Startup Airt želi intelektualnim vlasništvom doći do globalnog tržišta ^Istaknuto

Hrvatski startup airt nedavno je predstavio vlastiti algoritam za učenje i predviđanje podataka iz strukturiranih podataka kakvi se najčešće koriste u poslovnom svijetu. Kako je do toga došlo, pitali smo Hajdi Ćenan, suosnivačicu airta.

"Sve je počelo kao projekt u jednoj banci prije tri godine, a izraslo u izradu platforme nakon što smo shvatili dubinu i širinu problema, ali i potencijal njegovog rješenja", rekla je za IT Biz Crunch Ćenan.

Priliku su vidjeli u ogromnim količinama podataka koje većina tvrtki u financijskoj i komunikacijskoj industriji slabo koristi za izradu prediktivnih modela jer im to nije primarni biznis. 

"Shvatili smo kako možemo taj posao odraditi puno bolje i kvalitetnije, za puno nižu cijenu nego što bi njih koštao vlastiti razvoj. Tako je nastala platforma specijalizirana za obradu velike količine strukturiranih podataka i izradu prediktivnih modela za konkretne poslovne probleme. Razvili smo i vlastite tehnike dubokog učenja inspirirane metodologijama koja se koriste u obradi jezika i iskustvom rada na konkretnim problemima iz financijskog sektora", pojasnila je Ćenan.

Trening na svim dostupnim podacima

Cilj je bio ne samo upogoniti postojeće podatke, već i postići bitno veću točnost i efikasnost krajnjih modela.

Što se moguće primjene tiče, Ćenan kao primjer navodi prijevare u kartičnom poslovanju.

"Kada kartična kuća istrenira prediktivne modele za detekciju prijevara prilikom korištenja kartica, puno će bolje otkriti stvarnu zlouporabu kartice ako taj model istrenira na svim dostupnim transakcijama, ne samo dijelu njih.

Na isti način neka druga tvrtka može bolje predvidjeti kojim klijentima treba ponuditi koji proizvod bez da ga slijepo nudi svim redom. Ujedno će i klijenti biti zadovoljniji jer nisu zatrpani ponudama, već se njihove potrebe prate i prepoznaju u dânom trenutku", uvjerena je Ćenan.

Može li jeftinije?

Tehnike dubokog učenja zadnjih su godina znatno napredovale, ali pritom troše velike količine energije i računalnih resursa, posebice ako se želi postići automatizacija njihove izrade.

Tako je, recimo, ukupni trošak treniranja modela Grover-Mega izrađenog pri Sveučilištu Washington iznosio 25.000 američkih dolara, dok je trošak treniranja modela OpenAI GPT-2 (neusporedivo manjeg od njihovog novijeg modela GPT-3) čak 256 USD po satu. Naravno, treniranje takvog modela ne traje u minutama, već nerijetko danima ili tjednima.

Malo je tvrtki koje si mogu priuštiti tu razinu troškova. Tim više što tehnologije umjetne inteligencije traže kontinuirano učenje, odnosno trening.

"Želimo postići gotovo identične rezultate kao i skupi modeli, ali za puno manje novaca. Točno koliko manje još trebamo vidjeti. Ali, svakako idemo ka tomu da naše rješenje ne samo može postati dostupno svima, već i da pritom troši manje resursa kako bi manje nepovoljno utjecalo na okoliš", istaknula je Ćenan.

Patenti kao dio poslovne strategije

Za pisanje patenata - Ćenan je postupak opisala kao dugotrajan, mukotrpan i skup - trebalo je šest mjeseci. Očekuju kako će provjera prijave u Europskom patetnom uredu također potrajati, moguće i do godinu dana.

"Tek nakon toga dobit ćemo povratnu informaciju trebamo li raditi kakvu doradu naše prijave, nakon čega će krenuti u postupak odobravanja na tržištima na kojima ga želimo zaštititi, uključujući i Sjedinjenim Državama. Cijeli bi postupak mogao potrajati još 12 do 18 mjeseci", prognozirala je Ćenan.

Patentiranje je dio njihove poslovne strategije. Žele, naime, stvoriti poftfelj vlastitog intelektualnog vlasništva kako bi ga mogli licencirati dalje. Također će poslužiti za vrednovanje njihovog startupa, ali i omogućiti im kompetitivnu prednost.

"Ovakav pristup podrazumijeva kontinuirano inoviranje i daljnje građenje portfelja intelektualnog vlasništva, kao i promišljanje kako ga strateški koristiti, od licenciranja cijelih rješenja do ugradnje u druge tehnologije. Traži i vrlo visoku stručnost radne snade i još veća financijska ulaganja.

S druge strane, praktički nema ograničavajućih faktora rasta", naglasila je Ćenan.

Zato u airtu već planiraju razvoj nekoliko vezanih inovacija. Razmišljaju o tržištu na globalnoj razini i namjeravaju ga napasti u suradnji s partnerima koji već imaju veliki broj klijenata.