Asi se vám už stalo, že vám systém na portálu Glami, když jste si třeba vybírali košile, automaticky nabídl hned několik podobných košil od různých prodejců. Za to, že nakupující nemusí procházet jeden e-shop za druhým a hledat podobné zboží, ale rovnou se mu alternativy zobrazí, vděčí české firmě Ximilar. Brněnský startup totiž zpracovává obrazová data pomocí umělé inteligence, čímž mimo jiné umožňuje e-shopům nabízet podobné produkty. Zájem o jeho služby mají firmy po celém světě a kromě e-commerce nachází uplatnění i v medicíně, průmyslu nebo bezpečnostních systémech.
Témata využívání umělé inteligence a strojového učení pro zpracování obrazu se dostávají v médiích do popředí zejména v posledních letech. Zakladatel a výkonný ředitel firmy Ximilar David Novák se jim už ale věnuje více než patnáct let. Dostal se k nim jako vědecký pracovník na Masarykově univerzitě v Brně. V roce 2009 byl dokonce součástí týmu, který dostal prestižní ocenění IBM SUR za nadnárodní projekt v oblasti zpracování dat a podobnostního vyhledávání. Po letech v akademické sféře se ale rozhodl, že by chtěl znalosti aplikovat v praxi a založil firmu Ximilar. „Ximilar začal jako poskytovatel platformy pro trénování umělé inteligence. K podobnostnímu vyhledávání se brzy přidalo rozpoznávání obrázků a objektů v nich, automatická kategorizace, tagování nebo čtení textu z obrázků,” popisuje Novák.
Hlavním produktem Ximilar je tedy platforma pro trénování umělé inteligence. Na té si firmy i jednotlivci mohou sami natrénovat modely, které budou s využitím strojového učení automaticky pracovat s jejich vizuálními daty. „Ale bez toho, že by museli umět napsat jediný řádek kódu,” podotýká Novák a dodává, že platforma je nejen technologicky velmi vyspělá, ale při jejím budování kladou důraz i na uživatelskou přívětivost.
Platforma Ximilar zároveň slouží i jako základ pro řadu hotových služeb pro různá odvětví. „Od počátku nás oslovují firmy a zájemci z velmi širokého spektra odvětví. Postupem času tak v reakci na nejčastější potřeby klientů vznikla celá řada služeb, které jsou nyní dostupné komukoliv a značně usnadňují a zrychlují implementaci jejich vlastního řešení. Nejsilnější je oblast e-commerce, kde se uplatňují naše služby na rozpoznávání, tagování a doporučování zboží v e-shopech nebo srovnávačích cen,” říká Novák.
Neuronové sítě šetří čas a zvyšují tržby. Doporučují totiž jen relevantní zboží
Zákazníci Ximilar z oblasti e-commerce nejčastěji využívají dvě služby. Jedná se v první řadě o automatické rozpoznávání různých vlastností produktů z produktových fotek a také vyhledávání vizuálně podobných alternativ. „Představte si, že napíšete do vyhledávače Glami.cz pojem ‘červené šaty’. V tu chvíli vám vyskočí několik desítek tisíc produktů. Ale vám se zalíbí jedny konkrétní šaty. V momentu, kdy na tento produkt kliknete, je systém ve zlomku vteřiny porovná se snímky v databázi srovnávače a nabídne vám co nejpodobnější produkty. Zákazník se tak snadno vyzná v obrovské záplavě zboží a snadno najde to, co odpovídá jeho vkusu,” přibližuje praktické využití David Novák.
Systém sám doporučí relevantní zboží na základě podobnosti.
Celý systém přitom primárně analyzuje vizuální data. Jedná se o odlišný přístup od toho, kdy e-shop k fotkám přiřadí klíčová slova, podle kterých se běžně produkty na e-shopech vyhledávají a filtrují. „Modely pro podobnostní vyhledávání se trénují tak, že systému poskytneme příklady obrazových dat a informace o tom, co v daném případě považujeme za podobné. Na naší platformě se pak na základě toho natrénuje model. Naučí se pomocí strojového učení vystihnout to, co zákazník považuje za podobné, a od té doby je schopen automaticky zpracovávat velké množství obrázků, zatímco vy dolaďujete kvalitu,” popisuje Novák.
Pokud je podobnostní model udělaný dobře, neovlivní ho ani změna kolekce nebo nové produktové fotky na webu. „Naučíme model, co znamená podobnost v módě. Potom už funguje autonomně a nezáleží na konkrétní kolekci, protože princip jako takový zůstává stejný,” upřesňuje Novák. V případě módy navíc Ximilar ještě kombinuje vizuální vyhledávání s rozpoznáním a popisem konkrétních vlastností produktů, jako je délka oblečení, typ výstřihu, barva, vzor a podobně.
