Tag Archives: deep learning

10 interesantnih kineskih startapa u 2020.

Postovi Aleksa Mičela na njegovom JournalBlogu ishodište su istraživanja jedinstvenih karakteristika svakog startup tržišta pojedinačno, u rasponu od izvora finansiranja, prethodnih uspeha / neuspeha, kao i krivulja rasta.

Protekla 2019. je bila, u najmanju ruku, veoma zanimljiva godina za kineske startape, kaže Alex Mitchell.

Iako su 2017. i 2018. bile neupitno godine masovnog rasta, 2019. je bila značajan korak unazad. Da li je to bila prekretnica i predznak nekih stvari koje dolaze? Ili je to bio tek zalet u “veliku 2020. godinu”? Samo će vreme dati odgovor…

Ovaj grafikon slikovito govori:

Kineske kompanije su do sredine prošlog novembra prikupile 35,6 milijardi dolara kroz 2047 rundi. U istom vremenskom rasponu prošle godine, kineske kompanije prikupile su 93,4 milijarde dolara kroz 2795 krugova finansiranja.

To je pad od 62% u dolarskom finansiranju, a i pad od 27% u iznosima finansijskih rundi.

Ovo predstavlja izuzetno veliku promenu, pa se logično nameće pitanje: Šta stoji iza ovog velikog pada investicija u kineske startup firme?

Trgovinski rat, možda ne biste poverovali, zasigurno nije pomogao. Neki novac rizičnog (venčer) kapitala zbog toga i dalje ostaje po strani i neupotrebljen, sve dok situacija oko budućih odnosa između Kine i Sjedinjenih Država ne postane jasnija.

Drugi razlog je nekoliko veoma visokih pokretačkih „implozija“. Bike sharing bio je masovan trend u 2017. i 2018. godini, da bi se ubrzo nakon toga potpuno ugasio, što je rezultiralo trenutnim nestajanjem nekoliko kineskih ’jednoroga’.

Međutim, brojni kineski startapi i dalje beleže ogroman rast.

I mada obim i brzina fijaska koji su iskusili bajk-šering startaperi verovatno dosad nije viđen u svetu ulagača rizičnog kapitala, ukupno dostupno tržište (Total Addressable Market, TAM) ovog neobičnog poslovnog modela ima značajno niži rast od drugih poslovnih grana u kojima je Kina verovatno svetski lider: recimo u – oblasti veštačke inteligencije.

Kina nastavlja da ubrzava svoje AI razvojne kapacitete i mogućnosti usled nekoliko važnih razloga:

1. AI kineske kompanije igraju po različitim pravilima: Kineski zakoni i propisi o privatnosti dramatično se razlikuju od onih u Sjedinjenim Državama. Ova jednostavna činjenica znači da kineske kompanije za veštačku inteligenciju mogu da prikupljaju i koriste podatke u obimu koji nikada ne bi bio moguć u Sjedinjenim Državama. Više podataka = bolji modeli.

2. Ulaganje u AI je nacionalni prioritet: u julu 2017. godine je kineski predsednik Si Đinping veštačku inteligenciju učinio nacionalnim prioritetom, obznanjujući „Plan razvoja veštačke inteligencije nove generacije“, čime je ovoj grani ispostavio zahtevne i kompetitivne ciljeve. Si želi da Kina do 2030. godine postane neprikosnoveni svetski lider u razvoju veštačke inteligencije, koja će samo u okviru granica ove zemlje vredeti barem 150 milijardi dolara. Takođe, njegov plan nije tek nekakav uzvišeni, „metafizički“ cilj, s obzirom da AI razvoj uključuje i ogroman priliv državnih subvencija za istraživanje i obrazovanje novih kadrova, kao i uspostavljanje mnogih novih institucija čije će glavno polje rada u budućnosti biti veštačka inteligencija.

Kako je ovih top 10 izabrano?

Kreator ove liste izglednih kineskih startapa u 2020. se krajem prošle godine mahom fokusirao na industrije u kojima Kina ima jedinstvene konkurentske prednosti. Kao što je već spomenuto, ona prvenstveno uključuje oblast veštačke inteligencije, autonomna vozila, a uskoro može uključivati i meso odgajano u laboratoriji.

