Může umělá inteligence pomáhat při výuce kresby, malby nebo sochařství? Výzkumnice Júlia Škovierová z oddělení Robotického vnímání Českého institutu informatiky, robotiky a kybernetiky ČVUT (CIIRC ČVUT) se svým týmem hledá odpověď v projektu EDUARDIS – inteligentním asistentovi, který studentům poskytuje průběžnou zpětnou vazbu během výtvarné tvorby. Nehodnotí talent ani originalitu. Zaměřuje se na technickou stránku práce, tedy na kompozici, perspektivu, proporce nebo správný pracovní postup, a pomáhá studentům osvojit si základy výtvarného řemesla.
Projekt vznikl na základě dlouholeté pedagogické praxe doc. Milana Saláka, který vytvořil soubor 48 výukových úloh pro výuku kresby, malby a sochařství. V roce 2024 oslovil tým CIIRC s myšlenkou využít umělou inteligenci jako podporu výuky. Výsledkem je projekt TA ČR EDUARDIS, jehož řešení bylo zahájeno v září 2025. Od té doby výzkumníci vytvářejí metodiku hodnocení, připravují unikátní datový soubor a vyvíjejí systém založený na počítačovém vidění, metodách strojového učení a malých jazykových modelech. V zimním semestru akademického roku 2026/2027 čeká EDUARDIS první pilotní nasazení ve výuce, primárně na Pedagogické fakultě UHK. Do budoucna se počítá s rozšířením systému i do dalších institucí, a to nejen akademických. Uplatnění může najít také v krátkodobých výtvarných kurzech určených pro různé věkové kategorie a v dalších formách výtvarného vzdělávání.
Na vývoji spolupracuje mezioborový tým odborníků na počítačové vidění, umělou inteligenci, zpracování obrazových dat i vývoj webových aplikací. Do projektu se zapojují také studenti, kteří se podílejí na výzkumu i vývoji systému a získávají první zkušenosti s vědeckou prací. Odborným poradcem projektu je profesor Václav Hlaváč, na vývoji webové aplikace a metod strojového učení se podílí Ihor Shabash a za návrhem webové aplikace i vizuální identity projektu stojí Tomáš Staudek.
Jak se umělá inteligence učí rozpoznávat chyby ve studentských pracích? Co všechno dokáže objektivně vyhodnotit a kde naopak zůstává nezastupitelná role učitele? A jak složité je převést zkušenosti výtvarných pedagogů do jazyka algoritmů? O tom jsme hovořili s Júlií Škovierovou.
1) Projekt Eduardis označujete jako uměle inteligentního učitele výtvarných dovedností. Můžete ho představit? Jaké technologie a metody umělé inteligence za tímto konceptem stojí?
Cílem projektu EDUARDIS je vytvoření inteligentního výukového asistenta využívajícího umělou inteligenci, který studentům poskytuje zpětnou vazbu v reálném čase na základě fotografií jednotlivých kroků při řešení výtvarných úloh. Student po dokončení dílčí fáze pořídí fotografii své práce, nahraje ji do systému a obdrží textovou i obrazovou zpětnou vazbu.
Pro analýzu obrazových dat a hodnocení správnosti jednotlivých kroků využíváme kombinaci metod “klasického” počítačového vidění, neuronových sítí a malých (lokálně běžících) jazykových modelů (SLM). Hybridní přístup nám umožňuje kombinovat silné stránky jednotlivých metod – přesnou analýzu obrazu, rozpoznávání vizuálních struktur a generování srozumitelné zpětné vazby pro studenta.
2) Věnujete se počítačovému vidění. Jak se systém „dívá“ na studentskou práci? Jaké vlastnosti kresby nebo výtvarného projevu dokáže analyzovat?
Systém hodnotí výhradně objektivně hodnotitelné technické aspekty výtvarného díla. Mezi ně patří například správné rozvržení kompozice, použití perspektivy, proporce jednotlivých objektů, práce s obrazovým formátem, přítomnost detailů v odpovídající fázi tvorby nebo správné využití barevných vztahů podle zadání.
Pro každou výukovou úlohu i její jednotlivé fáze je definována sada přesně stanovených hodnotících kritérií vycházejících z metodiky výuky. Na jejich základě systém vyhodnocuje správnost postupu a poskytuje studentům průběžnou textovou i obrazovou zpětnou vazbu.
