Když se podíváte skrz zamlžené sklo, vidíte jen neurčitý obraz. Přesto by mozek – a v tomto případě i umělá inteligence – mohl v tomto chaosu nalézt přesnou polohu ukrytého objektu. Na tomto principu postavili výzkumníci z Technické univerzity ve Vídni (TU Wien) a jejich kolegové z univerzit v Glasgow a Grenoblu revoluční optickou metodu, která využívá umělou inteligenci k odhalení maximální možné přesnosti v rozmazaném obraze.

Od poloviny 19. století věda ví, že žádný optický přístroj – ať už mikroskop nebo kamera – nemůže podat dokonale ostrý obraz. Není to problém technologie, ale samotné podstaty světla. A právě proto si vědci položili otázku: Jak blízko se lze přiblížit absolutnímu limitu přesnosti? A co když do hry zapojíme neuronové sítě?

Ostrost v rozmazaném světě: Fyzikální hranice přesnosti

Profesor Stefan Rotter z Institutu teoretické fyziky na TU Wien popisuje problém na jednoduché představě: „Představme si, že se díváme na malý objekt za zamlženým sklem. Nevidíme ho přímo, jen neuspořádaný vzor světla, světlé a tmavé skvrny. Otázkou je: S jakou přesností lze odhadnout skutečnou polohu objektu?“

Takové situace nejsou jen akademickým cvičením – jsou každodenní realitou například v lékařské diagnostice nebo biologii. Když světlo proniká biologickou tkání, je rozptýlené a na první pohled ztrácí informaci o hlubších strukturách. Ale jak moc informací je skutečně ztraceno?

Odpověď dává teorie pomocí tzv. Fisherovy informace – matematické veličiny, která říká, kolik informací daný optický signál obsahuje o neznámé veličině, například poloze objektu. Když je Fisherova informace nízká, už ani nejlepší výpočetní analýza nedokáže nic víc. Tato hranice je fyzikálně daná a nelze ji obejít – ale lze se jí přiblížit.

Zkreslené vzory jako zdroj informací? Neuronové sítě umí číst chaos

Zatímco tým z TU Wien připravoval teoretický rámec, vědci z univerzit ve Francii a Velké Británii realizovali experiment. Odeslali laserový paprsek na malý objekt skrytý za zakalenou kapalinou. Výsledkem byly extrémně zkreslené světelné vzory – jakési „chaotické obrazy“, které člověk nedokáže interpretovat.

Zdroj: Shutterstock

Ale právě tyto vzory se staly učebním materiálem pro neuronovou síť. Vědci jí předložili tisíce snímků se známou polohou objektu. Postupně si síť osvojila schopnost rozpoznat, které světelné vzory odpovídají kterým pozicím.

Po dostatečném tréninku byla AI schopná odhadnout polohu objektu i z nových, dosud neviděných obrazů – a co víc, s takovou přesností, že se přiblížila samotné hranici, kterou předpovídala teorie.

Výsledek? Téměř fyzikální maximum

Výsledky jsou ohromující: rozdíl mezi odhadem neuronové sítě a teoretickým maximem byl tak malý, že jej výzkumníci označují za „téměř optimální“. „To znamená, že náš AI algoritmus nejen funguje, ale funguje téměř dokonale,“ říká Rotter.

Tento přístup má potenciál zásadně proměnit oblasti, kde je přesnost měření klíčová – například v medicíně, materiálovém výzkumu nebo kvantové technologii. Vize spočívá v tom, že pomocí chytré AI bude možné zachytit a interpretovat informace i tam, kde se tradiční technologie ztrácí v mlze.

Cesta do budoucnosti: Spojení fyziky a AI

Na rozdíl od běžných AI aplikací, kde jde často o rychlost nebo komfort, se zde jedná o něco hlubšího: AI pomáhá odhalit samotné hranice poznatelného. V budoucích projektech chtějí výzkumníci spolupracovat s praktickými obory – například s lékaři nebo inženýry – aby nové algoritmy našly uplatnění v reálných přístrojích.