaje, i prvi put tijekom razgovora mijenja raspoloženje. Psi su njezina velika strast i u medijima je često proteklih godina bila zbog suradnje s HGSS-om. Sa svojim je graničarskim kolijem Bixom, kao članica KOSSP.a Zagreb, redovito sudjelovala u njihovim spasilačkim akcijama. U taj je svijet ušla prije više od 15 godina, a njezin je Bix bio prvi potražni pas u Hrvatskoj s položenim MRT-om (mission readiness test) za traženje u prirodi. Najbolje se relaksira vani: prije nekoliko godina uključila se u školu trčanja, pa istrčala najprije polumaraton, a onda i maraton. Živi dinamično i disciplinirano. 'Ne pijem, ne pušim, sve se to za mene nije primilo, već dugo ne jedem niti slatko, mnogima je sve to čudno, ali meni bi bilo čudno da je bilo što od toga drugačije.'

Ujutro kad se probudi najprije uključuje laptop. 'Moram provjeriti kako je noć prošla. Noć je, naime, ključna jer se tada obrađuju svi podaci koji se tijekom dana generiraju u kompanijama. Ako noć nije prošla ok, znači da je pred nama kaotičan dan.' Ali u Petrinom svijetu kreativni kaos može biti jako dobra stvar. 

Razvoj i unapređenje znanja i vještina kroz obrazovanje i svakodnevno učenje koje nikada ne prestaje ključni su pokretači individualnog uspjeha, razvoja kompanija i ekonomskog rasta. Kako bi istražili koje su vještine potrebne da bismo se već danas bavili inovativnim poslovima u najpropulzivnijim industrijama, A1 Hrvatska je s ekspertnim timom, u kojem je 27 znanstvenika, profesora, menadžera, stručnjaka iz različitih industrija i osnivača tehnoloških tvrtki, lansirao prvu hrvatsku interaktivnu mapu poslova i vještina budućnosti. Ovo su priče o ljudima koji već danas rade poslove budućnosti u Hrvatskoj i koji svojim znanjem pomiču granice, rade s najnovijim tehnologijama na inovativnim proizvodima i uslugama te pokreću transformacije u svojim industrijama. Evo kako svatko od nas može steći vještine za poslove budućnosti!


Zanimanje Antuna Pfeifera jedno je od najtraženijih u rastućem sektoru zelenih radnih mjesta. On je tridesetčetverogodišnji inženjer strojarstva, doktorand na Fakultetu strojarstva i brodogradnje, asistent na projektu na Zavodu za energetska postrojenja, energetiku i okoliš te suradnik na projektima energetskog planiranja i modeliranja koje Zavod provodi. Strastveni šahist, nekadašnji pasionirani igrač strateških igrica, a uskoro i autor edukativne igrice koja se bavi energetskim planiranjem. Finalni proizvod koji izlazi iz Zavoda čije timove vode profesori Neven Duić, Goran Krajačić i Tomislav Pukšec zapravo je high profile konzultantska djelatnost gdje je znanost upogonjena da bi gospodarstvu i politici – na lokalnoj i na nacionalnoj razini – predložila najbolja rješenja u modeliranju i planiranju energetskih sustava.

To se i ranije radilo, ali novost su obnovljivi izvori električne energije – najčišći, najjeftiniji, najpoželjniji izvor energije u zelenoj tranziciji, ali i jako varijabilan. 'U doba kad je naš doajen energetskog sustava Hrvoje Požar uspostavljao sustav, nije se morao rješavati problem proizvodnje struje koja se mijenjala. Iako je energija iz obnovljivih izvora danas najjeftinija, problem je što se proizvodnja zbog vremenskih prilika mijenja iz sata u sat. Prođe oblak – smanji proizvodnju u solaru, vjetar utihne – smanji se proizvodnja u vjetroparku', uspoređuje Antun ranije prakse i planiranje budućnosti u kojem su obnovljivi izvori u centru pozornosti. 'Nekoć je energetsko planiranje bilo relativno jednostavno: imate projekciju potrošnje i znate koje elektrane na ugljen ili plin trebate izgraditi da biste imali sigurnu opskrbu. Sada imamo satnu i ispodsatnu varijabilnu proizvodnju. A želimo imati pametnu, odgovornu i svjesnu potrošnju', kaže Antun.

