Sztuczna inteligencja w księgowości

Software is eating the world, czyli po polsku oprogramowanie zjada świat. To słynny artykuł napisany przez Marca Andreessena. Dosłownie tydzień temu na konferencji CEO Nvidia powiedział „Software Is Eating the World, but AI Is Going to Eat Software”, czyli „oprogramowanie zjada świat, ale sztuczna inteligencja zamierza zjeść oprogramowania”.

AI ma ogromny wpływ na nasze życie już teraz. Świat zmienia się szybciej niż myślisz, pozwolę sobie użyć tej frazy jeszcze raz. Dzisiaj porozmawiamy o temacie, który raczej znają wszystkie biznesy (niezależnie od branży czy wielkości). To jest temat księgowości, a w szczególności faktur.

Sztuczna inteligencja w księgowości

Zgodnie z oszacowaniami Accenture, link będzie w notatkach, wynika, że 80% księgowych i finansowych zadań będzie zautomatyzowane do 2020 roku. I jak domyślasz się, sztuczna inteligencja im w tym pomoże…

Na rynku globalnym już teraz istnieje kilka rozwiązań. Jeden z większy graczy, firma Xero, która poprzez swój rozmiar firmy może mieć pewne problemy z adaptacją do rzeczywistości,  jednak też zaczęła używać uczenia maszynowego.

Dima Boyko jest specjalista uczenia maszynowego w firmie InFakt i zgodził się podzielić się swoim doświadczeniem.

Zapraszam!

Vladimir
Cześć Dima… powiedz, kim jesteś i czym się zajmujesz na co dzień?

Dima
Cześć wszystkim. Jestem programistą, interesuję się nowymi technologiami. W tej chwili pracuję w firmie InFakt, rozwijam produkt Arbitrue, o którym pewnie jeszcze później wspomnę.

Vladimir
Wiem, że lubisz czytać, ale również książki mniej techniczne. Powiedz, co ostatnio czytałeś?

Dima
Oczywiście wszystkim mogę polecić książkę, nie wiem, czy jest mniej techniczna, czy bardziej techniczna, ale dla osób zainteresowanych tematyką podcastu na pewno będzie ciekawa książka Nicka Bostroma „Superintelligence”. Również ostatnio przeczytałem w końcu, bo dawno miałem plan przeczytać tę książkę, The Hitchhiker’s Guide to the Galaxy, więc też polecam. I teraz jestem w trakcie czytania eksperymentalnej dla siebie książki Stevena Kinga „Under the Dome”.

Vladimir
A co było ciekawego w tej drugiej książce, The Hitchhiker’s Guide to the Galaxy?

Dima
Jest to książka, która napisana została na podstawie radio show. Jest to stosunkowo bardzo stara książka, która opisuje podróż po galaktyce osoby, która została zabrana z Ziemi na kilka minut przed zniszczeniem. Dosyć, zabawna książka mimo tego, że opisuje jednak ciekawe tematy.

Vladimir
Dobrze, rozumiem. Powiedziałeś, że pracujesz w InFakt i dla osób które nie wiedzą o niej, powiedz czym się zajmuje firma, jakie problemy rozwiązuje i w jaki sposób.

Dima
Firma InFakt działa na polskim rynku fintech i dostarcza szybkie i wygodne online rozwiązania dla księgowości i fakturowania. Pozwala to przedsiębiorstwom skupić się na swoim biznesie. InFakt oferuje kilka produktów, między innymi program do fakturowania (taki elastyczny i wygodny sposób do wystawiania faktur) oraz program do księgowości, chmurowe rozwiązania do samodzielnego prowadzenia swojej księgowości oraz ostatnio najnowsza usługa ogólnopolskie biuro rachunkowe — usługa łącząca przedsiębiorstwa i księgowych.

