Kodėl Lietuva apskritai turi ką pasakyti DI pasaulyje?
Jei kas prieš penkerius metus būtų pasakęs, kad Lietuva taps vienu iš įdomiausių dirbtinio intelekto ekosistemų Rytų Europoje, greičiausiai būtum nusišypsojęs. Šalis su 2,8 milijono gyventojų, be didžiulių universitetų kaip Oksfordas ar MIT, be Silicon Valley tipo infrastruktūros. Ir vis dėlto – čia kažkas vyksta. Kažkas tikro.
Vilnius šiandien yra vienas iš greičiausiai augančių technologijų centrų Europoje. Ne todėl, kad kažkas taip nusprendė ir paskyrė milijardą eurų. O todėl, kad susiklostė keletas faktorių vienu metu: stipri matematikos ir inžinerijos tradicija mokyklose, palyginti žemos operacinės išlaidos, atvira reguliacinė aplinka finanstech sektoriuje ir – svarbiausia – žmonės, kurie grįžo iš Londono, Berlyno, San Francisko su patirtimi ir noru kurti čia.
DI startuoliai Lietuvoje nėra vienas monolitinis reiškinys. Tai labai skirtingos įmonės, sprendžiančios labai skirtingas problemas. Vienos orientuotos į B2B rinkas, kitos kuria vartotojų produktus. Kai kurios jau pritraukė rimtą tarptautinį finansavimą, kitos dar tik ieško savo nišos. Bet bendra tendencija aiški – lietuviai nebijo eksperimentuoti su DI technologijomis ir, kas svarbiau, sugeba jas pritaikyti praktiškai.
Finansų technologijos ir DI – natūrali santuoka
Lietuva jau seniai žinoma kaip fintech centras. Čia licencijuota daugiau nei 100 elektroninių pinigų ir mokėjimų įstaigų – daugiau nei bet kurioje kitoje ES šalyje. Tai sukūrė natūralią terpę DI sprendimams finansų sektoriuje.
Kevin. – vienas ryškiausių pavyzdžių. Ši įmonė kuria DI variklį, kuris analizuoja finansines operacijas ir padeda bankams bei mokėjimų platformoms geriau suprasti savo klientus. Jų technologija nėra paprastas kategorijų priskyrimas – tai semantinis operacijų supratimas, kuris gali pasakyti ne tik „tai buvo maisto pirkinys”, bet ir „šis žmogus perka ekologiškus produktus, gyvena priemiestyje ir greičiausiai turi šeimą”. Tai skamba šiek tiek Orwelliškai, bet finansų sektoriuje tokia informacija reiškia geresnius produktus ir mažiau šlamšto pasiūlymų.
Kitas įdomus žaidėjas – Ondato, kuri sprendžia KYC (Know Your Customer) problemą naudodama kompiuterinę viziją ir mašininį mokymąsi. Jų sistema per kelias sekundes patikrina asmens dokumentus ir atpažįsta veidą – tai, kas anksčiau užtrukdavo dienas ir reikalavo žmonių darbo, dabar vyksta automatiškai. Jie jau dirba su klientais keliose dešimtyse šalių, kas rodo, kad produktas tikrai veikia ne tik Lietuvos rinkoje.
Praktinis patarimas fintech startuoliams: jei galvojate apie DI integravimą į finansinį produktą, pradėkite nuo konkrečios skausmo vietos, o ne nuo technologijos. „Norime naudoti GPT” – tai ne strategija. „Mūsų klientai praleidžia 40 minučių pildydami formas, kurias galėtume automatizuoti” – tai jau kažkas.
Sveikatos priežiūra – sritis, kur DI gali išgelbėti gyvybes
Sveikatos priežiūra yra viena iš sričių, kur DI potencialas didžiausias ir kartu reguliaciniai barjerai aukščiausi. Lietuviški startuoliai čia taip pat rado savo nišas.