Systém nehodnotí kreativitu ani estetickou hodnotu výsledného díla. Zaměřuje se výhradně na technickou správnost provedení a dodržení metodických postupů.
3) Jaké typy dat potřebujete pro trénování systému a jak složité je získat kvalitní dataset pro oblast výtvarného vzdělávání?
Pro trénování systému potřebujeme vysoce specifická data, která běžně dostupné databáze neposkytují. Nestačí nám fotografie hotových uměleckých děl – potřebujeme zachytit celý proces jejich vzniku, tedy jednotlivé fáze řešení doplněné o odborné anotace správných postupů i typických chyb.
Proto vytváříme vlastní databázi obsahující fotografie jednotlivých kroků tvorby spolu s pozitivními i negativními anotacemi. Pro každou úlohu jsou definována objektivně hodnotitelná kritéria, která slouží k trénování i validaci našich algoritmů.
Sběr těchto dat je časově i organizačně velmi náročný. Vyučující musí během výuky dokumentovat jednotlivé fáze řešení a následně provádět odbornou anotaci. Přestože každoročně vzniká velké množství studentských prací, využitelných dat je výrazně méně, protože ne všechny práce obsahují kompletní dokumentaci celého procesu.
Významné zlepšení očekáváme od pilotního nasazení systému EDUARDIS, ve kterém budou fotografie jednotlivých kroků nahrávat přímo studenti. Tím se sníží administrativní zátěž vyučujících a současně získáme podstatně větší množství kompletních dat.
4) V čem se liší hodnocení technicky správného řešení od hodnocení kreativního výstupu? Jak tuto výzvu řešíte v rámci projektu Eduardis?
Hodnocení technicky správného řešení je z pohledu metod počítačového vidění a umělé inteligence podstatně jednodušší než hodnocení kreativního výstupu. Technické aspekty lze popsat pomocí jasně definovaných pravidel a hodnoticích kritérií, například správným použitím perspektivy, kompozice nebo dodržením jednotlivých fází pracovního postupu.
Naproti tomu kreativní proces nelze svázat jednoznačnými pravidly. Každý student pracuje s jiným výtvarným stylem, barevností nebo způsobem vyjádření a právě tato rozmanitost je ve výtvarném vzdělávání žádoucí. Ostatně, hodnocení díla z kreativního hlediska je složitou úlohou i pro náš lidi a jde spíše o subjektívní názor, než o objektivní hodnocení.
Na přiložených obrázcích je patrné, že studenti při stejném zadání a dodržení stejných technických pravidel vytvářejí velmi rozdílná díla. To dobře ilustruje, že systém hodnotí správnost pracovního postupu, nikoliv individuální umělecký styl.
5) Jakou roli v projektu hrají samotní učitelé výtvarné výchovy? Podílejí se na tvorbě metodiky nebo na vytváření trénovacích dat?
Učitelé výtvarné výchovy jsou jedním z klíčových partnerů projektu EDUARDIS. Podílejí se na tvorbě metodiky, definování hodnoticích kritérií, sběru dat i jejich odborné anotaci. Právě jejich dlouholeté pedagogické zkušenosti tvoří základ pravidel, podle kterých systém hodnotí jednotlivé fáze tvorby.
Projekt vychází ze souboru 48 výukových úloh vytvořených na základě dlouholeté pedagogické praxe doc. Milana Saláka. V současnosti se zaměřujeme na šest klíčových úloh z oblasti kresby, malby a sochařství, které slouží jako ověřovací sada pro vývoj systému.
Na přípravě dat spolupracujeme zejména s vyučujícími Univerzity Hradec Králové (UHK), kteří během výuky dokumentují jednotlivé fáze řešení studentů a pomocí námi vytvořeného anotovacího nástroje označují správné postupy i typické chyby. Takto vzniká unikátní datový soubor určený pro trénování a validaci algoritmů.
6) Jak systém generuje zpětnou vazbu pro studenta? Jde pouze o vyhodnocení výsledku, nebo dokáže sledovat a komentovat také samotný proces tvorby?
Aktuální verze systému poskytuje studentům zpětnou vazbu ve dvou formách – textové a obrazové. Textová část obsahuje popis identifikovaných nedostatků a doporučení k jejich odstranění, zatímco obrazová část přímo označuje problematická místa v nahrané fotografii. Do budoucna plánujeme rozšířit systém o sledování návaznosti jednotlivých fází řešení. Systém tak nebude hodnotit pouze správnost jednotlivých kroků, ale celý proces tvorby, kontinuitu pracovního postupu i postupné zlepšování studenta.