Mičelova lista deset najinteresantnijih kineskih startapa na koje treba obratiti pažnju u ovoj godini takođe sadrži i nekoliko jednoroga za koje verovatno većina nas nije čula, i koji nalažu da idemo još dublje u potrazi za kineskim startapima koji su najspremniji da u narednih par godina dostignu profite koji će se izražavati u milijardama dolara.

Evo mojih “Top Ten”: deset kineskih startapa na koje treba obratiti pažnju u 2020:

1. WeRide

WeRide je zaigrao veliku igru ulažući u autonomna vozila. Novembra 2019. je u Guangdžuu lansirao svog probnog ‘robo-taksistu’ bez vozača. Kompanija ima 20 Nissan EV-ova i nudi vožnje na prostoru koji obuhvata 150  kvadratnih kilometara, radeći kroz partnerstvo sa najvećim taksi-operatorom u Južnoj Kini. Kompanija očekuje da u narednih nekoliko meseci ovom pilot-projektu pridoda još nekoliko desetina automobila.

Uz to, startup firma WeRide je bila visoko rangirana u izveštaju iz 2018. o rezultatima testova autonomnih vozila, objavljenom u Ministarstvu saobraćaja Kalifornije, najvažnijem svetskom probnom terenu za industriju autonomnih vozila.

Ovaj izuzetan učinak je doprineo da se WeRide odvoji od „velikog čopora“, obezbeđujući mu mogućnosti za razvoj svog poslovanja kako u zemlji tako i u inostranstvu.

Sedište: Guangdžu

Ukupno prikupljeno: $202M

2. DeepRoute

DeepRoute je još jedan kineski igrač u usponu koji se uključio u globalno nadmetanje za dominacijom na polju razvoja autonomnih vozila. Kompanija je u seriji A finansiranja prikupila sredstva u iznosu od 50 miliona dolara nakon što je osnovana tek februara 2019. godine (!) Jasno je da investitori veruju u ovaj tim genijalaca koji potiču sa prestižnih univerziteta širom sveta (Kina, Britanija, SAD, EU), a koji su već stekli karijere u kompanijama poput Gugla, Forda, Intela, GM-a, Baidu-a i Cruise-a. Lista se nastavlja.

Detalji o tome kako DeepRoute planira da odskoči i izdvoji se od rivala su ipak malo drukčije prirode od inače uobičajenog „razvijanja sistema za samostalnu vožnju nivoa 4“. Od ove kompanije bi tokom 2020. trebalo očekivati dobru zabavu.

Sedište: Šenžen, Kina

Ukupno prikupljeno: $50M

3. Pony.ai

Pony.ai novinarima nije nepoznat startup: Ovaj tehnološki jednorog postao je prva kineska kompanija koja je testirala robo-taksije na gradskim javnim putevima pre oko godinu dana. Kompanija, koja je osnovana tek 2016. godine je već izgradila impresivan fond od 264 miliona dolara.

U novembru 2019. godine, Pony.ai i Hyundai su predstavili svoj ‘BotRide’ – deljenje servisa autonomnih vozila na zahtev, koji radi u Irvajnu u Kaliforniji. Iako je ovo za sada samo pilot-projekat koji uključuje nekoliko stotina stanovnika, to je impresivan korak napred, sličan onom koji je napravila Guglova kompanija ‘Waymo One’ koja je u Arizoni odskora počela sa komercijalnim radom.

Sedišta: Peking, Guangdžu, Frimont (Kalifornija)

Ukupno prikupljeno: $264M

4. Whole Perfect Food

„Potpuno savršena hrana“ (WPF) se razlikuje od prva tri startapa koja sam predstavio na ovoj listi. U stvari, to čak i nije pravi „startup“. Kompanija je osnovana 1993. godine, pre nego što su mnogi osnivači gore navedenih startapa uopšte rođeni. Mičel je u svoju listu, ipak, uvrstio i WPF “jer se u njihovoj industriji dešavaju velike stvari i izvesno je da ih stoga treba pomno pratiti tokom 2020. godine”.

WPF je proizvođač „biljnog mesa“ sa godišnjom prodajom od 300 miliona juana (~ 45 miliona dolara). Sa globalnim usponom pokreta veštački proizvedenog mesa, WPF ima dobre šanse da u ovoj godini ostvari izuzetan poslovni rast. Osim što će povećati potražnju na svom domaćem tržištu, možda će biti u prilici da izvozi znatno više nego prethodnih godina.

