- Společný projekt online tržiště Carvago a ČVUT hledá způsoby, jak pomocí umělé inteligence zjednodušit prodej a nákup aut
- Díky učení na velkých datech dokáže umělá inteligence mimo jiné velmi přesně vyčíslit cenu konkrétního vozu
- Pro experty z ČVUT je tento projekt příležitostí, jak rychle přenést vědecké poznatky do praktických aplikací s komerčním uplatněním
- Velký potenciál má zjišťování doplňujících informací o automobilech z jejich fotografií
Umělá inteligence je pro většinu lidí stále něco těžko uchopitelného. Často si představují počítačové supersystémy, které řeší velké vědecké a technické problémy tohoto světa, popřípadě naopak hračku, která dokáže generovat zdánlivě smysluplný text nebo působivé obrázky. Umělá inteligence se ale už dnes prakticky uplatňuje v řadě zdánlivě prozaických oblastí života. Pomáhá řídit elektrické sítě, rozpoznávat nádory, vybírat oblečení v e-shopech – a nyní také měnit zaběhnuté pořádky v prodeji ojetých vozů. Carvago na tom spolupracuje s Českým vysokým učením technickým v Praze (ČVUT), které patří k největším a nejstarším technickým vysokým školám v Evropě.
„Když říkáme, že Carvago je primárně technologická společnost, není to jen prázdné klišé,“ říká Tomáš Trnka, ředitel datového týmu Carvago. „Denně analyzujeme miliony automobilových inzerátů z celé Evropy, abychom zákazníkům poskytli nejširší nabídku vozů na trhu.“
Člověk na to nestačí
„Kdybychom znali u každého inzerovaného auta jeho VIN kód, zjistili bychom všechny potřebné informace relativně snadno a spolehlivě. Jenže v celoevropském měřítku u devíti z deseti inzerovaných vozů VIN uveden není,“ vysvětluje Tomáš Trnka. „Máme k dispozici sadu fotek, strukturované údaje jako nájezd, cenu, parametry motoru a podobně, a k tomu nějaký textový popis, často nepřesný, s překlepy a nejasnými formulacemi. Zpracovávat tato data ručně v objemu, jaký každý den proteče našimi systémy, není v lidských silách.“
V rámci Operačního programu Podnikání a inovace pro konkurenceschopnost (OP PIK) proto skupina EAG, jejíž je Carvago součástí, navázala spolupráci s odborníky na umělou inteligenci z Laboratoře datových věd Univerzitního centra energeticky efektivních budov (UCEEB) ČVUT.
Obě partnerské strany pracují na řadě unikátních výzkumných projektů, z nichž ty nejslibnější posléze zamíří do praxe. Umělá inteligence se již nyní ukazuje být úžasným pomocníkem při hromadném zpracování fotografií ojetých vozů. S bezkonkurenční rychlostí roztřídí desetitisíce obrázků podle toho, zda je na nich exteriér, interiér nebo jiná část vozu. Rozpozná značku i model auta, stejně jako to, z jakého úhlu je na fotografii natočené.
Co je – a co není – umělá inteligence
Umělá inteligence se liší od běžných počítačových programů tím, že je navržena tak, aby se chovala jako lidé nebo jiné inteligentní živé bytosti. To znamená, že umělá inteligence může být schopna učit se, plánovat a rozhodovat sama. Na rozdíl od běžných počítačových programů, které fungují přesně podle toho, jak byly navrženy, umělá inteligence může analyzovat data a na jejich základě přijímat vlastní rozhodnutí. To jí umožňuje reagovat na různé situace a prostředí, a také se přizpůsobovat novým podmínkám. To je hlavní rozdíl mezi umělou inteligencí a běžnými počítačovými programy.
Poznámka: Předcházející odstavec i doprovodný obrázek vytvořily volně dostupné nástroje umělé inteligence, ChatGPT (text) a DALL-E 2 (obrázek).
