Silnik AI do interpretacji tekstu

Dzięki algorytmom lingwistycznym i umiejętnościom wnioskowania Smabbler analizuje dokumenty naśladując człowieka. Kiedy czytamy artykuł nie zastanawiamy się na bieżąco nad jego składnią. Potrafimy jednak odpowiedzieć na pytania o temat, wskazać główne wnioski, części zdania, zrobić streszczenie. Zdobytą wiedzę wykorzystujemy później w innych sytuacjach. Tak jak Smabbler.

Łukasz Pytel, CEO Smabbler. FOTO: Smabbler

Smabbler to firma technologiczna z Wrocławia rozwijająca sztuczną inteligencję do pracy z danymi tekstowymi. Firma jest zwycięzcą programu akceleracyjnego dla startupów technologicznych - MIT Enterprise Forum, gdzie zdobyła nagrodę publiczności i wygrała udział w Boston Bootcamp w Massachusetts Institute of Technology.

Żeby sprostać wyzwaniom biznesu nie wystarczy już proste identyfikowanie kluczowych fraz. Rozwiązania do pracy z danymi tekstowymi muszą radzić sobie z kontekstem i znaczeniem. Do tego niezbędne jest rozumienie struktury języka. Rozwiązania zaawansowane nie tylko przetwarzają dane tekstowe ale potrafią też przeprowadzić rozumowanie i wyciągnąć wnioski z analizowanych informacji.

Dzięki algorytmom lingwistycznym i umiejętności wnioskowania Smabbler analizuje dokumenty naśladując człowieka. Kiedy czytamy artykuł nie zastanawiamy się na bieżąco nad jego składnią. Potrafimy jednak odpowiedzieć na pytania o temat, wskazać główne wnioski, części zdania, zrobić streszczenie. Zdobytą wiedzę wykorzystujemy później w innych sytuacjach. Tak samo działa Smabbler. Może wykonać wiele zadań językowych, od klasyfikacji dokumentów i wskazywania istotnych informacji, po ich streszczanie i odpowiadanie na pytania. Smabbler czytając uczy się nowych pojęć i rozbudowuje wiedzę, aby wykorzystać zebrane informacje w nowych zadaniach.

Potencjalnym odbiorcą rozwiązania są firmy, które na co dzień obsługują wielu klientów lub pracują z dużą ilością dokumentów. Rozwiązanie automatyzuje wiele złożonych zadań wymaganych przy pracy z tekstem. Ma to szczególne znaczenie w procesach takich, jak obsługa klienta, która w dużej mierze opiera się na analizie komunikacji. Smabbler o 99% redukuje czas potrzebny na analizę i wielowątkową klasyfikację tekstu. Informacje mogą następnie zostać przesłane do odpowiedniego odbiorcy lub automatycznie uzupełnione w odpowiednich systemach.

Pola działania Smabblera

Pola działania Smabblera

Firmy, które wdrażają u siebie technologie automatyzujące procesy, często jako główną barierę wskazują dane tekstowe. Treść nieustrukturyzowana co powoduje, że jest bezużyteczna dla systemów, które dla poprawnego działania wymagają precyzyjnej struktury danych. Tutaj z pomocą przychodzi Smabbler, który jako „efekt uboczny” wykonywanej analizy tworzy ustrukturyzowaną bazę danych. W ten sposób może nie tylko wspierać automatyzację ale również działania analityczne.

Wiele firm wciąż zastanawia się nad opłacalnością adaptacji inteligentnych technologii. W przypadku Smabblera nie bez znaczenia jest skalowalność rozwiązania, która pozwala na obsługę wielu procesów i integrację źródeł danych. Rozwiązanie może być zastosowane nie tylko w procesie obsługi klienta i analizie dokumentów. Smabbler może jako silnik może również funkcjonować jako Inteligentny Asystent wspierający zarówno pracowników jak i klientów.

Technologia, nad którą od kilku lat trwają prace w Smabbler, jest rozwijana w kierunku Generalnej Sztucznej Inteligencji (ang. Artificial General Intelligence, „AGI”). Celem jest stworzenie rozwiązania, które umożliwi swobodną komunikację między człowiekiem i maszyną. Rozwiązanie jest aktualnie testowane przy współpracy z kilkoma dużymi firmami w Polsce i UK, analizuje też rynek startupów na potrzeby kolejnej edycji MIT Enterprise Forum CEE.

„Kiedy wyobrażamy sobie przyszłość sztucznej inteligencji, zazwyczaj kojarzymy maszynę, które komunikują się jak człowiek. Nie możemy mówić o prawdziwej sztucznej inteligencji, jeżeli nie idzie za tym rozumienie języka, jego znaczenia i kontekstu.

Przyjęło się, że rozwiązania wykorzystujące statystykę, takie jak sieci neuronowe czy popularne ostatnio głębokie uczenie, rozwiążą wszystko. W ten sposób podchodzi się też do języka. Ale język nie jest statystyczny. My, ludzie, potrzebujemy kontekstu, wnioskujemy o przyczynach i skutkach. Maszyna bez kontekstu nie będzie mogła się z nami inteligentnie komunikować. A przecież taki jest cel. Wytwarzamy coraz więcej danych, większość jest nieustrukturyzowana i ma formę tekstu. W biznesie takie dane są obecne w wielu krytycznych procesach. Już teraz tracimy dużo cennych informacji. Z pomocą rozumiejących język maszyn przetwarzanie ich przestanie być problemem”
– mówi Łukasz Pytel, CEO, Smabbler.