Usled tako hitrog proširivanja biznisa tokom 2019. godine, moglo bi se očekivati da WPF ima dobre izglede da zauzme svoj deo tržišnog kolača, koji već „grickaju“ startapi poput ‘Impossible Foods’ i ’Beyond Meat’.

Sedište: Šenžen, Kina

Ukupno prikupljeno: Nije objavljeno

5. OmniPork

OmniPork iz Hong Konga je „proteinska poslastica“ spravljena od kombinacije soje, graška, gljiva i pirinča. Razvio ga je tim azijsko-kanadskih naučnika a proizvodi se na Tajlandu. Trenutno se isporučuje na pet tržišta u Aziji.

Slično kao kod WPF-a, i OmniPork je u dobroj poziciji da iskoristi makro-trendove u mesnoj industriji. Pored toga, Kina je usred velike epidemije svinjske groznice koja je ubila preko 100 miliona svinja, usled čega je došlo do dramatičnog porasta cena svinjskog mesa.

Takođe, OmniPork je oktobra 2019. u Kini otpočeo virtuelnu prodaju kroz Taobao, onlajn-radnju u vlasništvu Alibabe.

Sedište: Hong Kong

Ukupno prikupljeno: Nije objavljeno

6. Cambricon

Cambricon je proizvođač procesora za komercijalne aplikacije za dubinsko učenje (deep learning), uključujući pametne telefone, UAV-ove, autonomne automobile i tehnološku odeću (wearables). Kompanija je u 2017. i 2018. imala ulaganja u iznosu od 100 miliona dolara.

Iako je veliki deo tehnologije ove kompanije neverovatno složen i uključuje minucioznu arhitekturu mikro-čipova, ono što nije komplikovano je to da je Cambricon već pokazao veliku privlačnost za potencijalne ulagače, odnoseći trijumf u biznisima sa kompanijama kao što su China Telecom, ZTE i Kingsoft.

Ove godine treba obratiti pažnju upravo na Cambricon.

Sedište: Peking, Kina

Ukupno prikupljeno: $200M

7. Momenta

Osnovana 2016. godine, Momenta pravi „mozgove“ za kompanije koje se bave razvojem i proizvodnjom autonomnih vozila. Umesto da se fokusiraju na izgradnju automobila za samostalno upravljanje, u Momenti stvaraju softverske pakete za percepciju, semantičko mapiranje i planiranje ruta zasnovanih na podacima dobijenim preko senzora.

Highway Pilot je naziv njihovog poluautonomnog rešenja, koje je Momentin prvi masovni softver. Planiraju da uskoro lansiraju više autonomnih softverskih paketa, uključujući potpuno autonomno softversko rešenje za parking a i samostalni robo-taksi, koji će se primenjivati u gradskim uslovima.

Mičel hvali Momentin softver i ‘data-first’ pristup jer “Omogućavaju drugima da se snalaze u kapitalno intenzivnim sektorima – komponentama autonomnih vozila; njihov tim preferira rad na lakše skalabilnim (ali i dalje veoma izazovnim) setovima podataka i softveru.”

Sedište: Peking (Sudžou)

Ukupno prikupljeno: $203M

8. YITU

YITU Technology je osnovana 2012. Kombinuje AI sa industrijskim aplikacijama, uključujući one koje pokrivaju sektor bezbednosti, finansija, transporta i zdravstva.

YITU ima tri glavne oblasti poslovanja: Inteligentni gradovi, Inteligentno zdravstvo i biznis koji uključuje prikupljanje podataka.

Njihov proizvod nazvan „Inteligentni gradovi“ pomaže urbanistima i menadžerima da sprovedu AI rešenja u svojim gradskim prostorima, u rasponu od kontrole pristupa ili sprečavanja kriminala, pa do povećanja iskoristivosti lokalnih resursa.

U AI proizvodu koji se tiče zdravstva, YITU nudi platformu za kliničku dijagnostiku, a svoja istraživanja i razvoj fokusirali su na softversko-hardverskim rešenjima za procenu razvoja deteta. Konačno, YITU se svojim proizvodima usredsredio na aplikacije iz oblasti finansija i maloprodaje, i već je privukao veliku radoznalost i interesovanje.

