Moderní vedci produkujú čoraz viac dát a často im už nestačí ovládať iba vlastný odbor. Codebridge College ukazuje, ako sa programovací jazyk Python, štatistika a umelá inteligencia stávajú novou súčasťou výbavy výskumníkov.
Generatívna umelá inteligencia už výrazne mení spôsob, akým vzniká programovací kód. Analýza viac ako 30 miliónov príspevkov cloudovej platformy GitHub, publikovaná v časopise Science, ukázala, že v USA bolo ku koncu roku 2024 približne 29 percent funkcií v jazyku Python vytvorených s významnou podporou AI. Zdroj: iStock.com / Khanchit Khirisutchalual
Ešte pred niekoľkými desaťročiami sa veľká časť vedeckých výsledkov zmestila do laboratórneho zošita alebo jednoduchej tabuľky. V súčasnosti môže jediný experiment vytvoriť milióny dátových bodov. Genomika, transkriptomika, medicínske zobrazovanie, epidemiológia či populačné štúdie produkujú množstvo údajov, ktorých spracovanie sa bez využitia počítačových nástrojov stáva prakticky nemožným. Programovací kód preto v mnohých odboroch prestáva byť iba technickou pomôckou a stáva sa súčasťou samotného vedeckého postupu. Časopis Nature Human Behaviour upozorňuje, že pri časti moderného výskumu je kód nielen nástrojom analýzy, ale môže byť priamo prostriedkom testovania hypotéz či tvorby modelov.
S touto zmenou však prichádza problém. Mnohí vedci, najmä z biologických, medicínskych a zo spoločenských odborov, nikdy neabsolvovali systematické vzdelávanie v programovaní alebo v softvérovom inžinierstve. Autori projektu ENCORE upozorňujú, že časť biomedicínskych výskumníkov vstúpila do sveta výpočtovej vedy bez formálneho tréningu v programovaní, dokumentovaní kódu, systémoch na správu verzií či práci v Linuxe. Nedostatky v týchto zručnostiach môžu ovplyvňovať transparentnosť aj reprodukovateľnosť výskumu.
Na rozhraní medzi akademickým poznaním a praktickou dátovou analýzou pôsobí slovenská vzdelávacia organizácia Codebridge College. Iniciatíva sa zameriava na dátovú vedu, štatistiku a umelú inteligenciu a podľa údajov na svojej stránke za dva roky vyškolila viac ako 600 absolventov na Slovensku a v Česku. Jej programy nie sú orientované iba na budúcich dátových analytikov, medzi cieľovými skupinami sú vedci, doktorandi, lekári, pracovníci verejného sektora či profesionáli, ktorí potrebujú analyzovať dáta vo svojom odbore. Dôležitou súčasťou tejto aktivity sú aj štipendiá v hodnote viac než 150-tisíc eur, ktoré majú sprístupniť dátové kurzy ľuďom, ktorí by si ich inak nemuseli môcť dovoliť. Medzi partnerské a pravidelne zapojené pracoviská patria Slovenská akadémia vied, Biomedicínske centrum SAV, fakulty Univerzity Komenského v Bratislave, Univerzita Pavla Jozefa Šafárika v Košiciach či ústavy Akadémie vied Českej republiky.
Od Excelu k jazyku Python
Jedným zo základných konceptov kurzov Codebridge College je prechod od Excelu k programovaciemu jazyku Python. Neznamená to, že tabuľkové procesory vo vede stratili význam. Pri rastúcom objeme údajov a zložitejších analýzach však programovací jazyk umožňuje jednotlivé kroky automatizovať, presne zaznamenať a neskôr kedykoľvek zopakovať, skontrolovať alebo upraviť. V jedinom nástroji sa tak dáta spracujú, urobí sa štatistika s vizualizáciami hotovými do publikácií alebo sa dokonca natrénujú vlastné modely AI. Výskumník nemusí teda o niekoľko mesiacov premýšľať, ktoré bunky v tabuľke filtroval alebo aký postup použil – analytický postup môže byť zachovaný priamo v kóde a následne sa dá exaktne zopakovať a dôveryhodne publikovať.
Tento rozdiel má zásadný význam aj pre reprodukovateľnosť vedy. Analýza viac ako 9 000 súborov s kódom v jazyku R uložených v Harvard Dataverse ukázala, že 74 percent skúmaných súborov sa pri prvom pokuse nepodarilo spustiť bez chyby. Po automatickom vyčistení kódu podiel klesol, no stále zostával na 56 percentách. Autori preto poukázali na význam dobrých programátorských postupov, na význam dokumentácie a spôsobu zverejňovania vedeckého kódu.