PRVA HRVATSKA INTERAKTIVNA MAPA VJEŠTINA ZA POSLOVE BUDUĆNOSTI: PROVJERI KOJE SU SVE VJEŠTINE POTREBNE DA BI BIO ENERGETSKI STRATEG KAO ANTUN


Ekološki osviještena proizvodnja energije imperativ je budućnosti utemeljen međunarodnim konvencijama, zapisan u strategijama poput Zelenog plana Europske unije, raspravljan na summitima poput aktualnog COP26 u Glasgowu. Kako ćemo postići da energije bude, da nije preskupa i da proizvodnja ne šteti okolišu? Antun se bavi energetskim planiranjem i modeliranjem energetskih sustava, interdisciplinarnim znanstvenim područjem. 
'Ovo je relativno nova djelatnost modeliranja energetskih sustava koja se razigrala tek pojavom obnovljivih izvora energije – kad smo umjesto upravljive proizvodnje koja prati potrošnju dobili varijabilnu proizvodnju. Uvedeni su sustavi poticanja takve proizvodnje i svijet ju je uspio razviti do razine da ta energija bude najjeftinija', objašnjava Antun. 

Cilj iskoristiti najčišće i najjeftinije izvore 

Cilj je sada tu jeftino i čisto proizvedenu energiju iskoristiti do maksimuma. Primjerice, dugo razdoblje sunčanih dana jamči visoku proizvodnju energije u solarima, no ako je nemate gdje iskoristiti, a ne možete je skladištiti – niste puno napravili. U godini je 8760 sati, a u svakoj minuti tog sata mijenja se slika proizvodnje. Tih 8760 sati treba dugoročno energetski isplanirati, a razvijanje sustava budućnosti podrazumijeva i rješavanje puno kompleksnijih problema.
Da bi razvili optimalan način proizvodnje najjeftinije i najčišće energije, koji se temelji na vjetru, suncu, hidro i geotermalnoj energiji, moraju složiti najbolji i najučinkovitiji model. U Zavodu za energetska postrojenja, energetiku i okoliš Antun je asistent na izuzetno važnom projektu u kojem modeliraju sustave koji iskorištavaju najčišće i najjeftinije izvore energije. 'Istražujemo model uz pomoć kojeg bi se sva ta energija integrirala u sustav da bismo koristili što manje drugih goriva, smanjili emisiju i koristili što više obnovljivih izvora.'

Nudi primjere koji to ilustriraju. 'Evo prvi – power to heat ili pretvorba električne u toplinsku energiju. Kad imamo mnogo električne energije proizvedene iz vjetra i sunca, onda višak koji ne možemo potrošiti iskoristimo tako da zagrijemo vodu u velikom spremniku u toplani u Zagrebu i onda tu toplu vodu koristimo da bismo smanjili potrošnju plina u kućanstvima koja se griju na sustavu toplana.'

Nudi i primjer racionalizacije potrošnje u električnim vozilima, a fokusira se na pametno punjenje. 'Kad je električno vozilo uključeno na mrežu, takvu najjeftiniju energiju želite pospremiti u svoje baterije, pa se razvija sustav pametnog punjenja. Brzo punjenje je grublje za elektromrežu, a lagano i lijepo za korisnika koji putuje. No, većina vozača električnih vozila ne putuje na dugim relacijama i vozilo je, ustvari, većinom parkirano. Tako da je električno vozilo zapravo jedna velika fleksibilna baterija kojom se bolje može iskoristiti energija. Takvo pametno punjenje električnih vozila pomaže da promet bude čišći i ekološki prihvatljiv. Svim se tim tehnologijama bavimo i pokušavamo ih uklopiti u konfiguraciju energetskog sustava.'