Jasno je da se YITU razlikuje od drugih, a i portfolio mu je raznolik.

Sedište: Šangaj, Kina

Ukupno finansiranje: $381,8M

9. Tuya

Tuya je izgradila sve module i protokole koji pokreću „pametnu funkcionalnost“ kamera i foto-aparata, pametnog osvetljenja, uređaja za domaćinstvo i još mnogo toga. Takođe su izgradili svoj „softverski sloj“ i, uz njega, i tržište, kako bi ih profitno spojili.

Ono po čemu Tuya odskače od ostalih jeste upravo to koliko su u svoju proizvodnju bazirali na modelu “ključ u ruke”, integrišući svoje softvere u brojne OEM-ove (OEM, originalni proizvođač opreme; firme koje proizvode uređaje od delova kupljenih od drugih kompanija). Jednostavno pronađete modul koji vam je potreban na njihovoj veb-lokaciji za uređaj koji kreirate ili ste ga već napravili – i oni će vam stvoriti softver, ili obezbediti neki od svojih već postojećih, koji ćete moći da ugradite u vaš uređaj. I YITU, dakle, poput startapa ‘Momenta’, proizvodi „mozgove“ za opremu i uređaje (Turnkey proizvodnja funkcioniše po sistemu “ključ u ruke”, uz pružanje kompletnog proizvoda/usluge koji su odmah spremni za upotrebu).

Tuya obećava da će vam nabaviti prototip mobilne aplikacije za „pametne kuće“ po white-label principu u roku od jednog dana, ili, po potrebi, za masovnu proizvodnju (čija izrada iziskuje najviše dve nedelje). Ukoliko je istina da zaista mogu da ih isporuče u tim rokovima – onda je to veoma impresivan podatak koji svedoči o ulaganjima i naporima ove kompanije, kako bi njihova platforma i moduli pametnog doma postali tržišni standardi.

Sedište: Hangdžu, Kina; San Hoze, Kalifornija; Hariana, Indija

Ukupno prikupljeno: Nije objavljeno

10. 4Paradigm

 

4Paradigm je AI startap sa sedištem u Pekingu, koji se bavi softverom za mašinsko učenje (machine learning).

Nalik poslovnom modelu i proizvodima koje nudi startup YITU, i 4Paradigm u brojnim slučajevima primenjuje svoja rešenja u najrazličitijim granama poslovanja. 4Paradigm nudi, između ostalog, i softverske solucije za prepoznavanje rukopisa, sprečavanje prevara tokom B2C transakcija, kontrolu rizika, predviđanje prodaje, korisničke servise i još mnogo toga. Nesumnjivo je da će ova 2020. biti godina značajnog rasta ove kompanije.

Ostaje nam da gledamo svojevrsno nadmetanje, naime ko će zadobiti prednost u 2020. godini: 4Paradigm ili YITU?

Sedište: Peking, Kina

Ukupno prikupljeno: $140M

Startaperi vredni pažnje i pohvale:

Banma: Banma Network Technologies sarađuje sa auto-kompanijama, nudeći tehnologiju za operativne sisteme u vozilima.

G7: Pruža usluge u upravljanju kineskim auto-flotama, nudeći IoT / AI servis na preko 800.000 vozila. Umesto da jednostavno prati samo polaznu tačku i konačno odredište, G7 neprekidno prati i vremenske uslove, performanse vozača, temperaturu u prikolici, uslove na lokaciju i još mnogo toga.

 

Alex Mitchell, JournalBlog.com

Hoće li veštačka inteligencija i hedž fondovi nadmudriti tržište?

Neki hedž-fondovi pohvalili su se da njihovi AI algoritmi donose odluku o tome kako će trgovati – ipak, ma koliko ekstravagantno zvučalo, ovi sistemi su daleko uobičajeniji nego što nam se na prvi pogled čini.

Svakoga dana kompjuteri obave više miliona elektronskih trgovina obavljanjem delikatnih kalkulacija, i to sve sa ciljem zadobijanja makar male prednosti u pogledu brzine i efikasnosti nad takmacima. Ono što je ovde, međutim, daleko značajnije jeste da se odluke u trgovini berzanskim papirima sve češće donose zahvaljujući razvoju još pametnijih, još autonomnijih algoritama.