Vladimir
Sam pomysł InFakt, przenieść księgowość do internetu jest już dość innowacyjny (albo przynajmniej tak było jeszcze kilka lat temu). Wiem, że poszliście dalej, a mianowicie zaczęliście używać machine learning. Jak to się stało, że zdecydowaliście się użyć uczenia maszynowego? Czy to była szybka decyzja poprzez inspirację, czy raczej dość wolna droga…

Dima
InFakt z produktem działa od 2008 roku. Na pewno to nie była szybka decyzja, czy decyzja wspierana przez trendy uczenia maszynowego. Jak zawsze szukaliśmy pomysłu jak jeszcze bardziej ułatwić życie księgowym oraz użytkownikom naszej aplikacji i jednym z dobrych feature usługi ogólnopolskiego biura rachunkowego jest łatwość dostarczania plików do księgowego. Wystarczy tylko zrobić zdjęcie faktury i ona zostanie odczytana i wysłana do zaksięgowania w aplikacji InFakt.

Po drugiej stronie księgowy nie musi nawet odczytywać tych danych, robi dla nas to firma zewnętrzna, tylko dostaje wypełniony formularz, w którym musi podjąć decyzje jak to zaksięgować i potwierdzić to. Jednak dużo czasu schodzi od momentu zrobienia zdjęcia czy wrzucania pdf’u do aplikacji www do momentu aż użytkownik ujrzy status – zaksięgowano. Więc stwierdziliśmy, że dodamy moduł do ułatwienia tego procesu do automatycznego księgowania plików. I właśnie z takiej potrzeby pojawił się projekt auto księgowania.

Vladimir
Super. Widzę, że mieliście faktycznie obszar, gdzie mogliście tego użyć, bo teraz często tak bywa, że firmy na siłę próbują znaleźć zastosowania do uczenia maszynowego. Czyli najpierw uczą co to jest uczenie maszynowe, a później próbują znaleźć problem, a nie odwrotnie. W waszym przypadku było akurat naturalne podejście. Mieliście problem i chcieliście go zoptymalizować i uczenie maszynowe wam w tym pomogło.

Jeżeli chodzi o branżę finansową i kiedy mówimy o uczeniu maszynowym, mówi się że jest coś takiego jak robo-advising. Kiedy mówimy o księgowości, spotkałem się z taką terminologią jak robo-accounting, po polsku to może zabrzmieć jako robo-księgowy. Brzmi trochę śmiesznie, ale czy myślicie o tym, że po jakimś czasie zamiast człowieka będzie komputer?

Dima
Chcieliśmy trochę ułatwić pracę naszym księgowym, więc postanowiliśmy dodać taki moduł, który pozwala im zaoszczędzić dużo czasu dla bardziej kreatywnej pracy.

Vladimir
Czyli tutaj chodzi o to, że robo-accounting ma wyeliminować czynności najbardziej rutynowe, powtarzające się.

Dima
Właśnie. Czyli taka manualna powtarzająca się praca jest zastąpiona przez auto-księgowego.

Vladimir
Przed wchodzeniem w szczegóły, co to jest OCR. Jak wytłumaczysz to nie technicznej osobie?

Dima
Jest to proces przetwarzania dokumentu (w naszym przypadku), a tak ogólnie jednostki fizycznej, jednostki z informacją do stanu cyfrowego, tak zwana digitalizacja. Natomiast warto tutaj wspomnieć, że w przypadku InFakt i auto księgowania nie jest dla nas największym celem  zrobienia tylko OCRowania, digitalizacji tych dokumentów, a także nie jest to największym wyzwaniem, bo są wydajne silniki na rynku, firmy działające na tym obszarze i które zrobią to z dostateczną precyzyjnością. Dużo trudniejsza jest interpretacja tego ciągu znaków otrzymanych po OCR.

Vladimir
Teraz dopytam się o trochę więcej szczegółów. W drugim odcinku podcastu wspomniałem o trzech czynnikach, dlaczego uczenie maszynowe zaczęło działać teraz. I to było: algorytmy, dane oraz moc obliczeniowa. Pytanie, czy z tym się zgadzasz, może coś warto jeszcze dodać?

