USD 0.85 btc 37295.48
facebook
twitter
instagram
linkedin
Žurnāls
Abonē žurnālu
Piesakies iknedēļas jaunumiem

Pierakstieties uz svarīgākajiem biznesa un tehnoloģiju materiāliem Latvijā

USD 0.85 btc 37295.48
Uzņēmēji 05. Maijs 2021

Datorskolotājs

Katrīna Iļjinska

Forbes Staff

Agnis Jakubovičs pameta darbu vienā no prestižākajām IT jomas darbavietām Accenture, lai varētu nodarboties ar sev mīļo programmēšanu. Viņam nebija pat viena klienta, bet tagad ir visi priekšnosacījumi, lai kļūtu par Latvijas mākslīgā intelekta tirgus līderi.

Ienākot Apply plašajā birojā, visapkārt redzamas neizprotamas lietas – kazino galds, milzīgs skaits dažādu formu tukšu pudeļu, mikroskops, taras pieņemšanas aparāts, videokameras… Virkne savstarpēji nesaistītu lietu, kas nedaudz atgādina mana vectēva istabu, kurā sakrātas nevajadzīgas mantas, jo vienkārši ir žēl izmest. Taču šeit viss ir vajadzīgs. Šeit, Agņa Jakuboviča uzņēmumā, jau kopš 2012. gada datoriem māca atpazīt priekšmetus un novērtēt to kvalitāti. Un jāatzīst, ar panākumiem. 2020. gadā uzņēmums apgrozīja 1,4 miljonus eiro, bet šogad gaida vismaz 20% pieaugumu.

Fizmatu dēls autodidakts Agnis Jakubovičs IT pasaulē dzīvo jau no bērna kājas. Skolā viņš juties atstumts, jo pašam šķiet, ka atpalika attīstībā, būdams īsākais zēns klasē, tāpēc lielāko daļu laika pavadījis, izmēģinot dažādas aizraušanās. Ilgu laiku nodarbojies ar cīņām, bet tad pievērsies datoriem. Viņa tēvs ir fizikas skolotājs, lai gan profesijā nestrādā, māte – matemātikas skolotāja, kura daudzus gadus, vēl astoņdesmitajos, strādāja par programmētāju skaitļošanas centrā. Tur Agnis arī pirmo reizi iepazinies ar datoriem. “Es gāju pie viņas uz darbu, spēlēju spēlītes, tur es arī pirmo reizi redzēju datorus. Tad es ar tiem arī saslimu. Kopumā var teikt, ka manā bērnībā datori bija pieejami,” atceras Agnis. Skolā apdāvinātie bērni varēja iegūt datorus lietošanai mājās. “Lai arī nedomāju, ka esmu īpaši apdāvināts, man bija dzīva interese,” stāsta uzņēmējs. Datorzinības zēnam iepatikās, un jau septītajā klasē Agnis pat palīdzēja datormācības skolotājam vadīt programmēšanas pulciņu.

Vēlāk nu jau pirmkursnieks Agnis sāka strādāt uzņēmumā Columbus IT Partners par X++ programmētāju, un līdz ar to studijas aizvirzījās otrajā plānā. Formālais diploms tā arī nenonāca Agņa dokumentu plauktos – gluži kā daudziem pasaulslaveniem interneta un datoru jomas uzņēmējiem. Taču diploma vietā viņam ir kas cits ievērības cienīgs – Baltijas valstīs visvairāk pieredzējusī kompānija, kas nodarbojas ar mākslīgā intelekta risinājumiem.

Augstskolas vietā Agnis vispirms ieguva darba pieredzi, strādājot gan Lattelecom, gan kādreizējā uzņēmumā IT Alise (tagad Tieto), pēc tam atkal Lattelecom un visbeidzot Accenture. Tur aizrautīgajam programmētājam uzticēts Eiropas Komisijas pasūtīts projekts, kur vairāk bija birokrātijas nekā programmēšanas. “Tad es izdomāju – iešu prom, būšu frīlansers, atkal varēšu programmēt,” teic Agnis. Viņš tā arī izdarīja un nodibināja uzņēmumu Apply. Pirmais klients parādījās teju uzreiz, pēc trim mēnešiem viņš pieņēma darbā pirmos divus kolēģus, bet pēc pusgada nodarbināja jau deviņus. Viens no darbiniekiem ļoti aizrāvās ar mākslīgo intelektu, neironu tīklu sistēmām; pasaulē šī joma sāka uzplaukt. “Tad arī man bija klikšķis – sapratu, ka nākotnē bez mākslīgā intelekta vairs nekas nebūs,” saka Agnis.

