Никола Мркшић, Србин који учи компјутере да разговарају: "Бићемо бољи од Амазона и Епла"

Пре тридесете Никола Мркшић успео је са партнерима да скупи 30 милиона долара од инвеститора коју верују да ће његова компанија научити компјутере да разговарају с људима. Колико су успешни у томе сведочи то што га је магазин Форбс препознао као једног од тридесет млађих од тридесет година у ИТ свету чији напредак треба пратити. (На овогодишњој листи је и Новосађанка Maрина Ивановић.)

Пре тога је докторирао на Кембриџу на који је отишао из Математичке гимназије у Београду, неко време је радио у Еплу где је учио Сири да комуницира ("био сам један у тиму од хиљаду", каже скромно). 

Проценивши да може боље и више пре четири године у Лондону је са два партнера основао фирму PolyAI која се бави вокалном комуникацијом са машинама. О томе говори у видео-разговору за РТС.

Никола, да бих снимио овај интервју морао сам да обавим сигурно двадесетак радњи на овим апаратима, које користим. Да ли је Вама замисливо да само изговорим како хоћу да снимим видео-интервју са Николом Мркшићем и да апарати све сами припреме. Колико смо далеко од тога да компјутеру усмено наређујемо и сложене радње?

Апсолутно је могуће и то је нешто на чему ми радимо, на чему велике технолошке фирме раде. Можда неће бити баш у једној реченици, можда ће систем да постави потпитање који програм за позивање желите да користите или у које време, ако нисте рекли на почетку. Али тај разговор са компјутером може да буде течан и једноставан. И да буде много лакши од свих тих интеграција које сада морате да обавите.

Чиме се тачно бави ваша компанија PolyAI?

PolyAI је фирма од педесетак људи са седиштем у Лондону и канцеларијама у САД и Сингапуру. Ми правимо конверзационе системе, voice assistant, не знам како се то каже на српском, рецимо говорни аутомат мада то звучи као нешто већ превазиђено.

То су системи који се јављају на телефон када зовете корисничку подршку, било да зовете телекомуникациону фирму или банку или угоститељски објекат и правите резервацију или се жалите на услугу. Или имате проблем са повезивањем на интернет и треба вам помоћ. У сваком од тих сценарија наш систем се јави и разговара са вама потпуно исто као што би и веома добро обучени оператeр у кол центру то радио.

Како је то могуће када знамо да људи имају акценат, говорне мане, не говоре сви чисто да би компјутер то лако разлучио?

У праву сте. У општем случају ако би ви причали у дијалекту или о нечем врло специфичном, то није проблем који је потпуно решен. Али ако разговарате са системом који зна отприлике шта ви покушавате да постигнете, тај систем зна шта да очекује. Па ако резервишете место у ресторану, следеће што иде је датум или број људи који долазе или неко питање око паркинга.

Само у Британији има 67 поддијалеката енглеског језика. Када се то преточи у текст то изгледа другачије и систему није баш јасно шта се тражи. Али ако истренирате вештачку интелигенцију која је специјализована да уради управо тај један задатак она зна шта која реч значи у том контексту.

Ми се као људи добро разумемо зато што смо цели живот учили како да се разумемо, како да користимо контекст. Тако и наши системи имају приступ том контексту па су у могућности да увек извуку праву намеру корисника. Чак и ако не запишу тачно оно што треба.

Могу ли компјутери да разумеју моју емоцију? Исту реченицу могу да изговорим и љутито и благо. Како то компјутер разликује?

То је један од тежих проблема чак и са академске стране. Разлучити када једна реченица има исте речи, да ли је позитивна или негативна, јер различити људи имају различите темпераменте и говоре на различите начине.

Могуће је то детектовати, али оно што ми сада радимо што је битнији корак у развоју вештачке интелигенције је да знамо када нам не иде претерано добро. И ако нам не иде претерано добро и систем се мучи ми пребацимо корисника на радника у кол-центру, не желимо да трошимо његову добру вољу.

Ипак постоји неки жив човек који преузме посао од компјутера када ствари не иду како треба?

Да, и то је идеја. Наши системи могу да аутоматизују 80 па и 90 одсто саобраћаја који иде у кол-центар. Али у десет одсто случајева или када је реч о корисницима који питају неко веома ретко питање или премијум корисницима, њих чувате за разговор са неким од ваших најбољих оператера.

Али за репетитивне разговоре можда су корисници могли да оду на веб-сајт и нађу одговор на то питање, за то овај систем може да буде решење. Нама је идеја да све више и више аутоматизујемо да бисмо на крају можда дошли до сто одсто аутоматизације.