Dima
Tak, i moim zdaniem najważniejsze są tutaj dane, dostępność tych danych, narzędzia do analizy danych.

Vladimir
Przejdźmy po każdym z tych punków. Jak dużo i jakie macie dane?

Dima
Tak jak wspominałem, firma InFakt działa od 2008 roku i mamy około 400 tysięcy użytkowników. Więc dane do analizy, na szczęście, mieliśmy. To są dane, po których księgowy poznaje danego użytkownika (historie księgowań tego użytkownika) i na podstawie tych danych nasz moduł auto księgowania później pomaga w pracy księgowemu.

Vladimir
Miałem okazję poznać jednego założyciela startupu Rossum. Oni mają bardzo ambitne plany w kontekście globalnym. W rozmowie dowiedziałem się, że stawiają bardzo dużo na rozwiązanie jednego problemu, którym jest transformacja faktury, czyli skan obrazka w tekst z odpowiednim formatem.  Największy problem, z którym się zetknęli był brak danych oraz trudność ich znalezienia. Słyszałem taką frazę, że teraz surowcem już jest nie ropa, a dane. Właściwie te dane, które jeszcze nazywają smart data. Jest taka różnica pomiędzy big data i smart data, bo w tej chwili zebrać dane jako takie nie jest największym problemem, natomiast zebrać dane, z których można wyciągnąć odpowiednie wnioski, jest wyzwaniem.

Zgadzasz się z tym?

Dima
Podczas tego, gdy analizowaliśmy nasze dane, to co posiadamy do uczenia maszynowego, bardzo dużo rozmawialiśmy z księgowymi, pytaliśmy jak wygląda ich praca, jakie dane są najważniejsze przy księgowaniu. I dla tego typu danych dawaliśmy największy priorytet przy budowaniu naszego systemu.

Tak jak kiedyś wspominałem w swojej prezentacji na AI meetup „Data is oxygen for machine learning”, że dane są bardzo ważne do budowania algorytmów. Natomiast tak jak powiedziałeś, dane są mega dostępne teraz, a z kolei pojawił się problem odróżnienia danych, których warto użyć od danych, które albo nie będą wpływać na wyniki działań, albo będą wpływać w gorszą stronę.

Vladimir
Drugi punkt to algorytm. Wiem, że używacie sieci neuronowych — tak zwany deep learning. Proszę, powiedz trochę więcej na ten temat.

Dima
Podczas analizy danych i przy starcie budowania tego modułu rozważaliśmy różne podejścia, z której strony można to ugryźć. Próbowaliśmy kilka hipotez i najlepsze wyniki, według nas, miał stosunkowo prosty algorytm — memory based, trochę podobny do Naive Bayes i obudowaliśmy to własną infrastrukturą w zależności od informacji, którą dostawaliśmy od księgowych na bieżąco. I w naszym przypadku teraz najbardziej się nadają algorytmy, które działają obecnie, niż sieci neuronowe, przynajmniej na ten moment produktu, który mamy.

I nie jesteśmy jedyni w takiej sytuacji. Kiedyś miałem okazję porozmawiać z osobą, która pracowała w Google, to również wspominał, że mimo tego, że sieci neuronowe są teraz traktowane jako idealny software, że sieć neuronowa potrafi zrobić wszystko, jest to tylko kwestia dobrania parametrów i budowania tej sieci. Ale jednak, kiedy on podawał przykład o filtrowaniu filmików na YouTube, wyniki działania tej sieci są opakowane w prosty zestaw reguł dla dokładniejszego sprawdzenia tego wszystkiego.

Vladimir
To znaczy, że sieć neuronowa jako taka jest bardzo chwytliwa, jeżeli chodzi o kontekst marketingowy, natomiast mamy styczność z rzeczywistością, kiedy zdroworozsądkowe reguły nadal mają sens.