Obe ove poslovno već dobro utvrđene firme koje se bave trgovinom akcijama na berzi, kao i nekolicina startup firmi istražuju da li bi takve tehnike trgovanja, pozajmljene iz oblasti veštačke inteligencije, mogle da im pomognu kako bi nadmudrili konkurenciju. A svakome ko negde ima uložen novac bi više nego dobrodošlo da sazna da li bi ovaj trend mogao da ozbiljnije izmeni dinamiku tržišta.

Kvantitativni hedž fondovi, uključujući Bridgewater Associates, Renaissance Technologies, ​​D.E. Shaw i Two Sigma, naravno, već nekoliko godina zdušno koriste pristup berzanskoj trgovini kroz napredne algoritme. Mnoge od metoda koje koje ove kompanije koriste mogu se identifikovati u oblasti istraživanja veštačke inteligencije (AI).

U poslednjih nekoliko godina, međutim, takođe je očigledno i ogromno oživljavanje interesovanja za rezultate u oblasti veštačke inteligencije, zahvaljujući novim tehnikama kojima mašine „uče“ kao i za metodu „dubokog učenja“ mašina (primereniji duhu srpskog jezika bio bi izraz „dubinski uvid“ ili, još bolje, „učenje s razumevanjem“; tzv „Deep Learning“) koji obuhvata obuku velikih virtuelnih neuronskih mreža za prepoznavanje obrazaca u podacima. Dubokim učenjem, koje su računari dosad savladali, mašine su trenutno u stanju za potpuno ljudski nivo percepcije slike, teksta i zvuka. Postavlja se pitanje da li današnja veštačka inteligencija može da uradi to isto ali za finansijske podatke: da ih percipira „na naš način“, s tim što bi brzina, referentnost i pouzdanost berzanskih kalkulacija/odluka (kako se naučnici nadaju) bili neslućeno veći.

Jasno je kako je ovaj nedavni napredak privukao pažnju inženjera i stručnjaka koji rade u finansijama. Prošlog decembra se u Montrealu, tokom veoma važnog akademskog događaja okupila svetska elita u istraživanju veštačke inteligencije, na skupu pod nazivom „Sistemi za procesiranje neuralnih informacija“ (Neural Information Processing Systems, NIPS): Nekoliko hiljada istraživača s brojnih univerziteta i iz najrazličitijih industrijskih oblasti tom je prilikom prisustvovalo kako bi razmotrili napredak u razvoju novih algoritama za mašinsko učenje. U oblasti rezervisanoj za slikovne tj poster-prezentacije diplomaca, tehnološki giganti poput Gugla, Fejsbuka, Epla, Majkrosofta, Amazona i IBM-a platili su svoje učešće da bi dobili svoje „stolove za regrutaciju“: prostor na kojem bi obavljali intervjue za zapošljavanje, u nadi da će najveće sveže talente privoleti da dođu da rade za njih. Ipak, ne treba smetnuti s uma da skoro polovina firmi koja je pokušala da regrutuje „mlade nade“ tokom NIPS-a nisu bile tehnološke kompanije već – hedž fondovi i finansijske kompanije.

Jedna od takvih kompanija bila je i velika britanska investiciona firma MAN AHL, koja je već godinama fokusirana na primenu statističkih pristupa radi osmišljavanja što bolje investicione strategije. Entoni Ledford, šef razvojnog sektora ove kompanije objašnjava načine kako se istražuje da li tehnike poput dubokog učenja mogu primeniti na investicije i finansije. “Sve to je još uvek u ranoj fazi”, kaže Ledford. “Obezbedili smo novac za testiranje AI berzanske trgovine. Uz primenu metoda dubokog učenja kod mašina, ukoliko sve bude u redu, započećemo test-trgovinu, kao i ostale primenama koje učenje mašina može naći (u berzanskoj trgovini).”

Brokerske operacije na berzi mogu izgledati kao očigledno mesto za primenu dubokog učenja, ali zapravo nije jasno koliko je uporediv izazov pronalaženja suptilnih obrazaca koji se tiču berzanskih podataka u realnom vremenu sa, recimo, prepoznavanjem lica na digitalnim fotografijama. “Ovaj problem je daleko drugačiji” priznaje Entoni Leford, šef razvoja u MAN AHL.