A problém zďaleka nie je zažehnaný. Rozsiahla štúdia, publikovaná v roku 2026 v časopise Nature, analyzovala 600 vedeckých prác zo spoločenských a z behaviorálnych vied. Dáta potrebné na posúdenie reprodukovateľnosti pôvodne sprístupnili autori iba 144 prác, teda 24 percent skúmanej vzorky. Pri analyzovateľných dátach sa ukázalo, že približne 54 percent prác bolo možné označiť za presne reprodukovateľné a približne 74 percent aspoň za približne reprodukovateľné. Lepšie výsledky mali okrem iného novšie práce a časopisy vyžadujúce spoločné dáta.
Programovanie preto vo vede neznamená iba rýchlejšie spracovanie veľkej tabuľky. Dobre pripravený skript predstavuje záznam analytického postupu, a to od načítania surových údajov cez ich čistenie a štatistické testovanie až po výsledný graf. Už staršia práca v Nature Ecology & Evolution ukázala na konkrétnom vedeckom projekte, ako môžu otvorené nástroje dátovej vedy zjednodušiť spoluprácu a zároveň zvýšiť transparentnosť a reprodukovateľnosť výskumu.
Dátová gramotnosť ako súčasť vedeckého remesla
Medzi tváre Codebridge College patria Imrich Berta a Laura Johanesová. Ich odborné zázemie ukazuje, akými rozdielnymi cestami sa dnes možno dostať k dátovej vede.
Berta vyštudoval aplikovanú matematiku na Cambridgskej univerzite. Vo svojej práci prepája dátovú vedu, strojové učenie a epidemiológiu. Venoval sa modelom na predikciu ochorení a analýze klinických dát, v súčasnosti sa vo výskume sústreďuje najmä na environmentálne a sociálne rizikové faktory rakoviny a neplodnosti a na hodnotenie fungovania zdravotného systému.
Johanesová prichádza k dátam z iného smeru. Codebridge College ju predstavuje ako bioinformatičku pôsobiacu na Viedenskej univerzite a healthcare analytičku na Slovensku. Pri svojom výskume využíva programovacie jazyky Python a R, ako aj automatizáciu úloh pomocou príkazového riadka (shell scripting). Zároveň pripravuje prakticky orientované vzdelávacie programy, ktorých cieľom je pomôcť analytikom a výskumníkom prejsť od Excelu k programovaniu a aplikovanému strojovému učeniu.
Za iniciatívou stojí tím ľudí, ktorí si prešli akademickým a inovačným prostredím v popredných európskych a svetových inštitúciách a túto skúsenosť chcú preniesť priamo k vedcom a študentom v strednej Európe. Na obrázku sú Imrich Berta a Laura Johanesová. Zdroj: Codebridge College; koláž autora
Tím pritom nie je postavený iba na dvojici zakladateľov. Dátový vedec Ján Dudek má skúsenosti z USA a postgraduálne štúdium ekonómie absolvoval na Oxfordskej univerzite. Viera Kováčová pôsobí v oblasti genomiky a výpočtovej biológie a má 17 rokov skúseností v odbore, pričom v súčasnosti pôsobí na Kolínskej univerzite. Onkologička Soňa Hudecová získavala klinické a výskumné skúsenosti aj na Lekárskej fakulte Harvardovej univerzity, v Soule a na Sorbonne a dnes pôsobí v klinickej onkológii v Prahe. Ich spoločným menovateľom je prepojenie vedeckej expertízy s dátovou analýzou.
Samotný model výučby je postavený predovšetkým na intenzívnych niekoľkodňových školách. Napríklad Prague Data School má rozsah piatich celých dní, teda približne 45 hodín. Začína sa základmi jazyka Python a knižnice Pandas, pokračuje sa vizualizáciou, štatistikou a regresnými modelmi a následne sa prechádza k strojovému učeniu a k využívaniu veľkých jazykových modelov. Posledný deň je postavený na dátovom hackathone, počas ktorého účastníci riešia praktický problém a svoje rozhodnutia a výsledky musia vysvetliť a obhájiť. Takýto formát približuje výučbu situácii, v akej sa výskumník ocitne pri riešení skutočnej analytickej úlohy. Predchádzajúca skúsenosť s programovaním pritom pri úvodnom kurze nie je podmienkou, vyžadujú sa základné skúsenosti s Excelom.