Dima
Dokładnie tak. Sieci neuronowe są takim buzzword dzisiaj. Jeżeli coś używa sieci neuronowych to automatycznie powinno być “super fajnym”. Nie zawsze jest tak i nasze doświadczenie pokazuje, że czasami warto użyć nieklasycznych rozwiązań, nie tego, co jest teraz popularne, tylko modyfikacji własnych algorytmów. Nie AI dla AI, tylko AI dla rozwiązania naszego problemu.

Vladimir
Pamiętam, że rozważaliście opcję zrobić wersję open-source. Nawet już jest repozytorium na github o nazwie OpenAutoX. Czy nadal macie taki plan? Bo wiem, że niektórzy czekają na to, między innymi ludzie z Rossum :). I jeżeli tak, to co ewentualnie tam może się pojawić?

Dima
W odniesieniu do historii powstania produktu auto księgowania, po tym, jak zrobiliśmy i wprowadziliśmy taki feature do naszego systemu, stwierdziliśmy, że ma sens udostępnić to rozwiązanie w jakiś sposób i podzielić się tym z zainteresowanymi. Rozważaliśmy wyjście z tym w open-source, później po zweryfikowaniu tej teorii, przyszliśmy do wniosku, że chcielibyśmy to udostępnić jako platformę, dając możliwość użytkownikom budować swoje rozwiązania bazując na naszych opracowaniach.  Mniej więcej w tym momencie pojawiła się możliwość sprawdzenia naszego pomysłu, czy taki problem, jak mieliśmy w infakcie ma sens dla innych produktów, dla innych rynków.

Natknęliśmy się na informacje o tym, że brytyjska firma Quickbooks (jest to online soft do księgowania i ma ponad 2 mln użytkowników), organizuje konferencje Quickbooks connect w Londynie i w ramach konferencji będzie organizowany small business hackathon, czyli hackathon, który miał na celu rozwiązać problemy właścicieli małych firm i małych biznesów.

Wybraliśmy się tam sprawdzić, czy rozwiązanie, które stosujemy w infakcie mogłoby pomóc użytkownikom Quickbooksa i jak się okazało — wygraliśmy, bo jury bardzo spodobał się taki pomysł.

Od tego momentu trochę zmieniliśmy kierunek rozwoju, nadal chcemy zrobić z tego platformę, natomiast teraz produkt Arbitrue jest private beta i pozwala na integrację z innymi systemami księgowymi, więc też mamy plany globalne.

Vladimir
Super ciekawe. A ile osób brało udział w wyżej wymienionym hackathonie?

Dima
Ponad 30 różnych drużyn, czyli ponad 250 osób.

Vladimir
To robi bardzo duże wrażenie, czyli wasze rozwiązanie jest bardzo konkurencyjne, skoro faktycznie rozwiązuje problem, a nie skupia się na podchwytliwych nazwach.

Został nam trzeci element — infrastruktura. Jakich maszyn używacie? Zaczęliśmy rozmawiać, że sieci neuronowe są już mniej dla was atrakcyjne, ale jednak może coś jeszcze zostało, czy używacie karty graficzne, czyli GPU?

Dima
Jest jeszcze droga przed nami, więc nie mówię, że nie są atrakcyjne dla nas sieci neuronowe. Na moment obecny bardzo dobrze się sprawdza algorytm, który używamy teraz. Natomiast mamy jeszcze mnóstwo rzeczy, do których warto zweryfikować czy nadają się sieci neuronowe i na pewno mamy kilka hipotez, które będziemy sprawdzać w najbliższym czasie.

Na razie rozwiązanie jest chmurowe, działa na rozwiązaniu jednego z największych dostawców chmur obliczeniowych, na CPU na zwykłych serwerach. Natomiast teraz są takie czasy, kiedy GPU oraz mocniejsze maszyny z CPU są dostępne w kilka kliknięć i bardzo się cieszę z tego powodu.