Kad tieši cilvēki sāka domāt par mākslīgo intelektu, tas ir interpretējams jautājums. Piemēram, Forbes ASV tehnoloģiju apskatnieks Džils Press savā ļoti īsajā mākslīgā intelekta vēstures apskatā iekļāvis gan viduslaiku katalāņu filozofa Raimunda Lullija idejas, gan 1726. gadā Džonatana Svifta citātu no Gulivera ceļojumiem, kas parodē tā paša Lullija idejas: “Pirmo profesoru es ieraudzīju lielā telpā un apkārt tam četrdesmit skolniekus. Pēc apsveicināšanās pamanījis, ka nopietni vēroju kādu ierīci, kas aizņēma lielāko daļu telpas kā garumā, tā platumā. Viņš teica, ka es varbūt brīnīšoties, redzot viņu izstrādājam projektu par spekulatīvās zinātnes uzlabošanu ar praktiskiem un mehāniskiem paņēmieniem. Bet pasaule drīz sapratīšot, cik tie noderīgi, viņš pats sev glaimojot, ka cēlāka un diženāka doma vēl nekad neesot radusies kāda cilvēka galvā. Ikviens zinot, cik grūta ir parastā metode, kādu lieto mākslu un zinātņu apgūšanai, bet ar šo izgudrojumu palīdzību vislielākais nepraša par mērenu maksu un ar nelielu fizisku piepūli varot sarakstīt grāmatas par filozofiju, dzeju, politiku, likumdošanu, matemātiku un teoloģiju, pat ja tam nav nekāda talanta, nedz izglītības.”

 Taču termins mākslīgais intelekts pirmo reizi radās pirms 65 gadiem ASV, Dartmutas koledžā. To izdomāja Džons Makārtijs, cenšoties nodalīt šo jomu no kibernētikas, taču prātuļojumi par to, vai datori, mašīnas spēj domāt, bijuši arī pirms tam. Piemēram, 1950. gadā angļu matemātiķis Alans Tjūrings izdomāja testu, lai noteiktu, vai mašīna spēj domāt kā cilvēks. Tests bija vienkāršs: tiesnesis vada sarunu ar divām pusēm – cilvēku un mašīnu. Ja tiesnesis nespēj noteikt, kurš atbild, tad mašīna testu ir izturējusi un to var uzskatīt par mākslīgo intelektu.

Ap 2012. gadu mākslīgā intelekta joma pasaulē sāka straujāku attīstību. Trīs gadu laikā pasaules uzņēmumi palielināja savas investīcijas mākslīgajā intelektā no 26 miljardiem dolāru 2013. gadā līdz 39 miljardiem 2016. gadā, liecina McKinsey Global Institute dati. Savukārt investīciju apjoms, ko ieguldījušas nevis pašas kompānijas, bet investori no ārpuses, palielinājās trīs reizes. McKinsey dati liecina, ka visstraujāk mākslīgā intelekta risinājumus savā darbā adaptē tehnoloģiju, telekomunikācijas, automatizācijas un finanšu servisu kompānijas, vidēji ātri – mazumtirdzniecība un mediji, izklaide, bet visgrūtāk ar to ir veselības aprūpē, izglītībā un tūrismā.

Agnis Jakubovičs tajā laikā iedziļinājās pasaules praksē, taču pārvērtēja Latvijas situāciju. “Man likās, ka tas aizies daudz ātrāk. Es kādus četrus gadus skraidīju apkārt un skaidroju, kas tas vispār ir, un saņēmu atbildes: “Jā, bet tas jau tiem lielajiem Microsoft un Google, ko tad mēs te…” Un tad mēs sapratām – mūsu misijai ir jābūt skaidrot, ka tehnoloģija ir pieejama ne tikai lielajiem pasaules uzņēmumiem, bet arī maziem un vidējiem.”

