Neuron soundware je umělou inteligencí pro porouchané stroje

V našem dalším rozhovoru se zaměříme na oblast umělé inteligence. Analytická kontrola strojů, kterou využívají velké světové organizace, časem přinese schopnost strojů cítit své poruchy. Co všechno má projekt Neuron SW „za lubem“, nám poví zakladatel Pavel Konečný.

O čem váš projekt je? 
Neuron soundware se věnuje vývoji umělé inteligenci v oblasti audio analytiky. Zaměřujeme se zejména na rozpoznání porouchaných strojů, například kogenerační jednotky, obráběcí stroje, palivové pumpy, výrobní linky, kolejová vozidla. Kromě softwaru dodáváme v případě potřeby naším zakázníkům HW. Tedy IoT zařízení, které jsme si vyvinuli na míru našim potřebám. S trochou nadsázky lze říci, že jsme vytvořili fonendoskop a AI lékaře pro stroje. Mezi první zákazníky patří velké společnosti jako Airbus, VW, Škoda, Siemens a řada dalších firem zejména v ČR a v Německu. Nicméně začínáme první spolupráce i v Asii.

Kdo všechno patří do vašeho týmu?
Tým má v současnosti přes 20 členů. Pokrýváme všechny nezbytné kompentence a je jich potřeba hodně. Od montážních techniků, programátorů SW pro IoT zařízení, vývojářů cloudových služeb až po tým inženýrů strojového učení. Trvale nabíráme lidí do všech pozic včetně obchodních. Hledáme lidi, kteří mají zájem se zapojit do startupu s globální ambicí.

Jakým způsobem jste na takový nápad přišli?
Původně jsme pracovali s audiem z hudební branže. K tématu poslouchat stroje nás přivedl kamarád, který zaregistroval změnu zvuku u svého auta. Dokonce se stavil v servisu. Palubní počítač však neukazoval žádnou chybu, a tak jej poslali dál. Nicméně po sta kilometrech na dálnici mu praskl válec a zničil se celý motor. Kamarád říkal, že měl štěstí, že se to stalo dva dny před koncem záruky. Naším cílem je vybavit každý stroj technologií, která pomůže s rozpoznáním jeho mechanických závad.

Co bylo při přípravě projektu nejtěžší?
Nemyslím, že bychom měli jednu velkou překážku. Spíše velkou hromadu menších, které postupně překonáváme. Například do výroby vlastního HW jsme se pustili, abychom zrychlili sběr dat, ze kterých se technologie učí. Chvíli jsme neúspěšně hledali vývojáře mobilní aplikace a pak se rozhodli vývoj outsourcovat do zahraničí. Teď budeme řešit expanzi i mimo Evropu. Myslím, že nejtěžší je umět se zpět ohlédnout a vidět, kolik toho člověk již odpracoval. Protože jak firma roste, tak se hromada práce zvětšuje a zvětšuje.

Co byste doporučili ostatním, pokud chtějí realizovat svůj nápad?
Najít si pár skvělých spolupracovníků, kteří mají o téma zájem. Čím více kontaktů člověk má, tak tím lépe. Je třeba také co nejdříve oslovit potenciální zákazníky. Hodně startupů dělá chybu, že něco vyvíjí a až pak zjistí, že to zákazníci vlastně nechtějí. Nebo chtějí jinak. Takže lepší powerpoint dnes než nějaká demo stránka za měsíc. Řada knížek i seminářů se principu lean startup věnuje. Já se rád setkávám a konzultuji, co potřebuji, se zkušenějšími zakladateli.

Na čem pracujete teď?
V oblasti algoritmů se intenzivně věnujeme rozvoji metod augmentace dat a tzv. unsupervised training. Nicméně náš pokrok se nejhmatatelněji projevuje v našem IoT zařízení. V současnosti testujeme prototyp nové generace, který má desetkrát výpočetní výkon. Nová verze tedy bude mít dvojnásobek vstupních sensorů. Navíc výrobce chipu již na letošek slíbil novější verzi s HW akcelerací neuronových sítí. Tzv. Neural Processing Unit (NPU) modul umožní spustit i velmi komplexní modely s mnohem menší energetickou náročností. Datové přenosy jsou pořád omezené, takže vnímáme ve schopnosti IoT edge-computing výraznou výhodu.

Kde se vidíte za pár let?
Pokud se nám bude dařit, tak naši technologii budou požívat zákazníci po celém světě. Do karet nám nahrává rychlý rozvoj v oblasti IoT. Exponenciální nárůst výpočetního výkonu a postupná miniaturizace technologie dovolí postupně zvyšovat počet sensorů a zpracovávat ohromná množství dat. Předpokládáme, že stovky sensorů budou časem s použitím 3D tisku přímo součástí materiálu. Budeme tam moci mít velmi přesný přehled o stavu mechanických částí. Dalo by se říci, že stroje budou cítit svoje „tělo“ podobně jako živé bytosti. Budou moci sami sebe diagnostikovat a v případě potřeby si zavolat servis.

Děkujeme za rozhovor a přejeme mnoho úspěchů.

Foto: archiv SAP