„Už to je ohromná pomoc,“ pochvaluje si Tomáš Trnka. „Můžeme automaticky řadit fotky tak, aby v každém inzerátu byly vždy ve stejném pořadí. Jako první tříčtvrteční pohled, druhý zepředu, třetí zboku atd. Navíc umíme identifikovat rozmazané fotky, neužitečné fotky a dokonce i umíme poznat ty kompozice, které se lidem budou líbit nejvíce. Kdyby to měli dělat lidé, potřebovali bychom jich celou armádu.“
„Spolupráce ČVUT s podnikatelskou sférou a přenos vědeckých metod do praxe je jedna ze tří hlavních oblastí rozvoje univerzity, která obohacuje obě strany,“ doplňuje Miroslav Čepek, odborný asistent na ČVUT, v čem je taková spolupráce přínosná pro akademickou sféru. „Firma získá přístup k nejmodernějším technikám, které pomohou rozvíjet její činnost, zatímco pro experty z ČVUT jsou podobné projekty příležitostí, jak přenést vědu do praktických aplikací a získat zkušenosti s jednotlivými technikami v praktickém nasazení. Dvojnásob to platí právě pro oblast umělé inteligence, kde správná činnost většiny metod závisí na dostupnosti velkého objemu dat. Jejich získání v univerzitním prostředí je obtížné, ale pro firmy jako je Carvago je obsluha velkých dat denní rutinou.“
ČVUT navíc do projektů zapojuje i studenty, pro které je spolupráce příležitostí získat pracovní zkušenosti v oboru při studiu.
Přesně ví, kolik má konkrétní vůz stát
Z hlediska inovačního potenciálu i praktického významu jsou nejvýznamnější oblastí výzkumné spolupráce algoritmy pro určení ceny aut podle jejich typu, stáří a výbavy. Díky dostupnosti velkého souboru inzerátů z celé Evropy mohli odborníci z ČVUT vytvořit algoritmus, který určí cenu konkrétního vozu s přesností okolo tří procent. U běžných značek, jako je například Škoda nebo Volkswagen, je přesnost ještě lepší. „Díky tomu se naši experti mohou soustředit na skutečně problematické případy – napadá mě třeba Ford F-150 Raptor s obytnou nástavbou – a nemusí validovat ceny běžných vozů,“ říká Tomáš Trnka.
Aktuálně Carvago pracuje na zapojení již sedmé generace modelu strojového učení do svých interních systémů. Tato generace modelu je přitom pro firmu přelomová. Po úvodním nacenění vozu se ještě podívá na fotky auta a cenu podle nich dodatečně zkoriguje. „Dlouho jsme se snažili natrénovat model tak, aby se ‚koukal‘ na kola, lak, nebo příplatkové vybavení,“ pokračuje Trnka. „Nic z toho však izolovaně nemělo prokazatelný vliv na cenu. Nakonec jsme umělé inteligenci nechali volnou ruku a ona se sama naučila, na co se na fotkách dívat, aby došlo ke zpřesnění odhadované ceny. My až zpětně pomocí speciálních postupů zjišťujeme, které prvky na fotkách byly ty cenotvorné.“
Výzkum se nicméně neomezuje pouze na zpracování fotografií. Umělá inteligence pomáhá analytikům společnosti Carvago získávat z nestrukturovaného textu inzerátů informace o výbavě, závažnějších opravách nebo o existenci servisní knížky. Do budoucna se Carvago chystá na vlastní strojové generování popisků inzerátů na základě vytěžených parametrů o autech.
Další zdokonalování
Učit se poznávat z fotografií další prvky výbav, specifická poškození a nestandardní prvky je pro obě spolupracující strany již jakousi výzkumnou rutinou. K dalším velkým výzvám,
které se mimochodem nyní řeší v celém oboru strojového učení, patří takzvaná interpretovatelnost modelů, kdy se odborníci snaží různými metodami reverzního inženýrství pochopit, jaké faktory modely vyhodnocují jako důležité pro rozhodování. To pomáhá nejen posilovat důvěru v umělou inteligenci uvnitř firmy vysvětlováním místních výsledků, ale vznikají díky tomu i nová pozorování, která vedou k dalším podnikatelským nápadům a vylepšením.
Druhou výzvou je jistota, respektive nejistota, s jakou modely vrací odpovědi. „Úplně jinak budeme přistupovat k informaci, že auto by mělo stát 320 000 Kč a model si je jistý na 95 %, než ke stejnému nacenění, ale s jistotou 17 %,“ přibližuje na závěr Tomáš Trnka.
Projekty “Výzkum a vývoj aplikace TEAS DMS 2.0 založeného na Big Data a AI” (registrační číslo CZ.01.1.02/0.0/0.0/20_321/0024728) a “Výzkum a vývoj Katalogu vozidel umožňující predikci zůstatkové ceny vozidel na základě AutoML a Image Recognition” (č. CZ.01.1.02/0.0/0.0/20_321/0024988) jsou podpořeny z Operačního programu Podnikání a inovace pro konkurenceschopnost financovaného z prostředků Evropského fondu pro regionální rozvoj.