Vladimir
Teraz dostawców chmur jest coraz więcej i przez to, że konkurują nawzajem, to oferty stają się bardziej atrakcyjne.

Omówiliśmy te trzy punkty, ale teraz przejdziemy do czegoś bardzo ciekawego.

Wiem, że uczenie maszynowe już używacie w produkcji. Jakie są wyniki. Na ile model działa dobrze? Proszę podaj w liczbach.

Dima
Teraz produkcyjnie w aplikacji InFakt jesteśmy w stanie zaksięgować około 70% dokumentów automatycznie.

Vladimir
Chciałbym rozwinąć trochę więcej o przypadkach, gdzie model się myli. Czy to są trywialne proste rzeczy, czy wynikają bardziej z niejednoznaczności (np. różni ludzie mają różne zdania na ten temat)?

Dima
Kiedy testowaliśmy nasze automatyczne księgowania, pojawiło się 3% przypadków, kiedy algorytm się mylił. Douczając algorytm, chcieliśmy zbadać te przypadki, wybraliśmy błędne, rozmawialiśmy z księgowymi, przepuszczaliśmy jeszcze raz przez nasz skorygowany system. I z tych 3% okazało się, że z 8 na 10 przypadków był to jednak błąd księgowego.

„Bląd występuję tylko w 3% przypadków, i okazało się, że 8 na 10 przypadków był to jednak błąd księgowego…”

Dane trafiając do systemu miały wpływ na nasze wyniki, mimo tego, że algorytm w 8 na 10 przypadków miał rację. Warto też wspomnieć, że z 70% dokumentów, jesteśmy ponad 97% pewni decyzji algorytmu, dlatego że przy księgowaniu dokumentów jest to bardzo ważne. Jednym z założeń na początku rozwoju produktu było takie, że lepiej powstrzymać księgowanie danego dokumentu niż zaksięgować go źle. Więc bardzo dużo czasu spędziliśmy nad tym, żeby ograniczyć księgowanie złych przypadków.

Vladimir
Osiągnęliście bardzo dobry wynik. A ile czasu zajmuje księgowanie jednego dokumentu? Minutę, sekundę, milisekundę?

Dima
Poprzednio, przed wprowadzeniem naszego systemu, usługa OCR przetwarzania dokumentu i przesłania do księgowego w postaci cyfrowej, zajmowała ponad 18 godzin. Po wprowadzeniu jesteśmy w stanie zaksięgować dokument, czyli czas od wrzucenia dokumentu pdf do aplikacji webowej InFakt lub robienia zdjęcia smartfonem poprzez aplikacje i jest to czas na minuty. Natomiast z produktem Arbitrue stawialiśmy (nasze plany globalne) do 3 minut na zaksięgowanie dokumentu.

Vladimir
Co dla Ciebie było lub nadal jest największym wyzwaniem przy zastosowaniu uczenia maszynowego? Jakie błędy popełniłeś i na co warto zwracać szczególną uwagę?

Dima
Największe wyzwanie było związane z danymi.

Cały czas powtarzam, że warto znać swoje dane, przeglądać przypadki, zrozumieć, dlaczego wprowadzenie do systemu takich danych powoduje takie wyniki. W naszym przypadku zrozumienie księgowości, jak to działa, zrozumienie roli księgowego i budowanie systemu na takiej podstawie. Więc uważam, że, moglibyśmy poświęcić nawet więcej czasu na analizę danych.

Nasze doświadczenie mówi, że wiedza z analizy danych czasami jest bardziej wartościowa niż stosowanie różnych algorytmów. Kiedyś używaliśmy czterech różnych algorytmów i później jeszcze jednego, który wybierał z czterech najbardziej wiarygodną odpowiedź, ale nadal wyniki nie były tak wysokie, jak po analizie danych i zrozumieniu, dlaczego tak się dzieje.

Vladimir
W Polsce jest sporo firm, które jeszcze nie używają uczenia maszynowego, a być może już chcą. Poradź, z czego najlepiej zacząć takiej firmie, który nigdy nie używała machine learning?

