Efikasnijim sustavom, airt će učenje na podacima uz pomoć AI-ja približiti i bankama i webshopovima

Hrvatski startup airt, suosnivača Hajdi Ćenan i Davora Runje, osmislio je novi algoritam za učenje i predviđanje ponašanja korisnika iz strukturiranih podataka. Nakon više od 6 mjeseci pripreme, u utorak su prijavili patent za njegovu globalnu zaštitu.

Posebnost njihove platforme krije se u efektivnosti odnosno isplativosti i mogućnosti skaliranja izrade tih modela. U konačnici, moderni AI modeli troše iznimno veliku količinu energije te su bilo kakve uštede značajan pomak za sve poslovne korisnike koji žele iskoristiti mogućnosti umjetne inteligencije.

Već u startu nadmašuju IBM-ov sustav

airt gradi platformu za izradu prediktivnih modela na strukturiranim podacima kakvi, primjerice, postoje u bankama ili kod pružatelja komunikacijskih usluga, i za obradu tih podataka interno su razvili vlastite tehnike dubokog učenja inspirirane metodologijama koje se koriste u obradi jezika (NLP/Natural Language Processing).

Iskustvo rada na konkretnim problemima iz financijskog sektora upotrijebili su kako bi izgradili potpuno automatiziranu platformu za pripremu transakcijskih podataka te automatiziranu izgradnju modela za konkretne poslovne probleme.

Kako bi usporedili kvalitetu platforme, odlučili su je testirati i usporediti s TabFormerom, sustavom iste namjene koje je razvio IBM i za koji je javno objavio sintetički skup podataka za njegovo testiranje. Već je inicijalni test pokazao da airtov model nadmašuje IBM-ov (F1-score 0.90 vs. 0.86). Ove podatke planiraju i detaljnije potvrditi i kroz manju akademsku analizu o kojoj očekujte više i na Netokraciji.

Fokus im je na smanjenju resursa potrebnih za treniranje modela

Međutim, iako je točnost predikcije modela bitna, ona im ipak nije najbitnija stavka, objašnjava Davor:

Vjerujemo da možemo i bolje od ovog rezultata u smislu točnosti, ali naš primarni fokus nije na izradi najtočnijeg i najpreciznijeg modela, već na smanjenju resursa koji su potrebni da bi se jedan takav model automatski izgradio.

Računalni resursi potrebni za izradu najboljih modela eksponencijalno se povećavaju svako 3 do 4 mjeseca, odnosno, u periodu od 2012. do 2018. godine povećali su se čak 300 tisuća puta. Cijene treniranja tih modela tako se mogu kretati i po nekoliko tisuća dolara – za jedan model. No, kada je u pitanju iskorištavanje velike količine podataka, kao što je to primjerice u bankama, znamo da je situacija nešto drugačija. Davor dodaje:

Najveći uspjesi tehnika dubokog učenja postignuti su u područjima obrade slike i teksta, a za izradu jednog samo jednog takvog vrhunskih modela potrebne su tisuće ili čak deseci tisuća dolara za električnu energiju potrošenu za njihovu izradu.

Za takve primjene to nije veliki problem jer je dovoljan jedan model za svaki jezik, međutim, kada govorimo o (mnogobrojnim) modelima koji se koriste u poslovanju, jasno je da je malo tvrtki koje bi si tako nešto mogle priuštiti. Naš cilj je da postignemo gotovo identične rezultate kao i ovi skupi modeli, ali za puno manje novaca kako bi naše rješenje bilo dostupno svima, od najmanjeg web shopa do najvećih financijskih ustanova.

Čeka se odluka ureda Europske unije za intelektualno vlasništvo

Ovim pristupom airt ulazi u deep tech domenu, ističe Hajdi, jer se rješenje koje razvijaju bazira na znatnim znanstvenim, ali i inžinjerskim izazovima. Prijava jednog takvog rješenja za patent nije ništa manji izazov, dodaje:

Intenzivno se bavimo istraživanjem i razvijamo vlastite pristupe i tehnike. Upravo smo, uz svesrdnu pomoć Mladena Vukmira i Williama Župančića iz Vukmir & Associates, predali naš prvi patent koji prvo ide u EPO (European Patent Office), a zatim i u SAD, za vlastite tehnike dubokog učenja na strukturiranim podacima. To je samo početak jer ne stajemo s inoviranjem, dapače.