Inteligența artificială începe să devină utilă în afaceri atunci când plecăm de la o problemă pe care vrem să o rezolvăm și înțelegem ce poate învăța un algoritm din exemple. Dincolo de imaginile cu roboți și scenariile din filme, tehnologia are deja aplicații în companii, medicină, comerț, securitate sau analizarea unor volume foarte mari de informații.
Iar pentru un antreprenor, discuția devine cu atât mai interesantă când ajungem la întrebarea: unde poate tehnologia să preia o parte din munca pe care astăzi o fac oamenii?
Răzvan Pistolea este cofondator AIception, companie creată împreună cu Radu Diaconescu pentru a face tehnologiile de machine learning și deep learning mai accesibile companiilor mici și mijlocii. Înainte de a reveni în România și de a porni propria companie, Răzvan a studiat inteligența artificială la Politehnică și a lucrat în Londra pentru două startup-uri din domeniu. Unul analiza apariția logo-urilor sponsorilor în fotografii și materiale video din social media. Celălalt lucra la credit scoring și încerca să ofere băncilor informații suplimentare despre oamenii aflați într-o zonă dificil de evaluat prin metodele tradiționale.
Experiențele acestea îl ajută să explice într-un limbaj accesibil diferența dintre programarea clasică și machine learning. În programarea tradițională, programatorul descrie pașii pe care calculatorul îi urmează. În machine learning, algoritmul primește foarte multe exemple și construiește treptat propriul model. Dacă vrem să recunoască un copac într-o fotografie, îi arătăm mii sau milioane de imagini și îl lăsăm să descopere caracteristicile care apar în ele.
„Dar aici a fost puterea, a ceea ce se numește machine learning, adică învățarea automată în care tu nu mai scrii regulile, tu îi arăți exemple și lași calculatorul să descopere regulile, să scrie el singur regulile.”
Răzvan Pistolea
De aici ajungem la aplicațiile din companii. Un sistem poate citi mesaje primite de la angajați, le poate clasifica și poate extrage informațiile relevante. Camerele video pot identifica persoane sau estima anumite caracteristici. Magazinele pot analiza cine trece prin anumite zone și cât timp petrece în apropierea unui produs. În medicină, algoritmii pot parcurge milioane de imagini și pot identifica tipare pe care un specialist le întâlnește mult mai rar pe parcursul carierei.
Răzvan vede aici o relație interesantă între experiența umană și capacitatea calculatorului de a procesa volume uriașe de date. Un medic are acces la propria experiență profesională și la ceea ce reușește să studieze de-a lungul anilor. Un algoritm poate analiza milioane de exemple într-un interval mult mai scurt și poate semnala zone care merită verificate încă o dată de specialist.
„Dar gândește-te în felul următor: un expert, un doctor expert – la câte poze se poate uita în viața lui? Zece mii? Douăzeci de mii? Da, în timp ce un calculator se uită la douăzeci de milioane de poze în câteva ore și a învățat toate exemplele și el poate acuma să folosească experiența din milioane de exemple.”
Răzvan Pistolea
Discuția merge apoi către antreprenoriat și către felul în care construim produse. Una dintre lecțiile pe care Răzvan le-a luat din experiența AIception este să începi cu un prototip mic și să ajungi repede în fața oamenilor care ar urma să îl folosească. Feedbackul primit devreme îți arată unde presupunerile tale despre piață se potrivesc cu realitatea și unde merită să schimbi produsul.
Mai ales feedbackul critic are valoare. Oamenii care pun la îndoială ideea, prețul, utilitatea produsului sau disponibilitatea clienților de a plăti te obligă să verifici ipotezele pe care ai construit afacerea.
„Tu vrei să înțelegi ce problemă există și cum ai putea să rezolvi acea problemă și cu cât vorbești cu mai multe persoane care chiar te contrazic sau care îți pun la îndoială anumite presupune pe care le-ai făcut, cu atât o să creezi un produs care rezolvă acea problemă mai repede și mai bine.”