Dima
Według mnie warto zrozumieć czy problem, który firma próbuje rozwiązać wymaga użycia uczenia maszynowego i czy to jest najlepsze narzędzie do rozwiązania tego powodu, a nie wrzucenia zasobów na rozwiązania problemu niewłaściwym sposobem.

Vladimir
Czyli reguła numer jeden – zawsze najpierw zrozum problem i czy akurat ten problem najlepiej rozwiązać przy użyciu uczenia maszynowego. I jeżeli tak, to wtedy zobacz, jakie masz dane. Dobrze zrozumiałem?

Dima
Dokładnie tak. Jak kiedyś wspominałem w swojej prezentacji na AI meetup, proces uczenia maszynowego w firmach schematycznie można przedstawić jako dane + algorytm = wnioski, które można później wykorzystać. Według mnie pierwszą rzeczą, którą warto zrobić, to zrozumieć dane oraz sprawdzić, czy algorytm uczenia maszynowego nadaje się do rozwiązania tego problemu, sprawdzić całą hipotezę tego równania i czy tak naprawdę daje to dobre wyniki.

Vladimir
Zapytam teraz o trochę innym temacie, ale powiązanym z tym, o czym mówimy.

Dosłownie dwa dni temu uczestniczyłem w panelu dyskusyjnym we Wrocławiu na temat „Rise of Robots: How to Survive The End of Work?”.

Rozmowa dotyczyła naszej przyszłości oraz jaką część w niej będą odgrywać roboty. Są różne opinie na ten temat. Na przykład raport przygotowany przez administrację Obamy twierdzi, że ludzie ze stawką 20$ na godzinie mają 83% szans, że stracą pracę w ciągu najbliższych 5 lat a dla ludzi, ze stawkęą godzinową 40$ to prawdopodobieństwo wynosi 31%.

Są też przykłady, kiedy w Chinach fabryka zostawiła tylko 10% ludzi a resztę prac wykonują roboty. Mało tego te 10% ludzi tak naprawdę tylko sprawdzają, że roboty robią to dobrze… więc raczej ta ilość też zmaleje. I jakie są skutki tego? Zaczęli produkować 250%, czyli 2.5 razy więcej i co ważne, że ilość defektów zmalało o 80%. To jest niesamowity wynik, który pokazuję, że konkurować z maszynami w tych obszarach jest trudno. Mam kilka pytań do Ciebie w tej sprawie. Najpierw na poziomie globalnym co o tym wszystkim myślisz? Do czego to może sprowadzić się? Jakie ryzyka oraz możliwości dostrzegasz?

Dima
Rzeczywiście, sztuczna inteligencja i automatyzacja może zabrać pracę, natomiast uważam, że nie zastępujemy pracę innych ludzi, tylko wspieramy i zmieniamy różne zawody, używając sztucznej inteligencji. Zawsze tak było i jest teraz, że progres i technologia zawsze zmieniały sposób pracy ludzi. Dobry przykład pracy fabryki chińskiej pokazuje, że to pozwala nam osiągnąć lepsze wyniki, natomiast też daje motywację ludziom nie do konkurowania, tylko do transformacji swojej pracy.

Bardzo często dostawaliśmy pytania:

”jak księgowe reagują na to że próbujecie zastąpić im pracę”.

I zawsze odpowiadamy, że nie próbujemy wyeliminować pracy księgowego tylko próbujemy pomóc albo transformować pracę księgowego na nadzorcę. Ostatnio z produktem Arbitrue byliśmy na targach księgowych w Londynie.

I naprawdę  dużo osób księgowych, nie technicznych, nieużywających różnych narzędzi online’owych pytali, dlaczego zabieracie nam pracę i co będziemy robić. Tłumaczyliśmy, że dzięki takim narzędziom księgowy staję się takim doradcą księgowości, natomiast automatyzacja i uczenie maszynowe eliminuje manualną, powtarzalną pracę.