Vizija energetike za naredna desetljeća 

Ono što se izračuna u Powerlabu Fakulteta strojarstva i brodogradnje, podloga je za odluke koje će donositi i politika i gospodarstvo.  'Pokazujemo kako određene političke odluke utječu na našu buduću ekonomsku i energetsku priču. Našim tehnoekonomskim proračunima možemo pomoći u donošenju odluka koje će se u konačnici odraziti na to hoće li to biti dugoročno jeftinije za kućanstva i industriju, koliko će trebati podrške u socioekonomskoj komponenti, koliko će se društvo angažirati da opća populacija prihvati nove tehnologije. Ideja naših izvještaja je da daju sveobuhvatno rješenje koje prati različite parametre – od demografije, razvoja ekonomije, materijala koji će se koristiti. Mi radimo podloge za odlučivanje na razinama od lokalne do nacionalne, i promišljamo, naravno i puno računamo, kakva je vizija energetskog sustava sljedećih deset do trideset godina.' 

Razgovaramo i o razlici između mindseta inženjera i mindseta ljudi drugih profesija. Antun kaže da je njihova komparativna prednost što imaju jasno mjerljive ulazne podatke i ciljeve. 'Ako ugradimo neku komponentu, znamo – stajat će toliko, trajat će toliko i imat će mjerljivu količinu proizvedenog dobra. U inženjerstvu su stvari uvijek logične, mjerljive i jasne.' Redovito sudjeluje na panelima na kojima se raspravlja o energetskim modelima budućnosti, misli da je razmjena iskustva, rješenja i smjerova razmišljanja međunarodne mreže stručnjaka koji se bave energetskim sustavima dragocjena. 

Da bi bio brži sam programira 

Antun je diplomirao 2015., godinu dana kasnije krenuo je na doktorat, i bilo bi mu zanimljivo nastaviti karijeru u akademskom okruženju. U međuvremenu je radio na
europskim projektima. 'Zanimljiva prilika da upoznam ljude koji se na međunarodnoj sceni bave ovim poslom'. 
Nerijetko programira. 'Neke probleme mogu rješavati s gotovim alatima, ali često se dogodi da sam moram napisati kod, odlučiti odakle pozivam podatke, kako da se obrade, kako želim da izlazni podaci izgledaju... Onda tu moram ući u Python ili u neki drugi jezik.' 

Pasionirani je šahist. 'Šah ima toliko komponenti – sportsku, umjetničku, znanstveno-istraživačku. Iako je igra ograničena sa 64 polja i brojem figura i pravila, daje toliko lijepih kombinacija.' Kao tinejdžer igrao je strateške igrice, a danas u slobodno vrijeme razvija edukativnu stratešku igru s temom energetike. 'Cijena električne energije naglo se povećala: u Europi danas stoji 200 eura po MWh, dok je u isto vrijeme prošle godine cijena bila 35 eura. Nedostaje nam plina, imamo tržišnih i geopolitičkih problema. Razmišljao sam kako zainteresirati nove generacije da budu aktivnije u ovakvim kompliciranim sustavima, da djeci predstavimo što se događa, motiviramo mlade da budu aktivni unutar sustava i tržišta energije. Ukratko, zanima me kako da proizvedemo dovoljno struje i da ona bude čista. To je ideja koju sada razvijam.'

Razvoj i unapređenje znanja i vještina kroz obrazovanje i svakodnevno učenje koje nikada ne prestaje ključni su pokretači individualnog uspjeha, razvoja kompanija i ekonomskog rasta. Kako bi istražili koje su vještine potrebne da bismo se već danas bavili inovativnim poslovima u najpropulzivnijim industrijama, A1 Hrvatska je s ekspertnim timom, u kojem je 27 znanstvenika, profesora, menadžera, stručnjaka iz različitih industrija i osnivača tehnoloških tvrtki, lansirao prvu hrvatsku interaktivnu mapu poslova i vještina budućnosti. Ovo su priče o ljudima koji već danas rade poslove budućnosti u Hrvatskoj i koji svojim znanjem pomiču granice, rade s najnovijim tehnologijama na inovativnim proizvodima i uslugama te pokreću transformacije u svojim industrijama. Evo kako svatko od nas može steći vještine za poslove budućnosti!