Răzvan Pistolea
Aceeași perspectivă apare când vorbim despre trenduri. Faptul că o tehnologie atrage atenția pieței reprezintă un motiv bun să o studiezi. Pentru o afacere, întrebarea următoare este ce problemă rezolvă și cine ar plăti pentru soluția respectivă. Răzvan face o distincție utilă între proiectele pe care le construim din interes personal și produsele pentru care există cerere.
În zona asta se leagă bine și două cărți pe care merită să le avem în apropiere: „The Mom Test”, de Rob Fitzpatrick, despre cum discutăm cu potențialii clienți astfel încât să obținem feedback util, și „The Lean Startup”, de Eric Ries, despre prototipuri, testarea ipotezelor și învățarea din reacția pieței.
Privind înainte, Răzvan vede inteligența artificială integrată în tot mai multe produse software și dispozitive. Algoritmii rămân foarte specializați: un sistem antrenat pentru imagini medicale rezolvă o categorie restrânsă de probleme, iar unul antrenat pentru procesarea mesajelor lucrează într-un alt spațiu. Direcția descrisă în conversație este însă ușor de urmărit: tot mai multe activități care presupun clasificare, recunoașterea unor tipare sau procesarea unor cantități mari de informație vor putea fi sprijinite de asemenea sisteme.
Pentru antreprenori, discuția ajunge astfel într-un loc foarte practic. Observă problemele reale. Construiește suficient cât să îți testezi ideea. Vorbește devreme cu oamenii care ar urma să plătească pentru produs. Ascultă cu atenție obiecțiile. Iar când alegi o tehnologie, pornește de la ceea ce vrei să rezolvi și de la valoarea pe care produsul o poate crea pentru cel care îl folosește.
Ideile principale
- Începe cu problema pe care vrei să o rezolvi. O tehnologie devine utilă într-o afacere atunci când răspunde unei nevoi reale. Dacă pornești de la ceea ce este la modă, riști să construiești ceva interesant pentru tine și irelevant pentru clienți. Uită-te la dificultățile pe care oamenii le întâlnesc frecvent și caută locurile în care o soluție le-ar economisi timp, bani sau efort.
- Construiește repede o versiune mică și testeaz-o. Înainte să investești luni de muncă într-un produs, creează un prototip sau chiar un simplu mockup. Arată-l oamenilor care ar urma să îl folosească și vezi cum reacționează. Întreabă dacă l-ar folosi, ce le lipsește și pentru ce ar fi dispuși să plătească. Feedbackul timpuriu te ajută să corectezi presupunerile înainte să devină costisitoare.
- Caută oamenii care îți contestă presupunerile. Aprobarea este plăcută și îți oferă puține informații despre produs. O persoană care îți explică de ce ideea ar eșua te obligă să verifici lucrurile pe care le-ai luat drept certe. Ascultă obiecțiile și încearcă să înțelegi ce se află în spatele lor. Cu cât descoperi mai devreme punctele slabe, cu atât ai mai mult spațiu să îmbunătățești produsul.
- Învață din exemple și ajustează ceea ce credeai că știi. Machine learning funcționează prin expunerea unui sistem la foarte multe exemple, din care acesta descoperă tipare. Ideea se aplică și felului în care înveți tu. Experiența îți oferă informații noi, iar modelele după care iei decizii se schimbă odată cu ele. Păstrează disponibilitatea de a-ți actualiza perspectiva când realitatea îți oferă suficiente dovezi.
- Perseverența și curajul contează când construiești ceva nou. Un startup presupune încercări, schimbări de direcție și idei care arată diferit după întâlnirea cu piața. Continuă să testezi, să înveți și să ajustezi. Curajul te ajută să începi și să expui ideea feedbackului, iar perseverența îți permite să rămâi suficient timp în proces pentru a descoperi ce funcționează.