Vladimir
Zmiany, o których mówimy są pewnym zaskoczeniem po dwóch stronach: zarówno dla pracowników jak i dla pracodawców. Czy masz przemyślenia co może usprawnić zrozumienie i podejmowanie odpowiednich kroków, żeby czwarta rewolucja przemysłowa przeszła z mniejszą ilością stresu? Co w tym może pomóc?

Dima
Według mnie warto jest komunikować o takich rzeczach i wyjaśniać sposób rozwoju, co robiliśmy na targach, księgowym. I reakcja po tym, jak tłumaczyłem, w jaki sposób to działa, było zrozumienie, że „ten soft będzie mi służył jako asystent, który pomaga w pracy, a nie zastąpi jej całkowicie, zostanę nadzorcą”.

Vladimir
Czyli w tym przypadku już było mniej strachu i każdy zaczynał rozumieć, że ta najbardziej rutynowa część zostanie przekazana na asystenta, a najbardziej kreatywna, ta co wymaga więcej odpowiedzialności — zostanie ludziom. A czy jest możliwość, że z rozwojem technologii nawet te nadzorcze prace będą wykonywać też roboty?

Dima
Technologia rozwijając potrafi robić coraz bardziej skomplikowane rzeczy. Jestem zdania, cytując osobę, która bardzo dużo robi w tym kierunku, Elona Muska, że jednak kiedyś, nie w najbliższej przyszłości, większość prac będzie wykonywana poprzez software i roboty, natomiast jakie mogą być tego skutki i efekty, jestem zdania, że przyjdziemy do czegoś takiego jak Universal Basic Income i jest to jedno z rozwiązań na to.

 

Vladimir
Powiedziałeś Universal Basic Income, kiedyś o tym wcześniej mówiłem w moim którymś odcinku i też jestem ciekaw co tym myślisz. Tutaj jest kilka różnych aspektów, część ludzi dyskutuje, czy to jest możliwe, czy nie. Myślę, jeżeli chodzi o pieniądze to będzie najmniejszy problem, też pewnie jest wyzwanie. Ale to wydaje się, że stosunkowa jest mniejszy problem. Jeżeli ludzie będą dostawać minimalną płacę i nie będą musieli pracować to co będą robić?

Dima
Mogą się zajmować rzeczami, które tak naprawdę ich interesują, a nie mogą tego robić, bo potrzebują zarobić pieniądze na jedzenie albo jakieś inne rzeczy, więc ludzi po prostu mogą poświęcić więcej czasu na naukę czegoś co ich zainteresowało, po prostu spędzić więcej czasu z rodziną itd.

Vladimir
Z tego co rozumiem jesteś optymistą jeżeli chodzi o sztuczną inteligencją i możliwe postępy, czy dobrze zrozumiałem?

Dima
Tak, jestem nastawiony optymistycznie, nawet powiedziałbym, że jestem fanem sztucznej inteligencji.

Vladimir
Dziękuję Dima bardzo za naszą rozmowę już będziemy pomału kończyć. Na koniec tylko chciałbym dopytać, jeżeli ktoś będzie chciał skontaktować się z Tobą to jak może Ciebie znaleźć?

Dima
Dziękuję również za zaproszenie. Skontaktować się ze mną można na twitter albo email dima <małpka> arbitrue.com. Zapraszamy też fizycznie (offline) biuro InFaktu w Krakowie. Zawsze jesteśmy otwarci na rozmowę z ciekawymi  ludźmi.

Vladimir
Super! Dziękuję bardzo.

Dima
Dziękuję również.