Iz redova akademskih stručnjaka čuju se tonovi upozorenja. Stiven Roberts, profesor mašinskog učenja na Univerzitetu Oksford kaže da duboko učenje može biti dobro “za ekstrahovanje skrivenih trendova, informacija i odnosa”, ali dodaje da je “još uvek suviše krhko kada je reč o baratanju ishodima visoke neizvesnosti, uz semantički tj značenjski šum na relaciji mašina–čovek, koji prevladavaju u finansijama. ”

Roberts takođe primećuje da duboko učenje može biti proces koji se odvija relativno sporo i koji ne može ponuditi one tipove zagarantovanog tj predvidljivog ponašanja koje drugi statistički pristupi nude. U principu, kako kaže, postoji izvesna medijska bukla oko ideje primene AI u oblasti finansija. “AI je veoma široka tema”, kaže on. “A mnoge standardne statističke tehnike koje se koriste su, shodno tom donekle pomodnom trendu, preimenovani u veštačku inteligenciju i mašinsko učenje.”

Ipak, nove finansijske firme koje se reklamiraju kao AI-orijentisane mogu biti nešto drukčije i unikatne. Ovo uključuje firmu Sentient Technologies iz San Franciska, Rebellion Research u Njujorku, i investicionu kompaniju Aidyia iz Hong Konga.

Jedna od najperspektivnijih upotreba relativno novih AI tehnika mogla bi da se primeni u procesu obrade nestrukturiranih podataka prirodnog jezika, u obliku novinskih članaka, poslovnih izveštaja kompanije i poruka u društvenim medijima, u nastojanju da prikupe uvid u buduće perspektive funkcionisanja preduzeća, valute, robe ili finansijskih instrumenata.

Kompaniju za finansijski AI po imenu osnovao je čuveni istraživač veštačke inteligencije, Ben Goertzel, koji je ujedno i osnivač kompanije Hanson Robotics i Aidyia Holdings, kao i predsednik jednog AI projekta s otvorenim kodom  koji se zove OpenCog. Aidyia je otpočela AI berzansku trgovinu prošle godine, a Goertzel kaže da je pristup njegove kompanije daleko ambiciozniji nego što su to tehnike koje se koriste u većini hedž fondova danas, uzimajući inspiraciju iz evolutivnog programiranja, probabilističke logike, i dinamike haotičnih sistema.

“Naš sistem sadrži niz računarskih unosa, uključujući cene i obim berzanskih transakcija širom sveta, vesti iz različitih izvora na više jezika, makroekonomske i kompanijske računovodstvene podatke i još mnogo toga”, rekao je Goertzel za MIT Technology Review.  “Potom proučava kako su ovi različiti faktori istorijski povezani,  učeći celine sastavljene od desetina hiljada prediktivnih modela koji mogu da poseduju prediktivnu vrednost (stabilno predviđanje budućih kretanja na berzi), a na osnovu svojih istraživanja ranije prikupljenih podataka”, što doprinosi upravljanju ulaganjima kompanije.

Svakako da je prisutan trend ka povećanju automatizacije među finansijskim firmama. Preqin, kompanija koja obezbeđuje podatke iz oblasti finansijske industrije, navodi da je 40 odsto hedž fondova nastalih prošle godine bilo “sistematično”, što znači da se u donošenju svojih odluka oslanjaju na računarski generisane modele.

Međutim, ne dele baš svi uverenje da je AI revolucija u oblasti finansija neminovna. Dejvid Harding, osnivač-milijarder i direktor druge britanske trgovačke kompanije, Winton Capital Management, uglavnom je skeptičan prema svoj toj trendovskoj buci oko mašinskog učenja i veštačke inteligencije. “Ako se malo bolje udubite”, kaže Vinton, “rekao bih da je to manje-više ono što smo radili i u proteklih 30 godina”.

Harding se isto tako seća još jednog sličnog buma čiji su interes i fokus bili na neuronskim mrežama, a koji je rezultirao pojavom brojnih startup firmi tokom ranih 1990-ih.

“Ljudi su počeli da govore kako ‘Postoji neverovatna nova računarska tehnika koje će oduvati sve što je postojalo ranije.” Tu je i moda u primeni genetskih algoritama “, priseća se on. “Pa, mogu da vam kažem da nijedno od tih preduzeća danas ne postoji.”

