Strojové učení a umělá inteligence už nejsou pouze tématem budoucnosti. Do oblasti pronikají i české firmy, které mají smělé plány – chtějí předpovídat ceny letenek, nebo rozpoznávat poruchy strojů jen ze zvukového záznamu.

Machine Learning je podkategorií umělé inteligence, která lidstvo fascinuje již řadu let. Současným firmám pomáhá například šetřit náklady, zefektivnit jejich práci a predikovat rizika. I když je Machine Learning v současné době fenoménem, rozhodně není nic nového. Na univerzitách a výzkumných pracovištích se jím lidé zabývají od 2. poloviny dvacátého století a ve velkých technologických firmách už zhruba dvě dekády. Technologického vývoje ale čím dál častěji využívají i začínající firmy a startupy. Dodává, že pro rozvoj strojového učení je u nás i ve světě stále ještě velký prostor.

Navrhování “mozku” pro strojové učení je nejtěžší částí

V průmyslu se strojové učení nejčastěji využívá například pro doporučování, to se týká třeba zboží v e-shopech. Další oblastí je klasifikace všeho druhu, ať už bonity potenciálních příjemců půjček nebo predikce časových řad. Trendem posledních let jsou jednoznačně umělé neuronové sítě. Přitom nejsou v oblasti umělé inteligence žádnou novinkou a zkoumají se už desítky let. Teprve nárůst výkonu moderních počítačů však umožnil jejich efektivnější využití.

Nejdůležitější a nejobtížnější částí návrhu algoritmu strojového učení je důkladná analýza, pročištění a porozumění datům. Teprve poté je zkušený člověk schopný vybrat a odladit vhodný algoritmus pro řešení daného problému. Často se po analýze dat ukáže, že je problém jednodušší, než se zprvu zdál, a že se dá efektivněji vyřešit i bez použití strojového učení.

Češi budou predikovat ceny letenek

Prodejce letenek Kiwi.com se zabývá hledáním nejlevnějších možných leteckých spojení. Potřebuje tak co nejpřesnější informace o cenách dílčích letenek. Tyto informace přeprodávají společnosti sdružené pod názvem Global Distribution Systems. Při obrovském množství všech letů na světě a snaze mít co nejpřesnější data musíme za dotazování na cenu vynakládat nemalé prostředky.

Air Canada A319 C-GITP

“Proto je naší snahou predikovat, kdy dojde ke změně ceny letenky a jak dlouho tedy můžeme naposledy potvrzené ceně letenky věřit, abychom množství potřebných dotazů minimalizovali,“ vysvětluje využití strojového učení odborník Jiří Materna.

Strojového učení se nebojí ani startupy

Machine Learning lze také využít například pro automatizaci. Jedním ze startupů, který u nás svůj business na strojovém učení staví, je například Neuron soundware. Firma automaticky rozpoznává poruchy a nestandardní chování průmyslových strojů analýzou zvuku, které vydávají. Dalším startupem, který funguje pod taktovkou Čechů a využívá strojové učení je SpaceKnow. Ti zase analyzují satelitní snímky a z nich získávají užitečné, převážně ekonomické, informace.

Současný rozvoj oblasti strojového si lze vysvětlit především obrovským nárůstem popularity takzvaného hlubokého učení, které umožnilo dosáhnout nebývalých úspěchů v oblasti umělé inteligence.

„Jmenujme například algoritmus DeepDream, který je schopný ‚malovat‘ psychedelické obrazy, nebo DeepStack, první algoritmus opakovaně porážející světové velmistry v pokeru,“ popisuje Materna. „S nárůstem popularity strojového učení u nezkušených firem však jdou ruku v ruce i časté neduhy s tím spojené. Jednou z nejrozšířenějších chyb je představa systému strojového učení jako kouzelné krabičky, které se jen poskytnou data a ona bude dělat zázraky. Tak to ale téměř nikdy nefunguje,“ dodává.