Tuzemské start-upy zabývající se chytrými algoritmy přitahují zahraniční korporace.
Eskalátorům na berlínských vlakových nádražích naslouchají chytré krabičky od českých vývojářů.
Skrývají v sobě umělou inteligenci, která podobně jako ucho vycvičeného mechanika rozpozná závadu. Algoritmus vymysleli Pavel Konečný a Pavel Klinger. Společně založili firmu Neuron soundware, která je jedním z několika tuzemských startupů, jejichž podnikání stojí právě na využití umělé inteligence. Ta jejich se orientuje podle "sluchu".
V případě berlínských eskalátorů vývojáři naučili systém rozpoznávat několik zvukových tříd: některé pro bezvadný chod a jiné pro konkrétní závady. Z mnoha hodin pokusných nahrávek si umělá inteligence "zapamatovala", jaké charakteristiky vykazuje zvuk, když jsou schody funkční a když mají poruchu. "Je to, jako kdybyste děti učili rozdíl mezi koněm a oslem. Ukážete jim příklady, na jejichž základě později dokážou odvodit, jak vypadá kůň a jak osel, a podle toho je rozpoznávat i na obrázcích, které předtím nikdy neviděly," vysvětluje Konečný.
Nástup algoritmů Firma Neuron soundware na byznys s umělou inteligencí vsadila v příhodnou dobu. Jenom v uplynulém roce podle dat analytické společnosti CB Insights do startupů věnujících se umělé inteligenci investoři vložili osmkrát víc peněz než před pěti lety, konkrétně 4,9 miliardy dolarů.
Chytré algoritmy lišící se od ostatních tím, že simulují lidské uvažování, přitom nejsou žádnou horkou novinkou. Naopak, jsou tu s námi minimálně od druhé poloviny 50. let minulého století. Dlouho se jim však nepodařilo opustit brány univerzit či výzkumných center a proniknout do byznysu. To se ale v posledních letech rychle mění a umělá inteligence se postupně stává běžným zbožím.
Nejčastěji ji využívají velké korporace, zpravidla s vidinou úspory nákladů. To otevírá prostor pro menší společnosti, které taková řešení nabízejí. Pavel Konečný z Neuron soundwaru nepochybuje o tom, že se jim do tohoto trendu podaří naskočit.
Systém na rozpoznávání závad chce nabízet rovněž velkým výrobním společnostem. "Kdyby se našim klientům stroje rozbily, tak jim to ohrozí výrobu, je jasné, že je chtějí mít pod kontrolou," říká k obchodní strategii. Spoléhá přitom na to, že v Česku jakožto zemi s velmi vysokým podílem průmyslové výroby o zákazníky nouze nebude.
Diář se schůzkami se zástupci německých a tuzemských firem, zejména z automobilového průmyslu, z oblasti letecké přepravy nebo energetiky, má přitom podle svých slov zaplněný. Dveře mu otevírají zkušenosti ze spolupráce s Deutsche Bahn týkající se právě kontroly eskalátorů a se Siemensem, pro nějž testují systém na rozpoznávání závad větrných elektráren a výhybek.
Nejenom Neuron soundware je dokladem toho, že v Česku vznikají startupy věnující se umělé inteligenci s potenciálem prosadit se v zahraničí. Tuzemští podnikatelé těží z toho, že zdejší univerzity jako ČVUT nebo matfyz vychovávají talentované programátory. "Máme tu dobrou historii a kvalitně vzdělané a talentované lidi, kteří tu chtějí pracovat," vyjmenovává přednosti České republiky Michal Pěchouček, vedoucí Centra umělé inteligence a katedry počítačů právě na ČVUT. Šance českých startupů se svými nápady proniknout za hranice České republiky jsou poměrně vysoké.
Programe, řekni mi příběh
Povedlo se to například i společnosti Spaceknow, analyzující satelitní snímky. Umělá inteligence, kterou vyvinul tým zakladatelů Pavla Machálka a Jaroslava Javornického, z nich umí vyčíst informace třeba o výkonu čínské ekonomiky. "Magie" služby spočívá v tom, že je nepočítá ze statistických údajů, nýbrž je pozná ze satelitních fotografií více než šesti tisícovek čínských industriálních oblastí. Odhadnout výkon čínské ekonomiky umělá inteligence zvládne prakticky bez zpoždění a na základě nezfalšovatelných údajů.