Није идеја заменити људе, идеја је да ти кол-центри који никада немају довољно људи... интересантно је да два одсто популације у Британији или САД ради у кол-центрима и поред свог аутсорсинга који они раде у трећим земљама... велика је потреба за људским капиталом у тим кол-центрима који једноставно није ту. Технологија нам је потребна јер то оно што користимо постаје све компликованије па потреба за корисничком подршком расте.

Хоћете да кажете да ви никоме не отимате посао?

Наши најуспешнији пројекти до сада били су са фирмама у којима није било довољно људи да ураде неки посао. Даћу вам пример. Рецимо, радимо са угоститељским фирмама где су се конобари јављали на све позиве пре него што су наши системи примењени. И сад, пошто људи зову у време ручка или вечере када су конобари заузети и немају времена да се јаве, на тридесет одсто позива нико се није јављао. После примене нашег система људи зову, систем се јави сваки пут и око осам одсто више резервација се оствари када то ради вештачка интелигенција него када то ради особље у ресторану.

Ми никоме не одузимамо посао него тим конобарима дајемо шансу да свој посао раде много опуштеније јер не морају сваки час да трче на телефон.

Људи некада умеју да се изнервирају када им жив човек одговара механички...

И те како.

Шта се дешава када схватим да разговарам са машином? Реагују ли људи негативно?

Ми на почетку разговара кажемо „ја сам дигитални агент, како могу да вам помогнем". Мада то кажемо врло брзо да не бисмо скретали превише пажњу на то. Врло је занимљиво да када људи нешто кажу и виде да су добили одговор као што би га добили од човека, брзо, ефикасно и без чекања, онда се гради то поверење. Ако све иде како треба, људи радо воде тај разговор.

Има људи који кажу, ах машина, нећу да причам са машином, оператор, оператор, оператор! У том случају ми их пребацимо, нема смисла силити их.

Али то је између четири и пет одсто људи. Остали радо причају са дигиталним агентом, а ми ако осетимо да разговор не иде како треба и да немамо одговор кажемо како немамо одговор на то питање и да ћемо их пребацити на неког од људских колега.

Треба ли да будемо љубазни са вашим машинама, роботима или можемо да будемо и груби према њима? Како ће реаговати ако сам ја бесан?

Вероватно ће радити мало слабије јер углавном причају са људима који користе блажи тон. Занимљиво је и да што дуже реченице користите, машина боље ради. Тако је технологија подешена, што више сигнала добије од вас боље ће да вас разуме.

Многи људи мисле да треба причати кратким реченицама. Троје људи. Сутра. Два после подне. А много боље је речи „па мислили смо да дођемо сутра у два по подне". Један пријатан разговор је најбољи начин да дођете до успешног краја разговора са машином.

Али она нема осећања. Ако желите да је псујете при сваком кораку, можете то да радите.

Неће се наљутити и рећи „ја сам програмирана да с људима који су груби не разговарам"?

За сада не. У будућности, можда. У сваком случају, ми бисмо ваше псовање разумели као непријатност и знак да не уживате у разговору и пребацили бисмо вас људском оператеру.

Зар није логичније да ће машина лакше да ме смири јер код људског оператера могу да изазовем негативну емоцију, а машини то не може да се деси?

То је тачно. Али ја сам много времена провео по кол-центрима широм Британије и невероватно је колико су то пријатни и добри људи. А даноноћно их зову и вичу на њих као да су они криви за проблем због кога се јављају.

Каква је реакција тих људи када им кажете, ово што ви радите може да ради машина коју ја правим?

Када оператерима који су на вишем нивоу и обучавају ниже рангиране оператере кажете да постоји неки интерфејс којем можете да кажете да се променио одговор на неко питање, њима то делује као удобнији начин да раде свој посао. Што се тиче агената који су нови у послу, мислим да је свима интересантно. Очигледно је да се то неће десити преко ноћи. Али технологија је увек елиминисала оне најједноставније послове.

Постоји ризик да ово може негативно утицати на тржиште рада, али...

Шта је крајњи циљ вашег рада, у шта бисте да се PolyAI развије?

Видите, ја сам радио за Епл. Пројекат Сири има две хиљаде људи. Амазонов Алекса има 14.000 људи, и даље расте. То су компликовани системи који у односу на уложени новац нису постигли неки резултат. Нама је циљ да направимо системе који ће стварно додати неку вредност. Који ће побољшати искуство и оног ко зове и оног ко треба на позив да се јави.

Циљ је да направимо што више добрих искустава и да докажемо да ова технологија има будућност. За сада нам иде јако добро. Имамо пуно клијената којима смо помогли да повећају приходе, да смање трошкове. Циљ нам је да валидирамо ову технологију.

Смели бисте да кажете да вам је циљ да будете већи од Алексе и Сири?

Да, да. С тим да ми наш производ продајемо великим фирмама, а они продају конзументима. Тако да нам они нису конкуренција, не такмичимо се с њима.