Veľmi dôležitá je postupnosť. Naučiť sa syntax Pythonu ešte neznamená vedieť analyzovať vedecké dáta. Výskumník musí rozumieť tomu, prečo zvolil určitý štatistický test, čo znamená p-hodnota, ako rozlíšiť koreláciu od kauzality, ako rozdeliť dáta pri trénovaní modelu alebo prečo môže zdanlivo mimoriadne presný algoritmus v skutočnosti zlyhávať na nových údajoch.
Prístup Codebridge College je inšpirovaný aj tým, ako sa dátové zručnosti systematicky budujú na popredných zahraničných univerzitách. Na Oxfordskej univerzite sa napríklad doktorandský program DPhil in Biomedical and Clinical Sciences začína štvortýždňovým intenzívnym tréningom, ktorý zahŕňa budovanie zručností v Pythone, R a Linuxe. Na Cambridgskej univerzite zase funguje samostatné tréningové centrum pre výskumníkov, ktoré sa venuje práci v Pythone, R, Unixe a zdokonaľovaniu sa v štatistike. Takýto štandard na slovenských a českých univerzitách vo všeobecnosti chýba.
Python hneď vedľa mikroskopu
Azda najvýraznejšie je spojenie programovania s vedou viditeľné v biomedicíne. Moderný biologický experiment sa často nekončí odmeraním vzorky. Po sekvenovaní môže nasledovať kontrola kvality dát, zarovnanie sekvencií, normalizácia, štatistické porovnanie skupín, analýza génovej expresie a napokon biologická interpretácia výsledkov. Veľká časť experimentu sa tak uskutočňuje pred monitorom.
Na toto cieli aj Biomedical Data School, ktorú Codebridge College pripravuje v Bratislave. Päťdňový program je určený doktorandom, výskumníkom, lekárom a odborníkom z biomedicíny, farmácie, klinického výskumu či zo zdravotníctva. Program zahŕňa prácu s terminálom, Python, Pandas a Biopython, kontrolu kvality sekvenčných dát, formáty FASTA, SAM, GTF či BED a ďalšie kroky bioinformatickej analýzy. Deklarovaným cieľom je prejsť analytickou cestou od surových dát až k interpretácii výsledkov.
Data School v Slovenskej akadémii vied patrí medzi intenzívne kurzy dátovej školy Codebridge College, kde si účastníci osvojujú programovací jazyk Python, štatistiku a analýzu reálnych dát. Zdroj: Codebridge College (so súhlasom L. Johanesovej)
Podobnú filozofiu má Health Data School, ktorá sa zameriava na zdravotnícke dáta, bioštatistiku a AI. Účastníci pracujú s polovyplnenými tabuľkami, spájajú datasety, analyzujú rozdiely medzi skupinami pacientov a vytvárajú regresné či prediktívne modely. Ambíciou nie je iba vyhodnotiť existujúce dáta, ale umožniť lekárom a výskumníkom vytvoriť prvý prototyp riešenia, overiť jeho prínos a ďalej ho rozvíjať. Môžu tak vzniknúť riešenia, ktoré majú potenciál pokračovať smerom ku klinickým technológiám alebo startupom. Cieľovou skupinou sú okrem analytikov opäť doktorandi a výskumníci.
Prepájanie medicíny a dátovej vedy je žiaduce. Moderná biomedicína pracuje s genomickými, transkriptomickými, proteomickými, klinickými či so zobrazovacími dátami, pričom ich spoločná analýza si vyžaduje čoraz sofistikovanejšie výpočtové postupy. Výskumník preto nemusí byť profesionálnym softvérovým vývojárom, no schopnosť rozumieť tomu, čo jeho analytický kód robí, sa stáva súčasťou vedeckej gramotnosti. Na tento problém upozorňujú aj autori ENCORE. Bez dostatočných výpočtových zručností môže byť vedecký softvér zle zdokumentovaný a ťažko kontrolovateľný, čo komplikuje overenie výsledkov.
Sekvenovanie DNA a RNA či analýza génovej expresie vytvárajú rozsiahle datasety, ktorých spracovanie si vyžaduje ovládanie bioinformatiky, štatistiku a znalosť programovacích programov. Zdroj: iStock.com/yalax
Kto má napísať kód? Vedec alebo AI?
