S aplikací vědeckých poznatků v komerční sféře nemají čeští vědci vždy na růžích ustláno. Vedle podpory kvalitního výzkumu jim často schází podpora transferu znalostí a technologií, která by urychlila jejich využití v praxi. A co teprve, když se ukáže, že je třeba obrátit pozornost jiným směrem. V našem týmu kombinujeme to nejlepší z obou světů. Tvoří ho špičkoví vědci se specializací na symbolickou umělou inteligenci stejně jako matadoři v optimalizaci - často v jedné osobě. Díky tomu dokážeme nabídnout unikátní řešení pro automatizaci procesů, na které nově dosáhnou i malé a střední podniky.
Když jsme společně s Martinem Douškem Filutu AI v září 2022 zakládali, bylo již zřejmé, že v oblasti inteligentní automatizace ve firmách dochází k zásadnímu zvratu. Ten stvrdila nedávná analýza americké společnosti Gartner, zabývající se výzkumem a poradenstvím v oblasti informačních technologií, když ukázala, že po více než dekádě předběhla umělá kompozitní inteligence dlouhodobě preferované strojové učení na pozici hlavního předmětu zkoumání a aplikací pro komerční řešení v rámci celého oboru AI.
Hype kolem strojového učení trval přibližně od roku 2012. Tehdy se zapsal do dějin především díky možnosti provádět behaviorální analýzy uživatelských dat, a určit tak pravděpodobnost, zda uživatel klikne na reklamu nebo se rozhodne využívat nějakou službu. Tento silný use-case otevřel dveře k dalšímu výzkumu strojového učení a očekávalo se, že tato metoda pomůže firmám také v oblasti inteligentní automatizace. Nyní se ale ukazuje, že strojové, zejména hluboké strojové učení (deep learning), řadu problémů vyřešit neumí a že nositelem efektivnějších a škálovatelnějších řešení je právě kompozitní umělá inteligence neboli Composite AI. Ta je současně hlavním předmětem našeho výzkumu.
Unikátní technologie iterující sebe samu
Composite AI tak přináší to, co měl původně zajistit deep learning - schopnost optimalizovat a vyhodnocovat digitální prostředí bez zásahu člověka. Zjednodušeně si ji lze představit jako kombinaci několika analytických technik. Včetně strojového učení, kauzálního usuzování a symbolické umělé inteligence, která zdůrazňuje význam pravidel pro manipulaci se symboly různého druhu, jako jsou například sémantické sítě. Její součástí může být i neurolingvistické programování (NLP), počítačové vidění či znalostní grafy. Je přitom schopná přizpůsobovat různé analytické techniky danému problému, generovat poznatky a učit se ze zpětné vazby.
Nám se podařilo vyvinout kompilátor inteligentní automatizace - tedy automatizaci samu o sobě. Její vývoj probíhá uvnitř sebe sama, v uzavřené smyčce, a tak prostřednictvím dat dokáže sama navrhovat a realizovat nejlepší způsob automatizace a optimalizace celé škály operací. Umí to přitom desetkrát rychleji a za desetkrát nižší cenu, protože jsme ji naučili automaticky vypočítat matematické modely, které při nasazování umělé inteligence reprezentují fungování firmy.
Reprezentativní modely v současnosti obvykle vznikají ručně a ve spolupráci s velkými konzultačními společnostmi, a tak se menším firmám kolikrát značně prodraží. A na rozdíl od velkých společností, které v rámci optimalizace často bojují s decentralizovanými daty či zastaralými technologiemi, malé a středně velké organizace mají obvykle data v lepším stavu a využívají modernější technologie. My však usilujeme o to, aby naše řešení bylo použitelné kdekoliv, kde dostaneme data.
Věda jako základ, byznys jako výsledek
Kam se bude vývoj ubírat dál? Do pěti let Composite AI pravděpodobně zabere 20 % celého trhu s umělou inteligencí. Prosadí se přitom nejspíš tzv. stone soup přístup, kdy se různě kombinují přístupy a techniky pro potřeby konkrétních specifických problémů.
Naším cílem je etablovat automatické učení symbolických a kauzálních modelů coby klíčovou technologii pro tvorbu vysvětlitelných a auditovatelných modelů v průmyslu. Čerpáme přitom z poznatků od největších kapacit na symbolickou umělou inteligenci, z pracovních zkušeností v technologických společnostech, jako je Google nebo Microsoft, a v zahraničních startupech, které se zabývaly například optimalizací městského plánování nebo těžby fosilních paliv.
Kromě toho spolupracujeme s dalšími kapacitami z MatFyzu nebo CIIRCu a máme zastoupení na světových konferencích, jako jsou ICAPS nebo SAT. Cokoliv nového se v symbolické umělé inteligenci objeví, budeme o tom vědět. Držíme si tak prvenství ve výzkumu v této oblasti, a své vědecké poznatky umíme rovnou komercializovat. A naše know-how chceme nabízet společnostem, které dbají na etičnost svého podnikání a které svými službami chtějí přispívat k lepšímu a udržitelnějšímu světu. Koneckonců hlavní smysl umělé inteligence zůstává pořád stejný - naučit se efektivně pracovat se světem, snížit náklady na jeho provoz a zlepšit životní podmínky lidí. A s kompozitní umělou inteligencí postupně dochází k diametrálním posunům, které tuto efektivitu skutečně zvyšují.
Autor článku: Filip Dvořák, Filuta AI, CEO
Foto: Gertrūda Valasevičiūtė, Unsplash
Více o umělé inteligenci na CZECHSIGHT:
Petr Kašík
Petr Kašík
Vstup do diskuze