INOVACIJAMA ŽELE POBOLJŠATI UTJECAJ AI-JA NA OKOLIŠ
Startup Airt osmislio algoritam za učenje i predviđanje koji će svima biti cjenovno prihvatljiv
Airt gradi platformu za izradu prediktivnih modela na strukturiranim podacima kakvi, primjerice, postoje u bankama ili telokomima
Hrvatski AI startup Airt osmislio je novi algoritam za učenje i predviđanje ponašanja iz strukturiranih podataka kakvi se najčešće koriste u poslovnom svijetu. Prije nekoliko dana prijavili su i patent za njegovu globalnu zaštitu, što su prošli tjedan ponosno obznanili suosnivači Airta Hajdi Ćenan i Davor Runje.
Rješenje koje razvijaju bazira na znatnim znanstvenim, ali i inženjerskim izazovima pa time, kažu, ulaze u “deep tech” domenu.
“Intenzivno se bavimo istraživanjem i razvijamo vlastite prii 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”, rekla je H. Ćenan.
Kažu kako svojim pristupom i inovacijama pokušavaju poboljšati stranu dubokog učenja o kojoj se još previše ne govori – utjecaj na okoliš.
Kako su naveli, moderni AI modeli troše iznimno veliku količinu energije. Računalni resursi potrebni za izradu najboljih modela eksponencijalno se povećavaju udvostručujući se svaka 3 do 4 mjeseca, odnosno u razdoblju od 2012. do 2018. povećali su se čak 300.000 puta. “Svjesni smo traga koje duboko učenje ostavlja na ekologiju i kako, ako se ovakav trend nastavi, ova tehnologija može postati protivnik u borbi protiv klimatskih promjena. Stoga intenzivno radimo na tome da naš sustav, uz skaliranje na količinu i brzinu, za obrade tih velikih količina podataka troši i što je manje računalnih resursa i energije moguće,” rekla je Ćenan. Airt dakle gradi platformu za izradu prediktivnih modela na strukturiranim podacima kakvi, primjerice, postoje u bankama ili kod pružatelja komunikacijskih usluga. Za obradu tih podataka interno su razvili vlastite tehnike dubokog učenja inspirirane metodologijama koja 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. Runje je otkrio da već rade na konkretnoj implementaciji algoritma koji su pripremali oko šest mjeseci. Kako bi usporedili kvalitetu platforme, odlučili su je testirati i usporediti s TabFormerom, sustavom iste namjene koje je razvio IBM. Već je inicijalni test pokazao da Airtov model nadmašuje IBM-ov (F1-score 0.90 vs. 0.86). Međutim, iako je točnost predikcije modela bitna, ona im ipak nije najbitnija stavka.
“Vjerujemo da možemo i bolje od ovog rezultata u smistupe slu 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. Najveći uspjesi tehnika dubokog učenja postignuti su u područjima obrade slike i teksta, a za izradu 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 kako je malo tvrtki koje si to mogu priuštiti. Naš cilj je da postignemo gotovo identične rezultate kao i skupi modeli, ali za puno manje novaca kako bi naše rješenje bilo dostupno svima, od najmanjeg web shopa do najvećih financijskih ustanova”, rekao je Runje. ❖