Domaći startup razvio tehnologiju za rješavanje problema starog 30 godina ^Istaknuto

Za tu su tehnologiju predali novi patentni zahtjev, tražeći globalnu zaštitu.

Kao što smo već pisali, airt 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.

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 riješiti problem crne kutije?

Međutim, jedan od poznatih problema dubokog učenja jest da ono radi po načelu tzv. crne kutije. Ne zna se kako točno algoritmi dolaze do zaključaka i preporuka na temelju kojih se posljedično donose poslovne odluke.

Drugim riječima, iako su parametri poznati i zna se kako bi ponašanje tih parametara trebalo utjecati na krajnji rezultat, u modelima dubokog učenja nema jamstva kako će se to zaista tako i dogoditi.

"Zbog toga, iako su tehnike dubokog učenja po rezultatima superiorne brojnim drugim tehnikama, mnogi biznisi ih nisu spremni upotrijebiti i upogoniti jer ne mogu objasniti što je točno utjecalo na krajnji rezultat i zašto je moguće da rezultat bude drukčiji za dvije osobe potpuno istog profila", naglasila je Hajdi Ćenan, suosnivačica airta.

U airtu su pronašli način kako unijeti objašnjivost u duboko učenje i osigurati konzistentnost rezultata bez gubitka efikasnosti i točnosti koje donosi korištenje neuronskih mreža.

Učinkovitiji nego Google

"Uspjeli smo na jednostavan način riješiti problem koji u literaturi postoji već 30 godina, a koji osigurava monotonost modela dubokog učenja (kada, ovisno o ulaznom parametru, funkcija može ili samo rasti ili samo padati).

Trenutna rješenja koja to pokušavaju osigurati izuzetno su kompleksna te zbog toga neefikasna; trenutna industrijska praksa upotreba je dubokih mreža latica koje je razvio Google. Kada ih usporedimo s našim rješenjem, na standardnim testovima dobivamo veću točnost s barem 10 puta manje parametara, što izuzetno utječe i na ukupno korištenje računalnih resursa potrebnih za treniranje modela.

Naš fokus na poslovne podatke rezultirao je nizom uvida i inovacija koje nisu primjenjive u do sada najrazvijenijim domenama dubokog učenja, vizualnim i jezičnim, ali su se pokazali ključnima u poslovnim primjenama.
Poslovni modeli bitno su različiti od vizualnih i jezičnih, prije svega zbog dinamike kojom se mijenja situacija na tržištu, a manje zbog razlike između strukturiranih i nestrukturiranih podataka", rekao je Davor Runje, suosnivač airta.

Zahtjev za patent predan je u US Patent and Trademark Office (USPTO) i kod nadležnih tijela Europske unije.