Dziesięć lat temu Polacy mieli technologię wyprzedzającą rynek. Konkurencja dopiero dziś wprowadza ich rozwiązania
Polski start-up dysponował technologią, która dopiero dziś zaczyna być stosowana przez liderów rynku. Ich programy potrafiły badać nastroje polityczne w internecie, odczytywać emocje z pisanego tekstu i wyłapywać wszelkie negatywne i pozytywne komentarze o markach i produktach. Dlaczego po dwóch latach zwinęli działalność? Rozmawiamy z założycielami firmy Zetema.
- Za bardzo wyprzedziliśmy rzeczywistość – mówi dr Radosław Nielek, który w 2008 roku wraz ekspertem przetwarzania języka naturalnego dr. Aleksandrem Wawrem stworzył nowatorskie narzędzie do odczytywania emocji z pisanego tekstu i monitorowania internetu. – Z drugiej strony była to dla nas niezwykle cenna lekcja - dodaje.
Bolesław Breczko, WP Tech: - W jaki sposób działał wasz program?
Dr. Aleksander Wawer: To było kilka rozwiązań, z których każde odpowiadało za inny etap. Jednym z nich było monitorowanie internetu. Algorytm codziennie pytał wyszukiwarkę o konkretne marki lub hasła. Korzystaliśmy z ogólnie dostępnych narzędzi, ale także budowaliśmy własne.
Zwykła automatyzacja zadań, które musiałby wykonać człowiek.
Dr. Aleksander Wawer: Tak. Potem do gry wchodziła analiza lingwistyczna oparta na słownikach i stworzonych przez nas regułach lingwistycznych. Później zaczęliśmy wykorzystywać też uczenie maszynowe do rozpoznawania kontekstu i nacechowania emocjonalnego wypowiedzi.
Dr. Radosław Nielek: Dzięki temu program mógł ocenić nie tylko, że ktoś np. źle pisze o danej marce, ale także dlaczego. Jeśli internauta krytykował model telefonu za kiepsko działającą baterię, program to wyłapywał.
Rozpoznawanie emocji z pisanego języka polskiego wydaje się niezwykle skomplikowane. Nadal przecież nie mamy dostępu do popularnych w innych językach wirtualnych asystentów. Jak wam się to udało?
Dr Aleksander Wawer: Rzeczywiście, nie było to łatwe zadanie. Zwłaszcza, jeśli spojrzymy na przeczenia w języku polskim. Te potrafią pojawić się w dowolnym miejscu w zdaniu i nie zawsze muszą oznaczać zaprzeczenie. Tak jak np. wyraz "żaden" w sformułowaniu "żaden problem".
To znaczy, że wyprzedziliście rzeczywistość?
Dr Radosław Nielek: W 2008 roku nie było po prostu tyle treści w internecie tworzonej przez użytkowników, zwłaszcza wpisów w mediach społecznościowych, co dziś. Gdy sprzedawaliśmy te rozwiązania operatorom telefonicznym, bankom czy producentom samochodów, oni mogli zrobić to samo, zatrudniając dwóch studentów, którzy będą przeczesywać internet i ręcznie zbierać komentarze.
Dr Aleksander Wawer: Innym problemem było to, że firmy nie interesowały się jeszcze tak mocno jak dziś dbaniem o wizerunek marki w internecie i mediach społecznościowych. W 2008 roku Facebook dopiero wchodził do Polski, a Twittera czy Instagrama w ogóle u nas nie było.
Dr Radosław Nielek: Od razu chcieliśmy zrobić bardzo zaawansowane narzędzie. Zbudowaliśmy je. Wtedy biło na głowę wszystkie inne rozwiązania dla języka angielskiego, o polskim nie wspominając. Przez to było jednak dość drogie i wyspecjalizowane. Wyniki przez nie podawane powinny zostać poddane dodatkowej analizie. Okazało się, że rynek nie jest jeszcze na to gotowy.
Dr Aleksander Wawer: No i może było u nas za dużo naukowców i informatyków, a za mało sprzedawców.
Ale w końcu powstały tego typu narzędzia do monitorowania serwisów społecznościowych, bez których ciężko dziś zarządzać marką.
Dr Radosław Nielek: To prawda. W Polsce robią to przede wszystkim Brand24 czy SentiOne z Gdańska. Jednak te firmy dopiero teraz dokładają bardziej zaawansowane rozwiązania, które my mieliśmy już 10 lat temu. Okazało się, że wtedy kupujący chciał mieć graficzny interfejs z wyświetlonymi jeden pod drugim komentarzami o jego marce. Ewentualnie z podświetlonymi na czerwono negatywnymi komentarzami. My dawaliśmy dużo, dużo więcej. To tak, jakbyśmy oferowali kombajn, gdy ktoś potrzebował kosy. Po prostu pojawiliśmy się za wcześnie.
I rzeczywiście nie znalazło się zastosowanie dla tak przełomowego narzędzia?
Dr Radosław Nielek: Nie na tyle, żeby je skomercjalizować. Ale zrobiliśmy kiedyś razem z Newsweekiem "emometr polityczny", w którym badaliśmy nastroje przy okazji wyborów politycznych. To była jedyna dziedzina, w której było wystarczająco dużo informacji i były też dość mocno nacechowane emocjami. Nasz algorytm potrafił przewidzieć wynik wyborów minimalnie lepiej, niż sondaże przedwyborcze. Chociaż oczywiście nie był tak dokładny jak exit-polle.
Skoro nie udało się 10 lat temu, to może uda się teraz? Zapotrzebowanie na tego typu narzędzia jest ogromne, zarówno ze strony marek jak i partii politycznych.
Dr Aleksander Wawer: Chociaż nasze narzędzie radziło sobie całkiem nieźle, nie było idealne. Wtedy rozpoznawało kontekst wypowiedzi z dokładnością do 75 proc. Dziś algorytmy głębokiego uczenia maszynowego robią to z dokładnością 85 a nawet 90 proc.
Dr Radosław Nielek: To prawda, że informacji jest już wystarczająco, a i firmy przywiązują większą wagę do wizerunki w sieci. Jednak dla nas jest już po prostu za późno. 10 lat w informatyce to kupa czasu. Gdybyśmy chcieli teraz odświeżać nasze narzędzie, trzeba by je w dużym stopniu tworzyć od zera.
Ile czasu trwał projekt Zetema?
Dr Aleksander Wawer: 2 lata.
I nie szkoda było wam z niego rezygnować?
Dr Aleksander Wawer: Oczywiście, że było szkoda, przynajmniej mi, ale skoro nie było zainteresowania ze strony rynku, to nie było sensu dalej tego ciągnąć. Rozeszliśmy się do innych zajęć, zrobiliśmy doktoraty.
Dr Radosław Nielek: Taka chyba jest też idea start-upów? Jeśli rynek nie chwyci ich szybko, to się je zamyka i zaczyna nowe projekty. Nasz projekt na pewno dał nam kilka niezwykle cennych lekcji zarówno od strony naukowej jak i biznesowej.
Dr Aleksander Wawer pracuje na codzień w Polskiej Akademii Nauk gdzie zajmuje się m.in. inżynierią lingiwstyczną przy wykorzystaniu głębokiego uczenia maszynowego. Jednym z jego projektów jest "uczenie komputera" identyfikowania i rozumienia metafor.
Dr Radosław Nielek jest wykładowca w Polsko - Japońskiej Akademii Technik Komputerowych. Pracuje nad grą dla osób starszych narażonych na urazy i przechodzących rehabilitacje. Angazuje się także w projekty, w którym osoby starsze tworzą aplikacje i programy.