Príchod ChatGPT a ďalších veľkých jazykových modelov priniesol paradox. Práve v čase, keď sa programovanie stáva pre vedcov čoraz dôležitejším, dokáže veľkú časť kódu vytvoriť umelá inteligencia. Stačí jej prirodzeným jazykom vysvetliť požadovanú analýzu a model môže v priebehu niekoľkých sekúnd navrhnúť skript, vysvetliť chybu alebo vytvoriť graf.
Rozsah tejto zmeny ukazuje štúdia, publikovaná tento rok v Science. Výskumníci analyzovali viac ako 30 miliónov príspevkov od 160 097 vývojárov do cloudovej platformy GitHub. Odhadli, že v Spojených štátoch už AI vytvára približne 29 percent funkcií v Pythone. Používanie generatívnych nástrojov bolo spojené s približne 3,6-percentným zvýšením počtu príspevkov do kódu za štvrťrok. Zaujímavý bol však rozdiel medzi používateľmi. Merateľný prospech zaznamenali najmä skúsení vývojári, zatiaľ čo pri začínajúcich programátoroch významný efekt autori nezistili.
To naznačuje, že AI nemusí odstraňovať potrebu rozumieť programovaniu. Môže dokonca zvýhodňovať človeka, ktorý dokáže rozpoznať, či navrhnuté riešenie dáva zmysel.
Vo vede je táto otázka ešte citlivejšia. Štúdia, publikovaná v januári 2026 v Nature Biomedical Engineering, preverovala veľké jazykové modely na 293 programátorských úlohách odvodených z 39 biomedicínskych štúdií v siedmich oblastiach výskumu. Testovalo sa osem proprietárnych a osem open-source modelov. Celková úspešnosť zostala pod 40 percentami. Autori upozornili, že nekritické používanie AI pri vedeckej analýze môže viesť až k šíreniu nesprávnych vedeckých záverov.
Program napísaný AI môže vyzerať presvedčivo a môže sa dokonca bez chyby spustiť, no napriek tomu môže vykonávať nesprávnu analýzu. V biomedicínskom výskume môže byť problémom nevhodná normalizácia dát, únik informácií medzi tréningovým a testovacím súborom, nesprávne zvolený štatistický test alebo chybná interpretácia modelu. Práve schopnosť človeka tieto problémy identifikovať bude pravdepodobne jednou z kľúčových dátových kompetencií nastupujúcej éry AI.
Súčasťou dátového tréningu sa preto stáva aj schopnosť efektívne komunikovať s jazykovými modelmi. Účastníci sa učia formulovať presné zadania, poskytnúť modelu správny kontext a následne jeho výstup kontrolovať a iteratívne spresňovať. Kvalita zadania môže výrazne ovplyvniť kvalitu odpovede, no ani dobre formulovaný prompt nezaručuje, že výsledný kód alebo štatistický postup bude správny.
Kvalitný tréning nemá učiť iba to, ako pomocou AI získať výsledok, ale najmä to, ako ho overiť, správne interpretovať a metodicky obhájiť. Kvalita promptov rozhoduje o tom, či AI funguje ako užitočný analytický partner alebo, naopak, produkuje presvedčivo pôsobiace, no nesprávne výsledky.
Posun k agentickému programovaniu
Tento posun už preniká aj do ponuky Codebridge College. Päťdňová Advanced Data School, ktorá sa nedávno konala v Bratislave, spája pokročilé strojové učenie s takzvaným agentic coding, teda programovaním, pri ktorom AI nefunguje iba ako generátor jednotlivých riadkov kódu, ale dostáva širšiu úlohu, plánuje postup a pracuje s kontextom projektu. Pre výskumníkov to znamená ďalší posun od manuálneho písania jednotlivých príkazov k zadávaniu cieľov a ku kontrole výsledkov. Čím viac rozhodnutí však delegujú na systém, tým dôležitejšie je porozumieť tomu, čo sa v jednotlivých krokoch deje. Kurz zároveň zahŕňa vyhodnocovanie modelov a ďalšie pokročilé postupy.
To môže naznačovať, ako sa bude meniť samotná predstava programátorskej gramotnosti. Výskumník možno nebude musieť poznať naspamäť syntax desiatok príkazov. O to viac však bude potrebovať pochopenie algoritmov, dát, štatistiky a vedeckej metodológie, aby dokázal posúdiť výsledok vytvorený AI.