Све те паре које је Џеф Безос упумпао у Алексу за нас су јако добре зато што су подигле ниво интересовања за оно што ми радимо, зато што су тим фирмама које купују нашу технологију рекле да та будућност долази и да су навике потрошача промењене. Свака друга кућа у Америци сада има Алексу или Гуглов хоум уређај.

Навике се мењају. Деца одрастају разговарајући са технологијом. Будућност је ту иза ћошка.

Је ли то добро или лоше што неко одраста разговарајући с технологијом? Такође, јесте ли и ви размишљали да ипак уђете у то тржиште, да заграбите нешто и од конзументске технологије?

Када правите стартап јако је важно да будете фокусирани. Ми смо Б2Б компанија, продајемо технологију другим фирмама. Када радите за конзументе онда су вам понуда и дистрибуција другачији. За сада не. Веома смо концентрисани да великим фирмама помогнемо у овоме, а ако будемо јако успешни и привучемо још више капитала и изградимо позицију на тржишту, видећемо.

Је ли Вам оптерећење тај капитал, ако сам добро разумео 12 милиона долара? Неко има очекивања...

До сада смо дигли близу 30 милиона долара финансирања. И то од неких врло озбиљних америчких и британских venture капитал фирми. То јесте једно очекивање и притисак, али је за нас било искључиво позитивно. Немате више то оптерећење да ли ова фирма треба да има приходе који расту, шта да узмем себи, шта да дам запосленима, колико да уложим у раст, а колико у нешто друго.

Када дигнете тако пуно новца и уложите у тај раст, онда вам амбиција постане крајње мегаломанска и идете на то да направите најбољу могућу и најуспешнију фирму. То је за мене до сада било једно невероватно искуство које бих свакоме препоручио.

Малопре нисам добио савршен одговор на моје питање, можда бих се боље разумео с роботом...

Можда.

Питање је било која би то била ваша мегаломанска амбиција, ако је имате а смете да је поделите?

Нама је циљ да од ове компаније направимо огромну компанију која ће изаћи на берзу која ће бити део вашег свакодневног живота. Зовете фризера, ресторан, авио-компанију, где год причате са корисничком подршком, ми желимо да будемо део тог разговора. Да немате ту свакодневну фрустрацију с компјутером. И да ослободимо људски капитал, који је тренутно заробљен у тим кол-центрима.

Малопре сам се нашалио око оног разговора с роботом, али сада се не шалим. Да ли би било могуће направити робота који би био Никола Мркшић. Који би одговарао на питања у овом интервјуу са великом вероватноћом да ће рећи оно што Ви мислите?

Апсолутно. Ако сте заинтересовани, у полушали смо мој друг Иван и ја направили систем у којем ја говорим на српском, а његов глас смо синтетизовали, могу да вам пустим део разговора.

Дакле могуће је да разговарам са роботом и да ми он дâ доста добар интервју?

Наравно.

То није случај у овом разговору?

Није, не ради нам тај видео део, а и не изгледам толико импресивно. Још нисмо дошли до тог стадијума.

Откуд Ви у овој причи, уопште у причи са компјутерима, а онда и у овом вокално инструменталном саставу?

Завршио сам Математичку гимназију у Београду, добио стипендију за Кембриџ, отишао тамо. Свашта ме је занимало, умало да одем у инвестиционо банкарство у једном тренутку. Али буквално две недеље пре него што бих то урадио упознао сам једну групу људи који су правили нашу претходну фирму VocalIQ. Они су били оснивачи те фирме и показали су ми пар ових система и био сам фрапиран колико је то било футуристички.

Одмах сам им рекао да идем с њима у ту причу, била је то дивна група људи.

Нашу фирму је на жалост или на срећу годину и по дана касније купио Епл. Тако да сам радио за Епл Сири у Кембриџу две године.

У исто време сам докторирао и упознао своје суосниваче који су обојица Тајванци и чудо од људи и заједно смо радили на технологијама које су биле потпуно нова област, дубоко учење, примена неуронских мрежа за разумевање људи и планирање разговора, синтезу говора. Пошто смо сва тројица радили на развоју тих система знали смо да имамо озбиљну технологију коју нема нико други. У том тренутку смо одлучили, океј, то је то, правимо фирму, дижемо инвестиције, цео тим са Кембриџа пребацујемо у фирму и растемо.

Након две године имали смо прве клијенте из угоститељства, онда смо добили неке банке као клијенте, па телекомуникационе фирме, фирме које раде доставу. Казино нам је најновији клијент. То је постала озбиљна прича сада.

Овако како сте испричали звучи као да је било без проблема, све је текло глатко.

Па, јесте.

Не знам шта би рекли други стартапери, да ли се код вас можда нашао један број изузетних људи којима је све ишло?

