Jedna AI, miliony vzorců chování a potenciál měnit celé obory
www.posiv.cz ǀ 51
STARTUP
Jak důležitá jsou pro vás získaná data?
Klíčová. Za krátký čas jsme nasbírali obrovské množ-
ství unikátních herních dat o lidském chování v týmové
hře a jejich rozhodování pod tlakem – ideální pro tré-
nink AI modelů.
Díky silnému týmu PhD AI programátorů jsme tato
data připravili pro strojové učení a vyvinuli vlastní mo-
del GPRT – obdobu ChatGPT, který je místo textu tré-
nován na herních datech. Umí hodnotit výkon, predi-
kovat chování hráče a aktivně pomáhá se zlepšováním.
Jak GPRT funguje? Co se uživatel dozví o své hře?
Máme dva modely – GPRT Flash a GPRT Pro, které
dokážou predikovat dění přímo uvnitř hry. Například
s více než 90% přesností umí odhadnout, kdo vyhra-
je konkrétní kolo ve střílečce jako je Counter-Strike.
Předpovídá i to, kdo pravděpodobně přežije, kdo splní
úkol nebo jakou trasu hráč zvolí. A právě na těchto pre-
dikcích chceme stavět další funkce naší platformy.
Čísel je spousta, ale samotná vizualizace nestačí. Chtěli
jsme data „přeložit“ do srozumitelné zpětné vazby, se
kterou může hráč aktivně pracovat. A právě to je hlavní
cíl naší platformy – udělat analýzu srozumitelnou, pře-
hlednou a prakticky využitelnou.
Dnes máme analyzovaných přes 6 milionů hráčů – což
představuje tisíce let herního času. To je objem zkuše-
nosti, který si běžně nikdo neumí ani představit. Když
má člověk po boku takového „digitálního kouče“, který
mu na základě vzorců řekne, že tady je pravděpodob-
ně nejlepší rozhodnutí, může se rozhodovat datově –
ne jen podle pocitu. A právě tímto směrem podle mě
společnost postupně směřuje.
Zní to, že objem dat, se kterými pracujete,
je obrovský.
Je. Momentálně pracujeme s přibližně půl petabytem
dat – tedy zhruba 500 terabajty. To je bezprecedent-
ní objem, který s sebou přinesl i specifické technické
výzvy.
Například při trénování modelů bylo jasné, že stáhnout
takové množství přes internet by trvalo týdny a stálo
obrovské peníze. Proto nám Amazon poslal speciální
datové kontejnery – v podstatě přenosné servery – pří-
mo z Frankfurtu do Ostravy. Data jsme z nich nahráli
kabelově během dvou dnů. To je zkušenost, kterou
si projde jen málokterý AI startup.
Jak s nasbíranými daty dál pracujete? Co vám
přinesla?
Prokázali jsme, že dokážeme data efektivně očistit,
strukturovat a připravit pro trénink AI. Také rozlišujeme
datovou kvalitu do tří úrovní – zlatá, stříbrná a bronzo-
vá. Používáme moderní AI architektury, jako jsou trans-
formery nebo cross-attention mechanismy, a průběžně
sledujeme světový vývoj a revidujeme, zda využíváme
nejnovější možnosti.
Vaše AI modely se zatím zaměřují na herní prostředí.
Máte ambice jít i dál?
Ano, technologie, kterou jsme vyvinuli, má univerzální
využití. Herní data nám umožnila modely dobře vytré-
novat, ale princip systému pro podporu rozhodování
lze přenést i do dalších oblastí – od školství přes zdra-
votnictví až po obranu nebo veřejnou správu.
Například ve školství, jestliže získáme data o tom, jak
se studentům daří, umíme říct, které formy testování
vedou ke zlepšení jejich výsledků. Ve zdravotnictví lze
pomocí AI detekovat, zda je nějaký způsob léčby po-
malejší, vzorce mezi diagnózami, léčbou a rizikovými
faktory, které běžnému pozorování unikají. A ve hrách
simulujeme stres a rozhodování – stejně jako v krizo-
vých či vojenských simulacích, kde vidíme velký poten-
ciál pro obranu.
V našem regionu dominuje těžký průmysl, a právě tam
vidíme obrovský potenciál pro využití AI. Dokážeme
vytvořit systém, který monitoruje stav strojů a zaříze-
ní v reálném čase a předpoví, kdy je potřeba provést
údržbu nebo výměnu dílů – dřív, než dojde k poruše.
Pomocí vizuální analýzy rozpozná opotřebení nebo
jiné znaky, které v minulosti vedly k výpadkům.
Máte už i konkrétní jednání mimo soukromý sektor?
Ano, spolupracujeme s Moravskoslezským krajem,
městem Ostrava i s institucí Černá kostka, která přináší
technologie veřejnosti. Pokud budeme mít k dispozici
relevantní data – např. o dopravě nebo kvalitě ovzduší
– umíme na jejich základě vytvořit prediktivní systémy
pro efektivnější řízení města.
Na konci dne je to vždy člověk, kdo rozhoduje. Ale čím
lepší má podklady, tím lepší rozhodnutí může udělat.
Děkuji za rozhovor.
Herní data pomohla modely vytrénovat,
ale princip systému lze přenést
i do dalších oblas.