Când știința devine business

Când știința devine business

Reading Time: 4 minute

Ce faci când vrei să fii antreprenor, dar ești pasionat de cercetare, iar ziua are doar 24 de ore? Karina Odinaev a renunțat la doctoratul în neuroștiinte și a fondat împreună cu partenerii de cercetare o companie ale cărei tehnologii AI folosesc metode de self learning similare celor folosite de creier.

Cortica dezvoltă tehnologii pe baza unui sistem care funcționează percum creierul, imitând metoda prin care cortexul învață și procesează informații. Ideea a apărut în 2003 la institutul israelian de tehnologie Technion, unde cei trei fondatori ai companiei studiau creierul în cadrul unui program doctoral. Compania are acum 120 de angajați, birouri la Tel Aviv și New York și peste 200 de pa­tente de invenție înregistrate.

“Inteligența artificială (AI) este o oportunitate de miliarde de dolari, iar în ultimii 5-7 ani tot mai mult industrii au înțeles că au nevoie de soluții inteligente și automatizare pentru dezvoltarea businessurilor. Însă, în ciuda investițiilor mari în dezvoltarea algoritmilor de machine learning din ultimii ani, creierul este mai puternic algoritm AI care există. Tehnologia Cortica replică modul cum funcționează creierul uman, cortexul, diferit de deep learning”, spune Karina Odinaev, cofondator și CEO al Cortica.

Cel mai popular algoritm AI este deep learning. Google, Apple sau Tesla folosesc deep learning, dar Cortica are o abordare complet nouă, bazată pe modul cum funcționează creierul, iar modalitatea de învățare este similară felului în care învață copiii. Sistemul de învățare folosit de compania israeliană este mai eficient decât metoda deep learning, mai puțin mecanic, explică Karina Odinaev. Spre exemplu, pentru tehnologia self learning nu este necesar să existe mii de imagini clasificate drept “câine”, “pisică”, “pieton”, “copil” sau “mașină”, ca în cazul deep learning, unde prelucrarea și sortarea datelor sunt complicate și necesită mai mult timp. Deoarece funcționează similar creierului uman, sistemul AI dezvoltat de Cortica este capabil să facă predicții mai natural, iar estimările sunt mai complexe. Atunci când o persoană traversează strada, spre exemplu, face o serie de predicții despre comportamentul fiecăruia dintre factorii implicați, indiferent dacă sunt alți pietoni, mașini, bicicliști sau motociclete. “Alte sisteme AI pot calcula proiecții în funcție de viteză și accelerație, dar pentru mașinile autonome avem nevoie de predicții mai complexe. Tehologia self learning poate înțelege, spre exemplu, că, dacă sunt mai mulți călători în stația de autobuz, va dura ceva timp până când autobuzul va pleca, pentru că trebuie să aștepte ca toată lumea să urce la bord. Pentru a face această predicție, sistemul trebuie să înțeleagă contextul complet al scenei”, explică Karina Odinaev.

Un alt avantaj al tehologiei dezvoltate de compania israeliană se referă la arhitectura rețelei neuronale. În cazul deep learning, sute de layere de procesare sunt create astfel încât computerul să înțeleagă informațiile pe care le primește. În cazul metodei de învățare dezvoltate de Cortica, există doar șase, similar cortexului uman. “În creierul nostru, nu avem câte un neuron pentru fiecare obiect care trebuie identificat. Practic, când vedem un obiect, există un grup de neuroni care se conectează într-un tipar specific în spațiu și timp, iar acest tipar reprezintă ceea ce vedem. Sistemul creat de noi analizează, ca și creierul, mai multe tipuri de informații – imagini, sunete, tipuri de voci, date financiare”, explică CEO-ul Cortica. Beneficiul este că sistemul dezvoltat de Cortica necesită o putere de calcul mult mai mică și un consum mai mic de energie. Spre exemplu, Cartex, sistemul dezvoltat pentru mașinile autonome, are un consum de energie mai mic de 0,5 wați, spre deosebire de sistemele AI, care folosesc deep learning și consumă 3-5 wați.

24 miliarde de dolari – este valoarea la care se estimează că va ajunge piața globală a roboților chirurgicali până în 2025

Cortica a lansat deja șase startup-uri bazate pe sistemul său de inteligență artificială: Cartica – dezvoltă un sistem pentru mașini autonome, SeeTrue – furnizează tehnologie pentru controlul de securitate în aeroporturi, Fintica – pentru analize financiare, Corsight – furnizează teh­nologie pentru recunoaștere facială, Juno.AI – o aplicație care transmite alerte profesorilor sau părinților în cazul unor situații de urgență în școli și grădinițe – și Cardio – AI, care dezvoltă tehnologie pentru automatizarea procedurilor de chirurgie cardiovasculară.

“În toate aceste startup-uri, creăm un MVP – minimum viable product (produs minim viabil) într-o perioadă cuprinsă între trei și șase luni, ceea ce este un record, pentru că totul se bazează pe aceeași tehnologie. Care este secretul? Ecosistemul în care dezvolți businessul, iar Israelul este locul perfect pentru startup-uri”, spune Karina Odinaev. Compania are în vedere deja dezvoltarea de aplicații specifice pentru agricultură (monitorizarea culturilor și a solului), mi­nerit, medicină, evaluare de diamante, comerț cu amănuntul și industrie.

Tehnologia dezvoltată de Cortica are o arhitectură simplă. “Sistemul este expus la milioane de imagini, astfel încât să învețe cum este lumea. Oferim sistemului imagini din domeniul pe care acesta să se specializeze, de exemplu mai multe imagini cu radiografii, dacă vorbim de medicină. Sistemul în sine începe să genereze anumite răspunsuri fără a fi nevoie să schimbe arhitectura pentru fiecare obiect nou analizat. Cu ajutorul «neuronilor» care au fost activați de acea informație și al informațiilor pe care le avem deja în sistemul nostru știm care este obiectul”, explică reprezen­tanta Cortica.

În cazul Cartex, sistemul dezvoltat pentru mașinile autonome, care a putut fi testat în cadrul Smart Mobility Summit desfășurat la Tel Aviv, tehnologia creată de Cortica “învață” prin înregistrarea imaginilor din trafic. “Pur și simplu pui un dispozitiv în parbriz și conduci 100 km. Sistemul generează răspunsuri automate la fiecare imagine și, după aceea, începe să combine răspunsurile în clustere pentru a înțelege că unele lucruri sunt similare. Apoi, imaginile sunt selectate și, spre exemplu, toate imaginile cu pisici sunt grupate într-un cluster, cele cu pietoni sunt grupate într-un alt cluster și tot așa. Intervenția umană este doar pentru a da numele grupului”, adaugă Karina Odinaev.

Articolul a fost publicat inițial în Biz nr. 339 (20 ianuarie – 17 februarie 2020). Dacă doriți să primiți Revista Biz prin curier, abonați-vă aici.