Наравно да имамо невероватан тим без ког никада не бисмо довде стигли. Могу да јадикујем, па да кажем да све то захтева даноноћни рад, много одрицања, труда, панике, све је то део тога. Али ако сте спремни да се исцимате око тога, искуство је невероватно. Ја са тридесет година сам видео толико ствари у продаји и у развоју производа и програмирању, дизању новца. Све је то невероватно искуство.

И много, много среће.

Радите ли и на српском језику?

Радимо све језике, фирма се зове PolyAI зато што је полиглота, polymath, дакле ради преко различитих апликација.

Питам јер сте употребили израз исцимати се. Да ли би машина разумела некога ко каже да неће да се цима јер не би да се смори. Ја не разумем када ми млађи људи кажу такве ствари, а тек робот како то схвата?

Оно што је интересантно у тим најновијим технологијама је да оне у стварима које се зову претренинг читају много текста. Тако ради наш модел. Када радимо порт језика за српски, ми узмемо све материјале са српског са интернета где се користи доста тих колоквијалних израза. И пошто их користе то значи да ће их разумети када их сусретну у разговору.

Који бисте савет дали неком ученику Математички гимназије у коју сте ишли, шта треба да ради ако жели да буде добар као Никола Мркшић?

Не знам колико сам добар...

За сада сте добри 30 милиона долара колико вам је неко поверио за посао.

Пред ученике Математичке гимназије се ставља много очекивања, то је веома, веома такмичарска средина. Мислим да треба да стану на секунд, погледају шта њих стварно занима и да уместо да се, можда, фокусирају на пласман на неко од међународних такмичења што је тамо Свети грал и што сам и ја радио, не претерано успешно, мислим да је битно да се мало стане и размисли шта то жели да се ради и да се онда дугорочно испланирају кораци како да се тамо стигне.

Поменуо бих Петницу као институцију која помаже људима да избију мало из тог калупа оштро такмичарског и да мало прошире видике.

Србија има у односу на величину непропорционално добре кошаркаше и тенисере, а често кажемо и да има много ИТ стручњака. Слажете ли се са тиме? Да ли је Србија талентованија или мање талентована од других, рецимо кад гледате кога бисте запослили?

Мислим да смо технички веома надарени, али не мислим да одударамо од окружења. Цела источна Европа потенцира ту руску школу математике где је образовање јако добро. Тако да технички јесмо врло јаки.

Наш темперамент уме да буде проблем кад већ питате о запошљавању. Пргави смо, темпераментни, мало динароидни и то уме да буде проблем у комуникацији.

На нижем нивоу, улазница вам је да сте ИТ стручњак. Али на вишем нивоу, да бисте постали менаџер и напредовали у каријери јако је битно да сте добар комуникатор и да вам је енглески перфектан.

Ми често верујемо да ако смо технички супериорни све ће нам служити на тацни, а није тако. Па се наши људи изненаде када то не буде тако на Западу.

А шта бисте саветовали неког стартаперу у Србији?

Мислим да у Србији има пуно добрих ИТ компанија, тај сектор је успешан и добар. Нисам ја ту позван да дајем битне савете, ти људи раде у тежим условима него ја овде. Те су компаније створене у тешким условима, немају приступ енормној количини капитала који инвестиционе фирме инвестирају овде или у Америци где има још више пара.

Није згорег када се ради продаја да одмах буду амбициозни. Израелци су добар пример с ове стране океана. Sales office, чим имате мало капитала, правите у Америци јер то је једино тржиште на коме се праве енормно велике фирме.

Можете да имате најбољи производ на свету, купиће вас пет година касније далеко мање технички способан амерички компетитор, такмац, који ће расти брже јер има боље тржиште.

Не треба то одлагати и фокусирати са на домаће тржиште. Развијајте производ у Србији, људи су сјајни, али продаја мора да буде у Америци да би се направиле глобално битне фирме.

Јесте ли размишљали о отварању огранка у Србији?

Волео бих то да урадим и волео бих да проводим више времена у Србији. Надам се да ће ме живот за још једну деценију вратити у Србију. За сада је фирма прилично концентрисана овде.

Ако бих позвао вашу фирму телефоном ко би ми се јавио, секретарица или робот?

Ми смо нова фирма да и немамо неки одређени број на који треба да нас зовете.

Мислио сам да питам да ли то што правите користите и за себе?

Наш основни критеријум за сваког клијента је да има пола милиона позива. Нажалост, још немам пола милиона клијената који ме зову годишње, али чим будем имао и ту ће се наћи PolyAI.

Шта вам значи то што сте на Форбсовој листи 30 испод 30 у ИТ-ју?

Ништа посебно.

Је ли било више позива него иначе, добро, можда не баш пола милиона?

Јесте, било је више интересовања, али не размишљам о томе.