Podsumowanie

Dima i jego zespół ma bardzo pragmatyczne podejście do osiągnięcia celu. Mam nadzieje, że Tobie również ta rozmowa się spodobała — bo mi bardzo. Z mojego doświadczenia mogę potwierdzić, że mówił bardzo praktyczne rzeczy. Będę starał się nadal zapraszać ludzi, którzy używają uczenie maszynowe w praktyce i mają już sukcesy na swoim koncie.  Ciekawy jestem co o tym myślisz… Proszę podziel się swoją opinią na stronie biznesmysli.pl/6 albo na facebook, twitter czy recenzja na itunes. Będę za to bardzo wdzięczny.

Podziękowanie

Najpierw za retweety Krzysztof Kołacz, Tomasz Wesołowski oraz Artur Trzop.

Tak jak już wspominałem, kilka dni temu byłem we Wrocławiu na spotkaniu na temat naszej przyszłości i robotyzacji. Całkiem ciekawe wydarzenie, ale chcę opowiedzieć historię, która mnie z jednej strony zaskoczyła, a z drugiej strony zmotywowała. Po zakończeniu dyskusji starsza i niewidoma osoba zapytała gdzie tu jest Vladimir? Za kilka sekund był obok mnie i powiedział do mnie: „słuchałem wszystkie Twoje odcinki i przyszedłem tu, żeby spotkać się i porozmawiać z Tobą”. Dla mnie to zdanie było wzruszające.

Czemu ta historia jest motywująca? A to z kilku powodów.  Adam, tak ma na imię, mniej więcej 15 lat temu stracił wzrok. Teraz już jest osobą starszą i można powiedzieć, że mógłby się poddać. Ale w jego oczach widziałem „blask” do uczenia się i ogólnie do życia. Słucha bardzo dużo podcastów na różne tematy, włączając technologiczne. Również biega maratony. To jest człowiek, od którego można wiele się nauczyć. Życie daje nam różne wyzwania, ale to w końcu od nas zależy co z tym zrobimy.

Chciałbym życzyć Ci taką chęć do życia i trzymania oczy otwarte do zmian, które odbywają się dookoła nas.

Prowadzę warsztaty o uczeniu maszynowym (Data Workshop, w zeszłym tygodniu był kolejny) oraz ostatnio dość często bywam na konferencjach i innych wydarzeniach związanym z machine learning. Często ludzi mnie pytają jaką książkę warto przeczytać, żeby zrozumieć machine learning zwłaszcza od strony biznesowej. Ze strony akademickiej, czyli sucha teoria takich książek jest dość sporo. Natomiast ewidentnie brakuje książki, która pomoże zrozumieć ten temat na poziomie analogii. Wierzę, że o machine learning można mówić również w innym języku niż matematyka i jak pokazuję moje doświadczenie wtedy pojawią się bardzo ciekawe pytania i propozycję. Wynika to z tego, że każdy nas ma własne doświadczenie i dzięki mu, może adaptować swoją wiedzę w pewnym obszarze.

Na koniec mam dobrą nowość dla Ciebie. Właśnie tak pojawił się pomysł w mojej głowie przygotować książkę o prostej nazwie „Humanly about machine learning”, czyli po polsku to będzie „O uczeniu maszynowym po ludzku”.

Humanly about Machine Learning

Zależy mi bardzo, żeby ta książka była bardzo krótka i zrozumiała. Planuję robić bardzo dużo ilustracji i mniej tekstu. W ten sposób chcę zaoszczędzić Twój czas. Ale to wymaga dużo pracy z mojej strony. Dlatego prośba i pytanie dla Ciebie proszę odpowiedź na kilka pytań w formularzu dostępny pod linkiem http://biznesmysli.pl/book.

To pomoże zrozumieć czy ten problem, które rozwiązuję faktycznie ma sens dla Ciebie oraz zrozumieć, na które obszary należy zwrócić szczególną uwagę. W zamian na to możesz liczyć na bieżącą informację, jaki jest status książki (oczywiście, jeżeli zostawisz kontakt do siebie) oraz na zniżkę.

Dziękuję Ci bardzo za poświęcony czas i do usłyszenie w kolejnym odcinku. Cześć.

Książki które warto przeczytać

• 
• 
•