Kada je ljudski genom prvi put sekvenciran 2001., bio je to nevjerojatan trenutak u povijesti znanosti. Govorilo se da se znanost popela na vrh Himalaje... Upravo taj veličanstveni moment – to očitanje 3.055 milijardi znakova u 23 para ljudskih kromosoma – bitan je, kaže dr. Rosa Karlić, za strelovit napredak u području računalne biologije kojom se bavi. Rosin znanstveno-istraživački rad usmjeren je na istraživanje regulacije, transkripcije, epigenetike i genomike tumora. 'Prije 20 godina cijeli je proces, i tehnologija koja je omogućila sekvenciranje prvog ljudskog genoma, stajao više od tri milijarde dolara. Taj je ogromni projekt trajao deset godina, i na njemu su radile tisuće znanstvenika. Mi sekvenciranje danas napravimo u dva dana, a stoji tisuću dolara.' Tim primjerom dr. Rosa Karlić ilustrira koliko je u području bioinformatike tehnologija napredovala i otvorila puno novih vrata za istraživanje. 'Sada nije problem proizvesti podatke, nego je pitanje tko će ih analizirati. Pojavljuju se i izazovi tko i gdje čuva podatke – koji moraju biti sigurni tako da nitko ne može pristupiti sekvenciranom genomu.'

Biomedicina i biotehnologija okosnica su četvrte industrijske revolucije i imaju ogroman potencijal uz pomoć naprednih digitalnih tehnologija promijeniti pristupe prevenciji, dijagnostici i liječenju mnogih bolesti na individualnoj razini, navodi se u A1 prvoj interaktivnoj mapi poslova budućnosti. Rosina karijera dva se desetljeća uspješno razvija upravo u bioinformatici, tom novom interdisciplinarnom području. 

PRVA HRVATSKA INTERAKTIVNA MAPA VJEŠTINA ZA POSLOVE BUDUĆNOSTI: PROVJERI KOJE SU SVE VJEŠTINE POTREBNE DA BI BIO BIOINFORMATIČARKA KAO ROSA


Računalni je biolog. Radi u grupi za bioinformatiku Biološkog odsjeka PMF-a Sveučilišta u Zagrebu, bavi se znanstvenim radom, predaje na diplomskom studiju molekularne biologije te poslijediplomskom studiju biologije. Onima koje će zainteresirati za taj posao svakako preporučuje studij PMF-a. Na diplomskom studiju molekularne biologije postoji modul Računalna biologija koji uključuje predmete iz područja programiranja, statistike i matematike, tako da je to svakako dobar početak. 

Domaći su mediji često prenosili vijesti o uzbudljivim i bitnim otkrićima koje Rosa već godinama objavljuje u najuglednijim svjetskim stručnim časopisima u području stanične i molekularne biologije. Njezine radove objavljuju Nature, The Cell, Proceedings of the National Academy of Sciences. Prije nekoliko godina u časopisu Nature objavljena je njezina studija u kojoj je najvažnije otkriće da, unatoč nekontroliranom rastu, maligni tumori zadržavaju svojevrsni potpis tkiva iz kojih su nastali, što omogućuje da se analizom tumorskog tkiva predvidi i vrsta tkiva od kojeg je tumor nastao. Na temelju toga se može utvrditi gdje se nalaze mutacije u tumoru i vidjeti iz koje je stanice taj tumor i nastao. 

Moći će predvidjeti reakcije na terapiju 

Činjenica da se zna gdje je primarni tumor dovodi do kvalitetnije dijagnostike, a potom i do uspješnijeg liječenja. 'Kod karcinoma je najveći problem to što ga naš imunosni sustav ne može prepoznati kao strano tijelo i mi ne znamo kako reagirati na njegovo širenje, pa sve nove terapije idu prema tome da se naš imunosni sustav nauči prepoznati – ova je stanica ok, a ova je loša i trebam je uništiti za razliku od ove koja je dobra. Tumori nastali na različitim mjestima u organizmu različito reagiraju na terapije. Ako se našom metodom može otkriti gdje je primarni tumor nastao, na temelju te informacije može se prilagoditi terapija u svrhu poboljšanja prognoze pojedinog pacijenta', objašnjava studiju u kojoj je koristeći metode računalne biologije usporedila zdrave stanice 15 različitih tkiva i osam vrsta tumora te uspjela dokazati da tumori, unatoč nekontroliranom rastu, diobi stanica i pojavi udaljenih metastaza, zadržavaju 'potpis' tkiva i vrste stanica iz koje su nastali.

