Umělá inteligence na vzestupu. Strojové učení bude v Kiwi.com předvídat ceny letenek

Strojové učení jako součást umělé inteligence je dnes velká téma prakticky napříč všemi odvětvími. Z univerzitních laboratoří se již dávno přesunulo nejen do velkých firem, ale také menších startupů – výhody se snaží najít všichni. Platí to také pro Kiwi.com, které chce díky strojovému učení lépe predikovat ceny letenek.

Využití strojového učení je mnoho. Dokáže pracovat s obrovským množstvím dat, které je však třeba předtím velmi dobře nastavit. Umí šetřit náklady, zefektivnit práci a také předpovídat různá rizika. Právě strojovým učením se zabývá přední český odborník Jiří Materna, který nyní nasazuje machine learning v Kiwi.com.

Strojovým učením k nejlevnější letence

Pro úspěšnou českou firmu je klíčové, aby v obrovském množství dat, které získává z různých zdrojů po celém světě, našla v co nejkratší době ty nejlepší nabídka, propojila je a nabídla zákazníkům. Mluvíme tu pochopitelně o cenách jednotlivých letenek, které pak Kiwi.com předkládá zákazníkům ve výhodných balících.

„Při obrovském množství všech letů na světě a snaze mít co nejpřesnější data musíme za dotazování na cenu vynakládat nemalé prostředky. Proto je mojí snahou predikovat, kdy dojde ke změně ceny letenky a jak dlouho tedy můžeme naposledy potvrzené ceně letenky věřit, abychom množství potřebných dotazů minimalizovali,“ vysvětluje využití strojového učení Jiří Materna, který vedl výzkumný tým také například v Seznam.cz.

Jiří Materna, český Machine Learning Guru

Dobrá data klíčem ke všemu

Strojové učení tu je sice už několik desítek let, respektive ho minimálně tak dlouho zkoumají na univerzitách a výzkumných pracovištích, ale rozhodně se nejedná o žádnou triviální záležitost. Kdo chce machine learning efektivně využívat, musí se na to důkladně připravit.

Pokud firma neprovede důkladnou analýzu svých dat, na jejichž základě pak bude stavět, neuspěje. „Nejdůležitější a nejobtížnější částí návrhu algoritmu strojového učení je důkladná analýza, pročištění a porozumění datům. Teprve poté je zkušený člověk schopný vybrat a odladit vhodný algoritmus pro řešení daného problému,“ vysvětluje Jiří Materna.

Jakmile se totiž analytici pustí do zkoumání a čištění dat, často dojdou k překvapivému závěru, že daný problém vlastně vůbec není tak složitý. Strojové učení tak nakonec v daném případě ani nemusí mít smysl, protože řešení je bez něj efektivnější.

Na efektivní machine learning potřebujete velmi výkonné počítače a další zdroje, takže je třeba zvážit, zda dává jeho využití skutečně smysl. Trendem posledních let jsou umělé neuronové sítě, což je jeden z výpočetních modelů používaných právě v rámci umělé inteligence a nachází stále více využití.

SpaceKnow využívá machine learning pro své analýzy

Strojové učení pro všechny

Klíčové je, že machine learning je dnes přístupný prakticky všem. Využívá se v průmyslu například pro doporučování zboží, ale také pro predikci časových řad či určování bonity potenciálních příjemců půjček. Právě při půjčkách se na strojové učení obrací český startup Twisto se svým skóringovým algoritmem Nikita.

Není to ale zdaleka jediný startup v České republice. Strojové učení využívají také v Neuron soundware nebo SpaceKnow, a to především pro automatizaci. Neuron soundware umí analýzou zvuku automaticky rozpoznat poruchy a nestandardní chování průmyslových strojů. Jejich software dokáže upozornit na problém ještě předtím, než ho – obvykle pozdě – objeví člověk.

Ve SpaceKnow zase automatizují analýzu obrovského množství satelitních snímků, z nichž získávají užitečné informace, převážně ekonomického rázu. Díky strojovému učení mohou mnohem snadněji analyzovat obrovské balíky dat a zároveň přinášet přesnější analýzy.

Jiří Materna, jakožto jeden z předních českých odborníků na machine learning, ovšem upozorňuje, že strojové učení není samospásné. „S nárůstem popularity strojového učení u nezkušených firem jdou ruku v ruce i časté neduhy s tím spojené. Jednou z nejrozšířenějších chyb je představa systému strojového učení jako kouzelné krabičky, které se jen poskytnou data a ona bude dělat zázraky. Tak to ale téměř nikdy nefunguje,“ dodává.

I proto pořádá Kiwi.com v čele s Jiřím Maternou v Brně ve dnech 27. až 29. října Machine Learning Weekend, jehož cílem je podpořit technologickou komunitu a rozvíjet vzdělávání v oblasti strojového učení.

Diskuze k článku