Ledford, koji radi u kući Man AHL za alternativne vidove investiranja i menadžmenta, takođe ima nekoliko reči upozorenja za svakoga ko misli da najnovije tehnike mašinskog učenja mogu ponuditi neku čudesnu prečicu do bogatstva . “Važno je da zapamtite kako stanje na tržištima može biti nevažno i čak ponižavajuće”, kaže on. “Rekao bih samo još i to da vam je bolje da sebe ne pohvalite previše, ali se isto tako nemojte ni previše obeshrabriti.”

 

Technology Review

Veštačka inteligencija za svakodnevnu upotrebu: uskoro i na vašem pragu

Kako su četiri programera – bez skoro ikakvog znanja o Japancima – dizajnirali softver za čitanje japanskog rukopisa.

Danas na tržištu postoji obilje applikacija koje podražavaju stvaran svet na način veštačke inteligencije. Ovakve aplikacije niču na neočekivanim mestima – nastaju i pre nego što biste pomislili da takvo šta postoji.

Dok trijumf u igranju igre Go može biti impresivna stvar, i inteligencija današnjih mašina se takođe razvija do tačke gde je može koristiti više ljudi kako bi radilo više stvari. Tako su četiri inženjera, bez gotovo ikakvog znanja japanskog, uspela da za samo nekoliko meseci stvore program koji prepoznaje piktografski rukopis ovog jezika.

Programeri iz informatičke kompanije Reactive Inc. objavili su aplikaciju koja prepoznaje japanski sa 98,66 odsto tačnosti. Ovaj tokijski start-up koji je pokrenut pre samo 18 meseci samo je deo rastuće, globalne zajednice programera i investitora koji predano rade na iskorišćavanju snage neuronskih mreža kako bi AI doveli do što praktičnije svrhe, a ne samo za odgovaranje na trivijalna pitanja ili kao takmaca u šahu i ostalim društvenim igrama.

“Do pre samo nekoliko godina morali biste da budete genije za to”, rekao je Dejvid Malkin (David Malkin) koji ima doktorat iz oblasti učenja mašina (deep learning), ali koji jedva da u nizu može da sastavi dve japanske rečenice. “Sada možete biti prosečno inteligentan momak a ipak da ste u stanju da kreirate zaista korisne stvari. Mašta će ubuduće biti ta koja će se sve više upotrebljavati za rešavanje poslovnih iskušenja na terenu.”

Neuronske mreže sposobne su da “vide” primenom slojevitih filtera koji iziskuju sve kompleksnije funkcije, umnogome na način na koji funkcioniše ljudski korteks za funkcije vida i oka.

Veštačka inteligencija nekada je bila ekskluzivno “igralište” kojim su dominirali jedan Google Inc. ili Facebook Inc. kao i drugi lideri u oblasti tehnološke industrije. Svaki start-up koji se danas bavi razvojem mašinskog učenja može pristupiti platformi baziranoj na IT oblaku, pri čemu im kompanije kao što su Microsoft Corp., NVIDIA Corp. i Amazon.com Inc. prodaju svoje AI platforme kao koristan razvojni alat.

Tehnologija koju je razvio startap Reactive pokazuje kako su čak i mali timovi sposobni da veoma uspešno osmisle složene aplikacije sa tek malo znanja u datoj oblasti. Onaj teži deo posla sastojao bi se u smišljanju strategije kako da zaradite novac s takvom dobrom idejom. U tom smislu, Reactive namerava da pomogne japanskim školama da  poboljšaju svoje testove – jedna naizgled prozaična “vežba” koja bi mogla da promeni pravila igre u zemlji u kojoj se testovi još uvek pišu olovkom na papiru.

Malkin i njegove kolege, Džo Bulard, Filip Remi i Filip Iri, dva magistra i doktor informatike, postižu zavidno brz napredak u razvoju “neuro-softvera”. Bulard je početkom ove godine njihov AI program pokazao grupi entuzijasta tokom druženja u japanskom sedištu kompanije Google, koji je funkcionisao besprekorno – sve dok mu jezička ograničenja nisu stala na put.

“Samo da znaš da ne varam, koji je vaš omiljeni lik?” upitao je Bulard prisutne u prostoriji. Neko je rekao da je to “ba”, jedan fonetski karakter. Soba je odzvanjala smehom dok se Bulard očajnički trudio da napiše ovaj simbol.