Vývoj pripomína nástup kalkulačiek. Tie nezrušili potrebu rozumieť matematike, no zmenili druh úloh, pri ktorých človek svoju pozornosť využíva. Podobne môže generatívna AI postupne odbremeniť výskumníkov od rutinného písania kódu, ale zodpovednosť za správnosť vedeckého postupu na ňu jednoducho preniesť nemožno.
VEDOMOSTNÉ OKIENKO
Python patrí medzi najpoužívanejšie programovacie jazyky vo vede a v dátovej analytike. Jeho výhodou je rozsiahly ekosystém knižníc na spracovanie dát, štatistiku, strojové učenie či bioinformatiku.
Pandas umožňuje v Pythone pracovať s tabuľkovými dátami – filtrovať ich, spájať, meniť ich štruktúru či automatizovať postupy, ktoré by používateľ inak opakovane vykonával v tabuľkovom procesore.
R vznikol predovšetkým pre štatistické výpočty a vizualizáciu. Mimoriadne silné postavenie má vo vede, v bioštatistike, epidemiológii a bioinformatike.
Machine learning (strojové učenie) zahŕňa metódy, pri ktorých sa algoritmus učí vzťahy z dát. Vo vede môže pomáhať napríklad pri klasifikácii biologických vzoriek, predikcii rizika ochorenia alebo hľadaní zložitých vzorcov v mnohorozmerných dátach.
Reprodukovateľný kód umožňuje inému výskumníkovi (alebo samotnému autorovi o niekoľko rokov) zopakovať rovnakú analýzu na rovnakých vstupných údajoch a skontrolovať, ako vznikol výsledok.
Rozumieť vlastnému kódu
Projekt Codebridge College je zaujímavý najmä ako príklad širšej transformácie vedeckého vzdelávania. Hranice medzi jednotlivými profesiami sa postupne rozmazávajú. Biológ sa môže počas jedného pracovného dňa pohybovať medzi laboratóriom, terminálom Linuxu a štatistickým prostredím R. Lekár môže analyzovať zdravotnícku databázu v Pythone a epidemiológ vytvárať prediktívny model. Dátová gramotnosť sa tak stáva spoločným jazykom disciplín, ktoré boli ešte donedávna pomerne vzdialené.
Dátové školy prepájajú odborníkov z rôznych oblastí – od biomedicíny a medicíny až po štatistiku, programovanie a dátovú vedu. Spoločná práca na reálnych dátach vytvára priestor na výmenu skúseností a prepájanie odbornej expertízy naprieč disciplínami. Zdroj: osobný archív L. Johanesovej
Zároveň však platí, že absolvovanie krátkeho kurzu z človeka neurobí dátového vedca ani štatistu. Práve pri vedeckých dátach je potrebné rozlišovať medzi technickou schopnosťou spustiť analýzu a metodologickou schopnosťou rozhodnúť, či je daná analýza správna. Význam vzdelávania preto nespočíva iba v učení príkazov, ale predovšetkým v pochopení princípov, ktoré sa za nimi skrývajú.
Dnešná otázka preto možno už neznie, či sa má vedec naučiť programovať. Dôležitejšie je, do akej miery musí programovaniu, štatistike a AI rozumieť, aby mohol dôverovať vlastným výsledkom. Čím väčšiu časť vedeckého procesu odovzdávame algoritmom, tým dôležitejšia môže byť schopnosť pozrieť sa pod ich kapotu.
A tu sa kruh uzatvára. Python, R či umelá inteligencia nemusia nahradiť laboratórny plášť, mikroskop alebo klinické skúsenosti. Stávajú sa však ďalším nástrojom vedeckej práce, podobne ako kedysi štatistický softvér, počítač alebo kalkulačka. Projekty ako Codebridge College ukazujú, že tento nový nástroj už nevstupuje iba do informatických učební. Postupne si nachádza miesto aj v laboratóriách, nemocniciach a vo výskumných tímoch.
Víziou projektu Codebridge College je preto vychovávať výskumníkov, ktorí dokážu moderné dátové a AI nástroje používať samostatne a kriticky. Konečným cieľom nemá byť naučiť vedcov programovať, ale umožniť im premeniť vedecký nápad na analytický postup, prvý prototyp alebo prediktívny model a následne posúdiť jeho prínos. V ideálnom prípade tak dátová gramotnosť neslúži ako ďalšia povinnosť vedca, ale ako nástroj, ktorý mu umožní dostať sa od otázky k overiteľnému výsledku rýchlejšie a transparentnejšie.
Zdroje: Nature (1, 2, 3, 4, 5, 6), Science, Codebridge College
(KAM)