Pirmos gadus teju visi projekti mākslīgā intelekta nišā nesa zaudējumus un tika līdzfinansēti no klasiskā IT projektiem. “Pirmie projekti bija veiksmīgi tikai no tā viedokļa, ka mēs tos patiešām spējām īstenot. Par peļņu nebija runas. Visu laiku bija jāapgūst jaunas situācijas, un mēs pat nevarējām adekvāti novērtēt, cik tad tas projekts aizņems laiku un naudu. Bet, ja mēs klientam jau pateicām cenu, tad to arī nodrošinājām; klients nav vainīgs, ka mēs nespējam sarēķināt,” pieredzē dalās Agnis. Toties projekti, kas nes zaudējumus, dod labu motivāciju mācīties ātrāk. Pirmajos gados Agnim finansiāli palīdzēja brālis Valts. No vispārzināmajiem friends, family, fools investoriem brālis pilda ģimenes investora funkciju. “Es nezinu, vai viņš ticēja manai idejai, vai arī vienkārši ticēja, ka man kaut kas sanāks,” saka Agnis. Valts noticēja līdz galam un pēc dažiem gadiem atnāca uz uzņēmumu strādāt pilnu slodzi.

Kamēr Agnis vēl eksperimentēja, mācījās un pildīja misiju, skaidrojot uzņēmējiem, ka mākslīgais intelekts – tā ir nākotne, pasaules milži jau skaitīja efektivitātes rādītājus. Piemēram, 2017. gadā, pamatojoties uz jau īstenotajiem projektiem, McKinsey saskaitīja, ka, izmantojot autonomu transportu mazumtirdzniecības noliktavās, par 30 % samazinās laiks, ko prece pavada noliktavā, jo mašīnas ātrāk reaģē uz preču trūkumu plauktos un spēj nodrošināt ātrāku sortimenta papildināšanu. Arī citās jomās uzlabojumi bija būtiski. Kāda aviokompānija izmantoja risinājumu, kas optimizēja lidojumu maršrutus, un tādējādi tai izdevās par 12 % samazināt degvielas patēriņu. Panākumi bija arī izglītībā – izrādījās, ka virtuālie skolotāji spēj atbildēt uz 40 % skolēnu uzdoto rutīnas jautājumu.

Projekti ir diezgan skaidri un balstās problēmu risinājumos. Pēc Agņa vārdiem, pēc būtības visus projektus var iedalīt divās lielās grupās: atsevišķi produkti, ko klients tirgos tālāk, un problēmu risinājumi. Pirmajā gadījumā tie ir ilgtermiņa projekti, arī ļoti dārgi. Piemēram, Apply jau sešus gadus strādā pie kāda mikroskopa. “Iemesls ir tāds, ka uzreiz nav īsti skaidrs, kādām tām funkcijām ir jābūt. Koncepts ir skaidrs, bet kā jau inovatīviem produktiem jādomā kaut kas pavisam jauns. Tad klients paskatās un saka – nē, nav līdz galam tas, ko gribam.” Turklāt šādos gadījumos var būt problēmas ar nepieciešamo detaļu pieejamību, bet var arī gadīties – kamēr notiek darbs pie produkta, progress jau ir soli priekšā. Agnis gan mierina: “Šobrīd ejam soli solī ar pasauli, neatpaliekam. Taču mikroskopijā, piemēram, ir ļoti konkrētas lēcas ar konkrētiem parametriem. Tad, kad mēs sākām, tādu nebija, bet tagad jau ir, varam lietot.”

Vieglāk un ātrāk ir ar otrā veida projektiem. “Atnāk ražotājs ar kādu problēmu un nezina, kā to atrisināt, lūdz izdomāt, vai mākslīgais intelekts varētu palīdzēt. Tur ir skaidrs uzdevums.” Laika ziņā īsākais projekts līdz šim bija divi mēneši, bet garākais – pusgads. Pakalpojums ir pieejams, un atkarībā no uzdevuma sarežģītības cena sākas tikai no 20 tūkstošiem eiro. Kā tad tas strādā?