'Razvoj tehnologije doveo je do toga da raspolažemo s puno podataka. Za zadnji članak analizirali smo sekvence genoma čak 4000 pacijenata. Prije deset je godina to bilo nezamislivo. Sad smo dio međunarodnog projekta u kojem će se sekvencirati čak 100.000 ljudi s urednom medicinskom dokumentacijom. Naime, problem je što liječenje često nije dobro dokumentirano: jedan doktor zapiše jedno, drugi drugo... Naravno, nije se niti radilo s idejom da to netko analizira. U ovom ćemo velikom istraživanju imati podatke o pacijentu i znati kako je reagirao na terapiju. Ti će projekti donijeti revoluciju u tom području', opisuje napredak u liječenju malignih bolesti. Budućnost medicine je personalizirani pristup, s više podataka moguće je predviđati bolje, pa će se kod svakog pacijenta na temelju genomske slike moći predvidjeti što će se dešavati i kako će reagirati na terapiju. Pomalo joj smetaju bombastični i pojednostavljeni naslovi u medijima o velikim otkrićima u borbi protiv karcinoma. 'Nije to ni tako jednostavno, niti je tako brzo, niti je svaki karcinom isti. Napredak se postiže svaki dan, ali teško mi je zamisliti gdje će sve to završiti.”

Ako je znanost uspjela sekvenciranjem ljudskog genoma dati ljudima njihov vlastiti vodič za upotrebu, kako je to opisao slavni američki genetičar Francis Sellers Collins koji je pokrenuo Human Genome Project, nova istraživanja znaju fascinirati i iskusne znanstvenike poput Rose. „Meni je bilo fascinantno kad je dokazano da odgovor na onkološku terapiju može ovisiti o tome kakav je sastav mikrobioma, bakterija u crijevu. Prije deset godina to ne bi nikome palo na pamet jer nije bilo načina da to istražimo.”  

Svoje pobjede ne želi izdvajati. 'U istraživanju nemate nikada trenutak 'E, sad sam otkrio sve!' Idete korak po korak, pronađete male stvari koje vas onda poguraju naprijed. A kad dobijete ono što ste htjeli, osjećaj je super. Većina znanstvenika se ovim poslom i bavi jer su takvi rijetki trenuci sjajni. Najčešće ćete imati ideju za koju ćete ustanoviti da nije najbolja. Onda ovi dobri trenuci to nadoknađuju.'

Kaže da ima sreću što je njezina grupa uključena u velike internacionalne projekte. 'Na izvoru smo stvari. Bioinformatika uključuje analizu podataka, a ako nemate pristup izvoru, morate obrađivati nešto što je netko obradio prije vas. Naša je grupa dobila priliku analizirati veliku količinu podataka.'

Prošla je prijamni ispit na medicini, završila je na molekularnoj biologiji. Na četvrtoj godini studija prvi se put susrela s bioinformatikom. 'Moje dotadašnje iskustvo s informatikom sastojalo se od klikanja u Windowsima, ali zainteresirao me taj spoj biologije, matematike, statistike i računarstva i mogućnost korištenja računala za provođenje bioloških analiza.' Diplomirala je 2006., upisala doktorat iz bioinformatike koji je odradila na Institutu Max Planck za molekularnu genetiku u Berlinu. Doktorirala je prije deset godina, i otada radi na PMF-u kombinirajući istraživački rad i nastavu. 'Sviđa mi se raditi sa studentima.  Pametni su, uživam vidjeti kad mladi ljudi uče nešto novo. Inspirativno je i lijepo naučiti nekog nešto. Zapravo, studenti mi se danas čine pametniji nego onda kad sam ja bila na faksu, a kad vidim da je netko postao dobar znanstvenik, kažem si pomalo ponosno - on/ona je bio/bila kod mene.'

