„Ние не сме Дисниленд": Възмущение в Рим заради „гладиаторските“ битки на Airbnb в Колизеума
Туристи ще могат да участват в инсценирана битка в гладиаторско облекло
LatticeFlow прави изкуствения интелект по-безопасен
Корпоративни истории
Това е първата високотехнологична компания, която се позиционира до института INSAIT и ще работи в тясна връзка с него
С огромния шум, свързан с напредъка в областта на изкуствения интелект през последните месеци, дойдоха и големите притеснения. За това,че технологиите са много напреднали, а все още не можем да гарантираме достатъчно добре тяхната сигурност.
И ето че един стартъп, който до голяма степен ще се разработва в София, привлече погледите в тази посока. Защото предлага решение именно за това – как системите с изкуствен интелект да се доближат до практиката, като станат значително по-сигурни и надеждни.
Проектът LatticeFlow е впечатляващ не само защото решава фундаментални проблеми в системите с изкуствен интелект. Той е и първата високотехнологична компания, която се позиционира до института INSAIT и ще работи в тясна връзка с него. Дори без официален рунд за финансиране стартъпът набра 12 милиона долара, част от които ще инвестира в наемането на специалисти в София.
Бързи, смели, сигурни
Снимка:
LatticeFlow
LatticeFlow вече спечели наградата за най-иновативна AI компания в Швейцария, приза в тази област на американската армия и се нареди сред топ 100 компании за ИИ в света. Попадна сред 10-те швейцарски начинания, които си струва да се следят през 2023-а.
Технология на стартъпа е разработена в университета ETH в Цюрих, преди да се отдели в компания, начело с д-р Петър Цанков, проф. Мартин Вечев и техните колеги д-р Павол Биелик и проф. Андреас Краузе. Българските учени вече имат опит в предприемачеството с няколко успешно продадени високотехнологични компании зад гърба си.
Според лицето на проекта д-р Петър Цанков начинанието има сериозния потенциал да реши най-големите предизвикателства пред учените в тази област.
„Големите езикови модели не се справят достатъчно точно и надеждно в практически нито една бизнес сфера“, казва той. „Последните научни резултати показаха, че в 75% от приложенията ChatGPT отстъпва на „специализираните“ модели, които са обучени да решават проблеми в медицината, финансите и други индустрии. Именно затова на GPT-X моделите им казваме „базови“ – те предоставят добра основа, но изискват да бъдат дообучени на качествени данни и примери, за да се използват в индустрията“.
Именно в тази посока дават решение разработките на LatticeFlow. както обяснява специалистът. Въпреки че знаем как да тренираме модели, които постигат добра точност на тестови данни, нещата съвсем не са толкова розови, ако ги приложим на нови примери от реалния живот.
Няма грешка
Създаването на нови модели, които работят надеждно, изисква правилно подбрани и описани данни за обучение. Моделите да се дообучат и коригират, ако не работят добре в определени ситуации. Да се забелязват нови явления, които не са срещани при обучаването и редица други сложни проблеми. Именно тук идва мястото на решенията, предлагани от екипа.
Д-р Цанков дава пример от практиката:
„Имаме модел, който разпознава рака на кожата. На повечето снимки, при които пациентът има рак, има маркировки от хирургичен химикал, които се поставят, за да се измери големината на бенката и да се следи нейното нарастване. Тази подвеждаща корелация между наличието на хирургични маркери и рак на кожата заблуждава модела! Вместо да научи как да разпознава болестта, той научава, че наличието на хирургични маркери е показател, че дадена бенка е ракова“.
В подобен случай платформата на LatticeFlow намира тези пропуски в знанията на изкуствения интелект и позволява тяхното поправяне, преди да доведат до проблеми. Нещо повече, процесът е автоматизиран и на практика не зависи от конкретната задача пред алгоритъма – дали става дума за примера по-горе или за каквато или например лицево разпознаване.
Алгоритми срещу алгоритми
„Първият ни продукт автоматично „диагностицира“ данните, за да открие проблеми с тяхното качество. Той позволява бързо, ефективно и лесно да се намират и отстраняват проблеми, свързани с анотациите на данните, липсата на данни от определени ситуации, премахването на подвеждащи корелации и други“, разказва специалистът.
„Вторият ни продукт автоматично намира в кои ситуации моделът не работи добре. Например, въпреки че даден модел за разпознаване на рак на кожата се справя средно с над 90% точност, на част от данните тя може да падне значително, например под 30%. Нашият продукт намира слепите петна на моделите – местата, където е най-големият риск да сгрешат“.
След това всички намерени грешки се коригират автоматизирано. „Това е важно, защото ръчното коригиране на такива проблеми е трудно и скъпо“, казва изследователят. „Например, ако данните систематично са грешно маркирани, е непрактично специалистът да ги коригира пример по пример, това би отнело месеци. Нашият продукт автоматично показва кои данни са маркирани грешно и прилага нужната корекция. Така вместо месеци усилия и стотици хиляди долари, тя отнема 1-2 минути.“
Сред клиентите на стартъпа вече са американската армия, германското бюро за федерална сигурност, огромни компании като Siemens. А какво ли се задава нататък? Със сигурност ни очакват интересни новини!
Какво мисли д-р Цанков за последните големи новини в света на изкуствения интелект? Къде очаква най-големите пробиви? Защо според него технологичната революция в тази област е на практика необратима? Какъв е пътят за това България да навлезе по-сериозно в тази област?
Отговорите: в подробното интервю на Петър Цанков за Дигитални истории.
