Vilniuje įkurta „Oxylabs“ teikia duomenų rinkimo ir tarpinių serverių (proxy) sprendimus verslui. Bendrovės siūlomi sprendimai padeda įvairiose srityse veikiantiems verslams efektyviai rinkti ir tvarkyti internete viešai prieinamus aktualius skaitmeninius duomenis.
„Įsivaizduokite, kad turite tarptautinę elektroninę parduotuvę ir dėl pirkėjų konkuruojate su dar keliais šimtais panašių parduotuvių visame pasaulyje. Norėdami pasiūlyti patrauklias kainas ar akcijas, turite nuolat sekti kitų rinkos dalyvių siūlomas nuolaidas, specialius pasiūlymus, kainodarą. Jei prekių yra tūkstančiai, o informacija gali keistis net ir po kelis kartus per dieną, tiesiog akylai stebėti kitų parduotuvių nepakanka. Tam reikia pažangių, automatizuotų skaitmeninių sprendimų, kurie tą galėtų padaryti už jus“, – pasakojo J.Juršėnas.
Sėkmės pagrindas – dirbtinis intelektas
2015 m. veiklą pradėjusiai „Oxylabs“ tokią greitą tarptautinę sėkmę padėjo pasiekti dirbtinio intelekto ir mokymosi sistemų (machine learning) technologijų kūrimas ir taikymas.
„Pagrindinis uždavinys, kurio sprendimui naudojame dirbtinį intelektą (DI), yra interneto puslapių viešai prieinamų duomenų atpažinimas ir struktūrizavimas“, – komentavo vykdantysis direktorius, – „Interneto tinklalapiai kuriami taip, kad būtų patrauklūs žmogaus akiai, tad duomenis pateikia labai įvairiai. Tos pačios prekės puslapis skirtingose el. parduotuvėse gali kardinaliai skirtis, nors pateikiama informacija labai panaši ar net identiška. Norint analizuoti ir lyginti šiuos duomenis, būtina juos suvienodinti ir turėti patogiu formatu.“
Dažniausiai tam buvo pasitelkiamos programos, tačiau bent puslapiui patyrus bet kokį pasikeitimą, programą tekdavo pritaikyti iš naujo. Būtent čia kompanija įdarbino dirbtinį intelektą, kuris leidžia daug greičiau atpažinti ir surinkti duomenis bei užtikrina, kad net keičiantis tinklalapiui, nereikia iš naujo modifikuoti programų.
Tai tiek techninis, tiek kūrybinis procesas
Dirbtinio intelekto taikymas taip pat leidžia automatiniams duomenų rinkimo įrankiams kur kas geriau atpažinti ir interpretuoti peržiūrimą informaciją, išvengti klaidų, savarankiškai įveikti įvairius virtualius barjerus.
„Apmokomas“ intelektas
„Taikant dirbtinį intelektą pirmiausia reikia jį „apmokyti“. Šis procesas yra sunkesnis ir, priklausomai nuo įrangos, pasirinktų algoritmų bei duomenų, gali užtrukti labai ilgai“, – pasakojo pašnekovas.
Kuriami modeliai dažniausiai užima valandas ar dienas, tačiau tai tik viena didesnio ir ilgesnio proceso dalis. „Reikia išbandyti ne vieną modelį ar strategiją, kol pasiekiamas reikšmingas rezultatas – tai tiek techninis, tiek kūrybinis procesas“, – teigė J.Juršėnas.
„Kaip pavyzdį galiu pateikti paprasčiausią algoritmą, kuris atpažįsta ranka rašytas raides. „Ištreniruoti“ tokį DI sprendimą ant mano nešiojamo kompiuterio su 10‘000 pavyzdinių raidžių užtrunka keliolika sekundžių. Tačiau sudėtingiems uždaviniams, kurie turi milijonus pavyzdžių mokymuisi, reikia naudoti sudėtingus DI algoritmus ir netgi leidžiant juos ant labai galingos įrangos, procesas gali užtrukti kelias dienas ar net savaites“, – komentavo „Oxylabs“ vykdantysis direktorius.
Tiesa, nors technologijos taikymas nėra 100 proc. efektyvus, suprasti reiktų tai, kad mašininis mokymasis yra procesas, kai sukurtas modelis atlieka spėjimą, pagrįstą savo turimomis žiniomis. „Sudėtingesnėse sistemose kintamųjų atsiranda dar daugiau, todėl ir spėjimas tampa sudėtingesnis – kaip ir gyvenime, ne viskas lengvai susidėlioja į dėžutes, visada pasitaiko unikalių atvejų“, – pasakojo pašnekovas, pridurdamas, kad net ir ne 100 proc. efektyvus DI grįstas sprendimas yra dešimtimis ar net šimtais kartų savo greičiu ir kaštais lenkia anksčiau naudotas alternatyvas.
Pirmoji Lietuvoje dirbtinio intelekto patarėjų taryba
Pernai bendrovėje taip pat įsteigta pirmoji Lietuvoje Patarėjų taryba (Oxylabs AI & ML Advisory Board), kurią sudaro aukščiausio lygio tarptautiniai dirbtinio intelekto ir mokymosi sistemų ekspertai. Ji konsultuoja bendrovės vadovus ir komandą minėtų technologijų kūrimo ir taikymo klausimais, padeda formuoti ilgalaikę grupės strategiją šioje srityje.
Šiuo metu ją sudaro ekspertai tiek iš mokslo, tiek iš verslo sektoriaus, dirbę ar konsultavę šiais klausimais tokias organizacijas kaip NASA, „Microsoft“, „Unilever“, „Stripe“, „BlackRock“, MIT (Massachusetts Institute of Technology).