Traženi u Hrvatskoj i u svijetu 

Bioinformatičari su traženi na svjetskom tržištu rada. 'Provode se mnoga istraživanja temeljena na sekvenciranju, a to netko mora analizirati. Naši studenti bez problema nađu posao u inozemstvu.' A osim strasti prema biologiji, za ovaj su posao nužne vještine povezane s podatkovnom znanošću, matematikom i statistikom, koje se primjenjuju pri analizi i modeliranju kvantitativnih bioloških podataka. 

Rosa je česta gošća televizijskih emisija u kojima analizira i tumači najnovija saznanja o virusu Covid-19. 'Ljudi sve manje vjeruju u znanost. Rastužuje me to. S druge strane, mogu razumjeti da su bombardirani različitim informacijama među kojima ne mogu razlučiti što je vjerodostojno, koliko je koji izvor relevantan. I kad čitam radove o koroni i cjepivu, treba mi vremena da shvatim kako je napravljeno to istraživanje, jer nisu sva istraživanja jednako vrijedna. Ljudi su preplavljeni informacijama i mislim da je problem način na koji im se stvari prezentiraju.'

Zadovoljna je radom u istraživačkoj grupi i atmosferom na fakultetu. Opušta se uz obitelj, supruga, čita krimiće, gleda filmove. Pardon, ispravlja se. 'Sada čekam bebu i čitam najviše o bebama!'

'Međutim, to što smo na nekom pikselu slike detektirali paletu robotu ne znači puno jer svijet oko nas nije dvodimenzionalan nego trodimenzionalan. Izazov je razviti modele 3D strojnog učenja kako bi robot mogao odrediti stvarne pozicije objekata oko sebe. Primjerice, robot mora razumjeti da se pet metara ispred i dva metra desno od njega nalazi neki objekt, pa se treba zarotirati za 30 stupnjeva da bi mogao dohvatiti taj predmet i prenijeti ga na drugo mjesto', dodaje.
 
Zvuči jednostavno, ali ovi zadaci – estimacije dubine i estimacije poze drugih objekata – su vrlo napredna, bleeding edge tehnologija. Umjetna inteligencija robotima pomaže da prepoznaju nepomične objekte kao što su zidovi i stupovi te palete, kutije i ljude koji mijenjaju poziciju. Djeluje jednostavno, ali većina robota to ne može.
 
'Projekt na kojem sada radim tiče se 3D estimacije poze. Naime, naši roboti nisu pasivni agenti u prostoru, poput autonomnih automobila, nego moraju aktivno manipulirati predmetima, prenositi ih u prostoru, utovarivati ili istovarivati. Da bi to ostvario, robotu nije dovoljna informacija o udaljenosti predmeta, nego mu je uz to potrebna i njegova orijentacija kako bi mogao njime manipulirati na siguran način. Želimo da robot radi robusno, recimo, ako u skladištu detektira nove tipove paleta koje nikada do tada nije vidio, da ih može prenijeti. Koristimo algoritme 3D dubokog učenja i računalnog vida. To se područje aktivno istražuje u akademskom sektoru, publiciraju se članci i smatra se da je taj izazov zanimljiv...'
 
PRVA HRVATSKA INTERAKTIVNA MAPA VJEŠTINA ZA POSLOVE BUDUĆNOSTI: PROVJERI KOJE SU SVE VJEŠTINE POTREBNE DA BI BIO SENIOR MACHINE LEARNING INŽENJER KAO VALENTINA  


Valentina se već na trećoj godini FER-a, bilo je to prije 15 godina, upoznala s umjetnom inteligencijom i strojnim učenjem. 'To me u startu oduševilo. Fasciniralo me dizajniranje sustava koje možete naučiti nešto novo, koji mogu prepoznati unutarnje strukture u podacima i na temelju toga donositi odluke', prepričava.