I dok se prepoznavanje rukopisa može smatrati za učenje mašina, učenje japanskog je potpuno druga “igra”. To je zbog toga što jezik uključuje simboličke znakove kao što je recimo Kanđi (Kanji), koji se sastoji od elemenata koji se mogu čitati nezavisno, što nam otežava da konačno doznamo gde se jedan simbol završava a drugi počinje.  U svakodnevnom japanskom pisanju postoji više od 2.000 široko rasprostranjenih piktograma sastavljenih od nekoliko desetina klasičnih poteza. Trik je pozabaviti se uvek samo jednim slikovnim znakom, bez vezivanja za ostale.

Softverski algoritam za japanski jezik koji je razvila startup firma Reactive ispituje neuronske mreže za uparivanje i spajanje s ostalim simbolima u rečenici, dodajući svakom obrađivanom simbolu i drugi, pridruženi znak, ponavljajući ga u procesu prepoznavanja sve dok u ovoj finoj obradi ne dobije konačan rezultat koji je visoke verovatnoće tačnosti. Pre nego što ga je pustio u javnost, ovaj startup je svoj algoritamski model za prepoznavanje japanskog „izbrusio“ i testirao na oko 1,8 miliona karaktera.

“Činjenica da je ova tehnologija iskorak u domenu ekspertize pruža veliku prednost u brzini i skalabilnosti kada su u pitanju poslovne aplikacije”, rekao je Seishi Okamoto, projektni direktor u Fujitsu Laboratories Ltd., gde se razvija softver za čitanje kineskog. “Mašine uče da prepoznaju kineske piktograme i to takvim tempom da su već uhvatile korak sa ljudskim sposobnostima a verovatno će ih uskoro i pomračiti.”

I dok je ova tehnologija koju je razvio startap Reactive javno prikazana jedino tokom susreta poput onog u japanskom Guglu, ovi podaci nisu potvrđeni kao važeći, niti su ocenjeni od bilo koje nezavisne strane.

Za razliku od tipičnog programa izgrađenog oko krutih pravila, AI učenje mašina  modelovano je po uzoru na to kako ljudi obrađuju informacije. S obzirom da je dovoljno podataka ulaz (input), a skup željenih rezultata je izlazni set podataka (output), neuronske mreže uče da shvataju šta je to što je u sredini, između inputa i outputa. Ovo im omogućava da pronađu rešenja koja su dosad opterećivala tradicionalne pristupe, kao što je tumačenje govora i jezika ili, recimo, ili prepoznavanje i označavanje slika.

“Postoji nekoliko faktora koji su ovde u igri: računarstvo visokih performansi u suštini postaje jedna vrsta robe-sirovine, obezbeđena je dostupnost svuda prisutnim i gargantuovski obimnim bazama podataka a tu je i ogroman napredak u razvoju bazičnih naučnih disciplina, čija dostignuća čine računare bržima i pametnijima”, rekao je Jošua Bengio, profesor informatike na Univerzitetu u Montrealu koji je i jedan od autora nekih ključnih studija iz ove oblasti. “Demokratizacija informatičkih alata i omasovljavanje računarskih tehnologija takođe olakšava većem broju korisnika – a ne više samo vrhunskim profesionalcima – da razvijaju nove aplikacije i proizvode.“

Sve ovo će verovatno ubrzati evoluciju tehnologije za veštačku inteligenciju. Investicije u AI startup firme zahvataju raznolike oblasti – od obrazovanja i maloprodaje, do poljoprivrede. U 2015. godini ova ulaganja dostigla su 310 miliona evra, što je povećanje od gotovo sedam puta u zadnjih pet godina, prema istraživanju  njujorške firme za data-analitiku CB Insights.

Jednom kada bude izgrađena, neuronska mreža ne mora da bude ograničena samo na aplikacije za prepoznavanje jezika. U svoje slobodno vreme, četiri inženjera iz “Reaktiva” je 5.000 fotografija žena i ženske odeće preuzete sa Google Images, “provuklo” kroz svoju aplikaciju za vizuelno prepoznavanje. Dali su računaru jednu sliku prilično oskudno odevene dame da je prokomentariše: “Seksi odeća,” bio je odgovor softvera.

Pavel Alpeyev, Bloomberg