Apply specializējas tieši uz datorredzes risinājumiem – māca datorizētām sistēmām atpazīt dažādas bildes, priekšmetu izskatu un citus parametrus. Pēc būtības sistēmā tiek ielādēts milzīgs daudzums bilžu, kuras tā uztver, piefiksējot dažādas nianses, pazīmes, nosacījumus. Pēc tam, balstoties uz uzkrāto informāciju, tā spēj izdarīt secinājumus un sniegt atbildes. Klasiskā IT darbojas līdzīgi, taču atšķirība ir faktā, ka klasiskajā IT visi nosacījumi datoram tiek ieprogrammēti bez iespējas interpretēt, bet mākslīgā intelekta sistēma nosacījumus un pazīmes uzkrāj pati no liela datu apjoma. Tālāk sistēma tiek testēta, kļūdu gadījumā iekrātā informācija tiek dzēsta. Tad atkal tiek ielādētas jaunas bildītes, kuras atkal uzkrājas. Tā tas tiek atkārtots līdz brīdim, kad tiek sasniegta augstākā precizitāte. Ieskatam – daži piemēri no Apply pieredzes.

Pēc kazino pasūtījuma kompānija izgatavoja sistēmu, kas varētu aizstāt kazino inspektoru (cilvēks, kurš kazino stāv blakus krupjē un seko līdzi spēlei, lai novērstu kļūdas) vai arī pitbosu (dara to pašu, tikai vērojot spēli attālināti). Kamerām, kuras tiek uzstādītas kazino zālē, tiek iemācīts, kā izskatās čipi, cik tie ir biezi un kā noteikt to daudzumu, kāda ir vērtība katras krāsas čipam, kā var būt izvietotas kārtis, piemēram, Black Jack spēlē – ka tās var pārklāties, kā likmes var splitot, kā atpazīt, vai spēlē divi dažādi spēlētāji, vai arī viens, bet uz vairākiem boksiem, un tamlīdzīgas nianses. Kad sistēma ir iemācīta, tā spēj saskaitīt laimestus, konstatēt, ja krupjē ir kļūdījies vai klients ir krāpies, un cik naudas ir izmaksāts.

Viens no projektiem, kuru neizdevās īstenot, jo trūka piekļuves CSDD datiem, varētu atrisināt degvielas zādzību problēmu. Iemācīta kamera varētu atpazīt degvielas uzpildes stacijā iebraukušo auto un salīdzināt tā numurzīmi ar informāciju no CSDD datu bāzes. Ja informācija (piemēram, krāsa) sakrīt, tad klientam tiek ļauts maksāt ar pēcapmaksu, ja nesakrīt, tātad numuri ir viltoti un klientam vispirms ir jāsamaksā.

Ievērības cienīgs piemērs ir arī olu ražotāja BalticOvo pasūtījums olu kontroles kvalitātei. Radītā sistēma spēj atpazīt, cik kvalitatīvi tiek atdalīts olu baltums no dzeltenuma, kāda abām vielām ir viskozitāte, vai dzeltenumā nav asinis un vai baltumā nav iekritušas čaumalas. Tas viss palīdz noteikt ne tikai to, vai vistas nav slimas, bet arī to, vai nepieciešama iekārtu apkope, piemēram, nažu trīšana. Turklāt sistēma skaita saražotās gatavās olas un ļauj salīdzināt vistu produktivitāti, kā arī pašu olu kvalitāti un pat vistu veselības stāvokli. Piemēram, ja olas ir aplipušas, tas var liecināt, ka vistai ir gremošanas traucējumi. 

Patlaban Apply strādā 35 cilvēki, un kompānijai ir skaidrs redzējums par attīstību nākotnē, kā arī pirms pāris gadiem pievienojies vēl viens investors – Agņa bijušais priekšnieks Elmārs Gengers, kuram piederēja IT Alise. Agnis Jakubovičs vērtē, ka tirgus potenciāls ir liels, pašlaik piedzīvojam ir šīs jomas sprādzienu. Lai novērtētu, cik liels ir šis potenciāls, ielūkosimies datos! 2017. gadā McKinsey prognozēja mākslīgā intelekta tirgus pieaugumu līdz 126 miljardiem dolāru 2025. gadā, bet Fortune Business Insights pērn šo prognozi uzlaboja – 2026. gadā mākslīgā intelekta risinājumu tirgus būšot 202 miljardi dolāru. Cerams, ka Apply izaugsme neatpaliks.

Raksts publicēts žurnāla aprīļa numurā.

...

Next page

Piesakies iknedēļas jaunumiem