Systém, který poradí, jak upravit vodu, aby byla pitná
Kromě módy jsou ale produkty Ximilar využívané i v řadě dalších odvětví, a to po celém světě. „Je to opravdu od Chile do Japonska. A to rozpětí, kde se naše produkty uplatní, je nesmírně široké. Jsme opakovaně příjemně překvapeni, k čemu všemu chtějí různí lidé naše služby využívat. Naše platforma nachází uplatnění například v oblasti bezpečnosti, kde je třeba zpracovávat velké množství fotek a videozáznamů, či v oblasti reklamy, kde slouží k analýzám dopadů kampaní. Dále máme celou řadu průmyslových aplikací, typicky kontrolu kvality výrobků na továrních linkách, ale například i sběratelství a numismatiku,” popisuje Novák s tím, že momentálně spolupracují s desítkami středních a větších firem z celého světa. Za nejzajímavější považuje to, že se každý týden s kolegy setkává s klienty z různých zemí a různých oborů.
Neobvyklé uplatnění našel systém od Ximilar v oblastech s nedostatkem pitné vody, kde pomáhá s její analýzou. „Pro jednu nadnárodní korporaci jsme vyvinuli systém, který umí ve vodě rozpoznat různé částice, vlákna a biologické nálezy," říká Novák. V oblastech, kde je těžké se dostat k pitné vodě, člověk nabere vzorek, který vloží do ručního mikroskopu. K tomu přiloží telefon, vyfotí snímek a ten se zpracuje na cloudu, kde neuronové sítě obratem identifikují, o jaký typ znečištění se jedná. "Díky tomu člověk rychle ví, jak vodu co nejefektivněji ošetřit, aby se stala pitnou,” přibližuje.
Umělá inteligence jako služba
V drtivé většině případů funguje Ximilar v režimu SaaS (software jako služba) a zákazníci platí měsíční poplatek za objem dat. Zjednodušeně za množství rozpoznaných obrázků. Ve verzi zdarma jsou ale základní funkce dostupné komukoliv. Hojně toho využívají například školy. Studenti si díky tomu mohou sami zkusit natrénovat model.
Připravit systém pro běžný e-shop podle Nováka trvá pár týdnů. „U specifických spoluprací, kde musíme natrénovat neuronové sítě na něco úplně nového, je to otázka měsíců i roku, v závislosti na komplexnosti problému. Vyžaduje to úzkou spolupráci s klientem, od kterého potřebujeme data a informace, o tom, jaké jsou správné odpovědi, které by umělá inteligence měla poskytovat, když pracuje s jejich vizuálními daty,” vysvětluje Novák.
Ximilar tvoří něco málo přes deset lidí. David Novák si na malém a efektivním týmu zakládá.
Kromě toho Ximilar představil v poslední době několik novinek. „Vyvinuli jsme například službu, která umí vyhledat objekty v popředí a smazat zbytek. Nově také umíme značně zvětšit obrázky s malým rozlišením. Což je velmi netriviální problém, i když se to na první pohled nemusí zdát. Znamená to totiž, že si musí neuronová síť v podstatě domyslet pixely, které na obrázku nejsou. A to tak, aby i několikanásobně zvětšený obraz působil pro lidské oko přirozeně,” říká Novák. Přibližně dvanáctičlenný tým se nyní věnuje vylepšení práce s videem, analýze procesu fungování vizuální umělé inteligence při práci s obrázkem nebo zdokonalování podobnostního vyhledávání.
Malý tým bez investorů
Davida Nováka čeká také další posouvání samotné firmy. „Chtěl bych lépe definovat jednotlivé role a zodpovědnosti ve firmě. A už teď víme, že v návaznosti na to budeme hledat jednoho až dva nové lidi,” dodává. Ximilar si přitom od začátku zakládá na tom, že nové zaměstnance přijímá pouze tehdy, když je může zaplatit. „Vybudovali jsme firmu bez externí investice, což zpětně hodnotíme jako dobré rozhodnutí. Naučilo nás to mimo jiné i to, že nového člověka můžeme vzít jen tehdy, když na něj máme peníze. Sice rosteme pomalu, ale zase s každým novým zaměstnancem víme, že ho skutečně využijeme a budeme jej schopní správně ohodnotit Řadě firem se totiž stalo, že s příchodem investora znásobily počet zaměstnanců, které následně mnohdy ani efektivně nevyužily. A když se náhodou přestalo dařit, tak musely buď hromadně propouštět, nebo žádat o další finanční prostředky,” říká Novák.
Ani po letech nelituje, že se do podnikání pustil. Tvrdí totiž, že prostředí pro vznik nových firem je v Česku velmi dobré. „Od začátku jsme například byli v kontaktu s Jihomoravským inovačním centrem. Tam nám velmi pomohli i s validací samotného nápadu. Kromě toho už se dnes u nás najde spousta skupin i jednotlivců, kteří jsou ochotni inovativní firmy podpořit a investovat do nich. Nemůžu říct, že bych za celou dobu narazil na nějakou zásadní procesní, právní či administrativní překážku, která by mi v podnikání bránila. A dodnes toho rozhodnutí založit si firmu nelituju. Pořád mě to baví,” uzavírá podnikatel.
Foto: unsplash, archiv Ximilar