V praxi to funguje tak, že pracovníci Spaceknow sesbírají všechny dostupné satelitní snímky čínských průmyslových oblastí. Algoritmy pak vyhodnotí, k jakým změnám v regionech došlo. "Sledujeme, jak se plochy zvětšují a smršťují nebo jak se mění stavy materiálů viditelných z vesmíru," prozrazuje Javornický. Umělá inteligence pak data odešle matematickému modelu, který z nich spočítá výsledný index.
Hlavní pilíř byznysu Spaceknow stojí na analytickém a monitorovacím softwaru, pomocí něhož klienti mohou sledovat vývoj jakékoliv oblasti na světě. Nejčastěji jde o nadnárodní korporace z bezpečnostního či finančního sektoru nebo investiční fondy. Že o jejich služby je ve světě zájem, dosvědčuje investice od německého fondu BlueYard Capital ve výši čtyř milionů dolarů.
Javornický navíc neskrývá přesvědčení, že umělá inteligence za pár let propojí satelitní snímky s dalšími zdroji informací, a dokáže tak sestavit celý příběh. "Podívá se na obrázek a zjistí, že se tam udála nějaká změna, pak se podívá na Twitter, o čem v této oblasti lidé tweetují. Najde mezi tím souvislost a pak řekne, že se tam něco děje z takových a takových důvodů," představuje si.
Číst dokumenty jako člověk Globální ambice nezastře ani trojice mladých podnikatelů Petr Baudiš, Tomáš Gogár a Tomáš Tunys. Ačkoliv svou firmu na automatické čtení faktur Rossum založili nedávno a na produktu stále pracují, už získali investici od skupiny Miton a nepochybují o tom, že mají šanci se prosadit. Obchodní příležitost je podle Gogára obrovská: denně si totiž firmy na světě mezi sebou vymění přes miliardu faktur, jejichž údaje je nutné přenést do účetních systémů.
Doba, kdy by je políčko po políčku do počítače přepisovala účetní, už podle trojice Baudiš, Gogár a Tunys dávno pominula. Proto pracují na umělé inteligenci, která údaje z faktury umí přečíst a předat je účetním programům. Takové aplikace už sice existují, podle Gogára však mají k ideálu daleko. "Fungují na principu šablon, které si účetní musí připravit pro každého dodavatele zvlášť," upozorňuje. Faktury od nového dodavatele systém nepřečte, dokud na ně člověk nepřipraví šablonu.
Tomu se chtějí vyhnout tím, že umělou inteligenci naučí už z "pohledu" na neznámou fakturu rozpoznat, co je například variabilní symbol, co jméno dodavatele nebo co číslo účtu, a tyto údaje z ní přečíst. V budoucnosti chtějí systém takto naučit číst i jiné typy dokumentů.
Na tomto principu ostatně spočívá většina stávajících řešení založených na umělé inteligenci. Podstrčí se jí velké množství dat, na nichž se naučí, co přesně má dělat. Lidé ji zkrátka připraví na vykonávání konkrétních činností, s nimiž si s většími či menšími úspěchy poradí. Od umělé inteligence ale prozatím nelze očekávat, že vyřeší úkoly, na něž nebyla dříve připravena.
Neznamená to však, že se nikdo nepokouší takovou umělou inteligenci naprogramovat. V Česku se o to snaží Slovák Marek Rosa ve své firmě GoodAI. Začal v roce v roce 2014 a postupně hodlá proinvestovat 250 milionů korun, které vydělal na prodejích své počítačové hry Space Engineers.
Jeho verze umělé inteligence se má zakládat na takzvaném graduálním učení, simulujícím způsob, jakým si nové dovednosti osvojují také lidé.
"Když se něco naučíme, tak to většinou zobecníme a pak tyto dovednosti použijeme také v jiné oblasti," popisuje Rosa. Algoritmus, který se zhruba třicetičlenným týmem připravuje, by si pak z jedněch dat měl umět vytvořit hypotézy o datech jiných. Což v praxi znamená, že umělá inteligence řídící autonomní vozidlo by se sama naučila pilotovat také letadlo.
Prozatím však jde o hudbu budoucnosti a ani Rosa si netroufá odhadovat, kdy ji se svým týmem dokončí.
Může to být za tři roky, ale klidně až za 30 let.
Do mladých firem zabývajících se umělou inteligencí se loni proinvestovalo 4,9 miliardy dolarů. Během pár let umělá inteligence ze satelitních snímků pozná nejen to, že se někde něco děje. Ze zpráv na Twitteru zjistí, i proč se to děje.