Cel na najbliższe 12 miesięcy spółka ma bardzo ambitny – chce stworzyć sztuczną inteligencję (AI) bardziej dostosowaną do nieprzewidywalnego, ciągle zmieniającego się świata fizycznego. Aby tego dokonać, zespół AGICortex wykorzysta autorskie algorytmy uczenia maszynowego umożliwiające automatyczne przyswajanie nowych informacji bez konieczności odrębnych sesji treningu (tzw. uczenie w trybie ciągłym), a także analizę ruchu, głębi oraz dodatkowych informacji kontekstowych – analogicznie do tego, jak działa biologiczny mózg. Ma to być część narzędzi programistycznych, jakie startup z Poznania zaoferuje klientom.
Czas na generalną sztuczną inteligencję
– Stopniowo uczymy maszyny modelu świata, otaczającej rzeczywistości, który może potem zostać wykorzystany w wielu różnych zastosowaniach, a pozyskane dane mogą być współdzielone z innymi urządzeniami. Przełomowe w naszej technologii jest to, że możemy uczyć AI nowych informacji, także nie wiedząc, do czego zostaną one później wykorzystane – mówi Maciej Wolski, prezes i współzałożyciel AGICortex. – Nasze modele są w stanie zrobić wiele rzeczy naraz. Mogą być bardzo duże, ale tak jak ludzki mózg wykorzystują tylko niewielki procent tego, co jest im akurat potrzebne. To istotny krok w kierunku generalnej sztucznej inteligencji mającej dorównać człowiekowi – kontynuuje.
Czytaj więcej
Automatyczny kucharz w restauracji to już nieodległa przyszłość. Jeden z lokali we Wrocławiu zatrudnił właśnie roboty do pracy w kuchni. Roboty w gastronomii to lek na brak kadr.
Spółka tworzy od podstaw AI, a jej rozwiązania mogą być finalnie „zaszyte” w dowolnym urządzeniu: robocie, dronie czy w systemach monitorujących i analitycznych. Spółka już przyciąga uwagę firm, które poszukują takich rozwiązań.
– W klasycznym ujęciu wdrożenie np. robotów w 100 oddziałach szpitalnych zajęłoby kilkadziesiąt miesięcy, bo każda przestrzeń jest inna – zatem każda lokalizacja musiałby zostać potraktowana jako osobny projekt. Natomiast nasza AI zainstalowana w robotach sprawia, iż wiedzą one, że np. muszą rozpoznać określone typy obiektów, np. łóżka pacjentów, szafki czy drzwi, a robot sam doucza się różnic, czyli wszelkich atrybutów wizualnych czy dźwiękowych – wyjaśnia Wolski.
Są już pieniądze na badania i rozwój
AGICortex przekonuje, iż dzięki wykorzystaniu zautomatyzowanej technologii uczenia w trybie ciągłym niezbędny czas i koszty wdrożeń redukowane są do minimum. To pozwala na zaplanowanie i wdrożenie projektów, które dotąd nie miały uzasadnienia ekonomicznego. Taka wizja przyciągnęła inwestorów. Startupowi 1 mln zł finansowania zapewnił właśnie fundusz SpeedUp Venture. Pieniądze posłużą realizacji projektu B+R związanego z rozpoznawaniem obiektów z wykorzystaniem technik machine learning w trybie ciągłym. Istniejące technologie wciąż oferują stosunkowo niską dokładność, która nie przekracza 60 proc. poprawnych klasyfikacji.
Spółka jest jeszcze przed etapem komercjalizacji pomysłu. – Już jest ona w kontakcie z kilkoma potencjalnymi partnerami produkującymi urządzenia, w których mogłyby zostać umieszczone algorytmy AGICortex. Identyfikacja pierwszych użytkowników jest kluczowa na tym etapie rozwoju – zaznacza Tomasz Czapliński, partner zarządzający SpeedUp Group.
Co warto wiedzieć o ESG? Jej znaczenie dla firm i gospodarki.
Początki AGICortex sięgają 2014 r., gdy Maciej Wolski rozpoczął niezależne badania nad innowacyjnymi sieciami neuronowymi. Bazując na wiedzy z zakresu neurobiologii, biochemii i informatyki, udało mu się wypracować kierunek rozwoju, który spółka kontynuuje do dziś. Pomogły też doświadczenia zdobyte w międzynarodowych korporacjach produkujących urządzenia wykorzystujące AI, jak Samsung i Demant. To właśnie w trakcie pracy w tej drugiej firmie poznali się Wolski oraz Konrad Biernacki i Michael Porsbo, założyciele startupu.
W grupie Demant każdy z nich odpowiadał za inny obszar działalności, ale połączyła ich wspólna wiara w sukces zaprojektowanej od zera technologii. Teraz może to być niezwykle lukratywny biznes.
Wedle ostatniego raportu MarketsandMarkets segment oprogramowania AI przetwarzającego dane na urządzeniach lokalnych będzie bowiem w kolejnych latach jednym z najszybciej rosnących obszarów rynku sztucznej inteligencji oraz uczenia maszynowego na świecie. Szacuje się, że średnio ten obszar rynku ma rosnąć w tempie przekraczającym 20 proc. rocznie. Analitycy prognozują, że jego wartość w 2026 r. sięgnie globalnie 1,8 mld dol.