7) Existují ve výtvarném vzdělávání aspekty, které jsou pro současné modely umělé inteligence obzvlášť obtížně uchopitelné?
Jednou z největších výzev je převod pedagogických pravidel výtvarné výuky do formální podoby, kterou dokáží zpracovat algoritmy počítačového vidění a modely umělé inteligence. Mnohá pravidla vycházejí z dlouholetých zkušeností pedagogů a jsou formulována intuitivně, proto jejich převod do jednoznačně definovaných kritérií vyžaduje úzkou spolupráci odborníků z oblasti výtvarné pedagogiky i informatiky.
8) Jak při vývoji ověřujete, že doporučení poskytovaná systémem jsou skutečně přínosná a vedou ke zlepšení dovedností studentů?
Doporučení poskytovaná systémem vycházejí z dlouholetých pedagogických zkušeností vyučujících a z metodiky jednotlivých výukových úloh. Již během vývoje jsou průběžně konzultována s pedagogy, kteří ověřují jejich správnost a vhodnost pro jednotlivé fáze tvorby.
Typickým příkladem je malba krajiny, kde se v počátečních fázích nedoporučuje soustředit na přidávání detailů. Student by měl nejprve vytvořit kompozici, perspektivu a základní barevné vztahy, zatímco detailní zpracování přichází až v závěrečných etapách. Systém proto dokáže rozpoznat předčasně zpracované detaily a upozornit na ně.
Skutečný přínos systému budeme ověřovat během pilotního nasazení ve výuce. Budeme sledovat, zda studenti díky průběžné zpětné vazbě rychleji osvojují správné pracovní postupy, snižuje se počet opakovaných chyb a zlepšuje se kvalita jejich řešení.
9) Může být technologie vyvíjená v projektu Eduardis využitelná i v dalších oblastech, například při výuce designu, architektury nebo technického kreslení?
Ano. Celý systém EDUARDIS je navržen jako modulární a rozšiřitelný, takže jej lze přizpůsobit různým typům výukových úloh i dalším studijním oborům.
Největší potenciál vidíme v technicky orientovaných disciplínách, kde jsou pracovní postupy a hodnoticí kritéria jednoznačně definována. Ve srovnání s výtvarnou tvorbou je zde snazší formalizovat správný postup a automaticky vyhodnocovat jednotlivé kroky řešení.
Po doplnění odpovídajících trénovacích dat a odborných anotací lze stejnou metodiku využít například při výuce technického kreslení, architektury, designu nebo dalších oborů, ve kterých je důležité nejen správné výsledné řešení, ale také dodržení správného pracovního postupu.
10) Jaké jsou dnes největší výzkumné otázky, které musíte vyřešit, aby se z Eduardisu stal plně funkční a široce využitelný vzdělávací nástroj?
Jednou z největších výzkumných výzev je převod odborného jazyka výtvarné pedagogiky do formální podoby využitelné algoritmy umělé inteligence. Jednotlivé úlohy proto detailně analyzujeme společně s pedagogy a hledáme způsob, jak jejich zkušenosti převést do jednoznačných hodnoticích pravidel.
V některých případech je nutné hledat kompromisy mezi pedagogickými požadavky a technickými možnostmi systému. Aby bylo možné určité aspekty tvorby automaticky vyhodnocovat, je někdy potřeba přesněji definovat hodnotící kritéria nebo upravit způsob zadání, aniž by se změnila podstata výuky.
Součástí výzkumu je také průběžné testování různých metod počítačového vidění, neuronových sítí a jazykových modelů. Pro každou úlohu hledáme takovou kombinaci algoritmů, která poskytne nejlepší rovnováhu mezi přesností, robustností a rychlostí zpracování.
Projekt EDUARDIS vznikl na základě dlouholeté pedagogické praxe doc. Milana Saláka, který vytvořil soubor 48 výukových úloh pro výuku kresby, malby a sochařství. S myšlenkou využití umělé inteligence pro podporu distanční výuky nás oslovil v roce 2024, na základě čehož vznikl projekt TA ČR TQ23000335, jehož realizace byla zahájena v září 2025.