'Svidjelo mi se kad sam shvatila da koristeći takve modele mogu dizajnirati sustave za pametno navodnjavanje ovisno o razini vlage u tlu, ili trenirati neuronsku mrežu da može igrati igricu protiv čovjeka, ili dizajnirati modele koji će povećati razinu sigurnosti u prometu... Možda zvuči pretenciozno, ali jako mi se svidjela ideja da mogu na svakodnevnoj bazi pridonijeti poboljšanju kvalitete života. Ako mogu pomoći u otkrivanju da je neki prometni znak oštećen ili da bi neki pješački prijelaz treba ponovno obojiti, možda mogu povećati šanse da vozači opreznije voze u blizini škola ili dječjih vrtića.'

Činimo razliku u svakodnevnom životu 

Svoje oduševljenje novim znanstvenim prostorom materijalizirala je najprije u diplomskom radu, a kasnije i u doktorskoj disertaciji. 'Posebno mi je bilo zanimljivo povezati algoritme umjetne inteligencije s open source projektima poput Wikipedije ili OpenStreetMap – otvorene karte svijeta. Fantastično je uzeti informacije koje su rezultat crowdsourcinga, dakle skupila ih je gomila ljudi s različitih izvora, i pokušati naučiti nešto iz tih podataka koji nisu nužno normalizirani, povezati različite izvore podataka poput teksta i slike i iskoristiti algoritme strojnog učenja da bi na temelju takvih podataka povećali razinu sigurnosti u prometu, automatizacije u digitalnom kartiranju i kvalitete samih podataka na Wikipediji ili OpenStreetMapu. Kombinacija open source projekata i umjetne inteligencije mi je jako zanimljiva', kaže Valentina, koja je tu tehniku koristila prije četiri godine u doktoratu, za potrebe automatizacije digitalnog kartiranja.
 
'Sretna sam da mogu raditi ono što volim. U disertaciji sam se, na primjer, bavila područjem koje je izrazito kompetitivno. Deep learning je u jednom trenutku postao jako zanimljiv velikim igračima poput Googlea, Facebooka i ostalih. Najednom su svi počeli raditi na tome; pripremaš doktorat dulje vrijeme, paralelno radiš u industriji kao softver inženjer, a onda netko lansira novu metodu i moraš početi ispočetka. Ali, zadovoljna sam jer je konačni rezultat nešto što se može primijeniti i čini razliku u svakodnevnom životu, poboljšava ga.'
  
Radeći u industriji naučila je kako razviti projekt iz proof-of-concept faze, kada mora dokazati da nešto ima praktični potencijal, do proizvodnje – kada će izaći na tržište u stotinama primjeraka. U Rimac Automobilima radila je s autonomnim vozilima, u Gideon Brothersu radi na autonomnim robotima. Gotovo je nevjerojatno kako je uz obiteljske obveze sve stigla, ali kaže da je savršeno postignuće mit, neka vrsta Jetija. 'Nikad se sve ne stigne i nikad se sve ne napravi savršeno. Najbolje što možemo je da pokušamo najbolje. Best effort, ukratko!'

Nužno i ključno cjeloživotno učenje 

U njezinom je slučaju razliku činilo to što posao nikad nije doživljavala kao nešto što mora odraditi. 'Volim taj posao, zabavno mi je, gotovo kao hobi. I doktorat sam doživljavala kao vrijeme za sebe. Kad radite ono što vas veseli, nije teško.'
 
To doslovce znači stalno, ali stalno učiti. 'S faksa sam izašla prije deep learning revolucije 2012., kad se otkrilo da se duboke neuronske mreže mogu efikasno trenirati na grafičkim karticama i da one super funkcioniraju. Algoritmi koji su bili aktualni kad sam diplomirala danas su već zastarjeli, stalno treba pratiti nove stvari. U inženjerskoj struci je nužno i ključno cjeloživotno učenje. Zato redovito slušam seminare koje drže različite istraživačke grupe na poznatim sveučilištima u svijetu, trudim se pročitati barem jedan znanstveni članak tjedno i eksperimentirati s izvornim kodom koji je uz članak objavljen. U opisu posla je da stalno treba pratiti nove stvari i implementirati ih.'
 
Da bi u tome uspjela, njezin je dnevni raspored vrlo gust. Ovo su njezini trikovi: 'Čovjek se nauči snalaziti. Podcaste slušam u automobilu, kad kuham stavim Bluetooth slušalice i gledam neki video, kada obavljam kućanske poslove koji su repetitivni, poput slaganja rublja, gledam neki korisni sadržaj.' No, zadatak broj jedan, prvi i najvažniji, su joj djeca. 'Njima se trudim dati maksimalno. Ne želim da osjete da mama ima puno posla i da nema vremena za njih. Oni su moj prioritet.'
 
Ako se pitate na koji pogon ide ova super inženjerka i super mama, odgovor nije ni ambicija, niti priznanje, niti novac. Ne pati od tih stvari, kaže. 'Veselim se odlasku na posao jer mogu naučiti nešto novo i, uvjerena sam, napraviti nešto što je relevantno. Napravim li dobar algoritam koji u proizvodnji radi brzo i pouzdano, sretna odlazim kući. Moj je primarni interes učenje.'
 
Vjeruje da je u tome tajna vitalnosti: 'Tko nastavi učiti, taj i s 90 godina neće biti star, a onaj tko prestane, taj je već s 20 godina starac', govori i dodaje: 'Mama me naučila da nikad ne odustajem ako nešto stvarno želim, čak i ako je sve protiv mene. Tu mi je kvalitetu rano usadila'. Na fakultetu joj je pomogao mentor Siniša Šegvić, koji ju je bodrio kad je predaja disertacije koincidirala s rođenjem trećeg djeteta, a bez podrške supruga, kaže, ništa ne bi mogla napraviti, niti bi se upustila u neke projekte. Kad ne radi, igra se s djecom, ponekad se bavi jogom, čita znanstvenu fantastiku, a trenuci čistog luksuza su joj gledanje sci-fi serija sa suprugom. Kao i svi zaljubljenici u taj žanr jedva je dočekala seriju Foundation snimljenu prema romanu Isaaca Asimova, koju se dosad nitko nije usudio snimiti. Gleda i Expanse (zahvalna je Jeffu Bezosu čiji je Amazon Prime spasio novu sezonu) i, naravno, fan je Zvjezdanih staza. U seriji joj je najdraži lik kapetan Jean-Luc Picard, znanstvenik, istraživač, diplomat, ambasador, borac protiv nepravde.

Može se izgraditi bolje društvo 

Tehnologija je u warp speedu: zamišlja li kako će izgledati svijet u kojem će živjeti njezina djeca, i što će im od stvari koje se danas zamišljaju i modeliraju biti dostupno? 'Sigurna sam da ćemo u skoroj budućnosti imati samovozeće automobile. Ta tehnologija nosi puno izazova i mnogo stvari treba riješiti zbog pritiska javnosti. Naime, ljudi su puno osjetljiviji ako algoritam pogriješi 0,001 posto nego ako neki vozač pod utjecajem alkohola udari pješaka. Bit će to tehnologija koja će staviti naglasak na povećanje sigurnosti u prometu. Važna će biti i virtualna stvarnost.' Valentina, koja je radila i u Rimac Automobilima, poručuje: 'Zahvalna sam i Mati Rimcu i Matiji Kopiću što su se usudili ovdje osnovati kompanije koje rade uspješno. U Gideonu radimo vrlo uzbudljive stvari i nema razlike u onome što rade u Tesli i onome što radimo mi ovdje.'
 
Na tim se primjerima, kaže, može izgraditi bolje društvo. 'To rade inženjeri. Mi gradimo stvari i pokušavamo promijeniti svijet nabolje.' Ili kako bi rekao njen omiljen lik kapetan Picard: 'Imamo moćne alate: otvorenost, optimizam i duh znatiželje. Oni imaju samo tajnovitost i strah. A strah uništava.'
  
Make it so, Valentina.