Oxipit – turbūt žinomiausias pavyzdys. Jie sukūrė DI sistemą, kuri analizuoja krūtinės ląstos rentgeno nuotraukas ir padeda radiologams greičiau ir tiksliau diagnozuoti patologijas. Tai buvo pirmoji Europoje CE sertifikuota autonominė DI sistema medicininei diagnostikai – tai reiškia, kad ji gali veikti be žmogaus priežiūros kiekvienam vaizdui. Tai milžiniškas pasiekimas reguliaciniu požiūriu.
Ką tai reiškia praktiškai? Radiologas per dieną gali peržiūrėti šimtus vaizdų. Nuovargis, dėmesio trūkumas, laiko spaudimas – visa tai didina klaidų tikimybę. DI sistema nepavargsta. Ji kiekvieną vaizdą vertina vienodai atidžiai. Oxipit sistema nepakeičia radiologo – ji filtruoja aiškiai normalius vaizdus, kad specialistas galėtų sutelkti dėmesį į sudėtingus atvejus.
Ligence – kita Lietuvos sveikatos DI įmonė, orientuota į echokardiografijos analizę. Širdies ultragarsas yra labai operatoriaus priklausoma procedūra – skirtingi specialistai gali gauti skirtingus rezultatus. Ligence DI padeda standartizuoti analizę ir sumažinti žmogiškąjį faktorių.
Sveikatos DI startuoliams reikia suprasti vieną dalyką: čia negalima greitai judėti ir daužyti daiktų, kaip sakytų Zuckerbergas. Reguliavimas yra toks, koks yra, ir tai nėra blogai – mes kalbame apie žmonių sveikatą. Planuokite, kad CE žymėjimas užtruks metus, o gal ir ilgiau. Investuokite į klinikinius tyrimus nuo pat pradžių, ne kaip paskutinį žingsnį.
Kalbos technologijos – kur lietuviai turi natūralų pranašumą
Lietuvių kalba yra viena seniausių gyvų indoeuropiečių kalbų. Ji taip pat yra viena iš mažiau ištirtų kalbų DI kontekste – tai ir iššūkis, ir galimybė.
Telesoftas ir Neurotechnology – dvi įmonės, kurios jau dešimtmečius dirba su kalbos atpažinimo ir biometrinių technologijų sritimis. Neurotechnology ypač įdomi – jie yra pasauliniai lyderiai pirštų atspaudų atpažinimo algoritmų srityje, ir tai nėra atsitiktinumas. Tai gilios techninės kompetencijos rezultatas, kurią dabar galima pritaikyti platesniems DI uždaviniams.
Kalbant apie lietuvių kalbos apdorojimą – čia situacija sudėtingesnė. Didieji kalbų modeliai kaip GPT-4 ar Claude lietuviškai kalba pakenčiamai, bet ne puikiai. Lietuvių kalba yra morfologiškai labai turtinga – vienas žodis gali turėti dešimtis formų. Tai reiškia, kad standartiniai tokenizavimo metodai, sukurti anglų kalbai, čia veikia prasčiau.
Vilniaus universiteto mokslininkai ir keletas startuolių dirba prie lietuviškų kalbų modelių. LT-LLM projektas – bandymas sukurti kalbos modelį, specialiai apmokytą lietuviškais duomenimis. Tai svarbu ne tik dėl kalbos kokybės, bet ir dėl kultūrinio konteksto – lietuviškas modelis geriau supras lietuviškas realijas, humoro niuansus, kultūrines nuorodas.
Jei kuriate produktą lietuvių rinkai ir naudojate DI kalbos apdorojimui, štai keletas praktinių patarimų: pirma, visada testuokite su realiais lietuviškais tekstais, ne vertimais. Antra, apsvarstykite hibridinį požiūrį – didysis modelis bendram supratimui, specialus modulis lietuviškoms specifinėms užduotims. Trečia, surinkite savo mokymo duomenis nuo pat pradžių – tai bus jūsų konkurencinis pranašumas.
Žaidimų industrija ir kūrybinės technologijos
Tai galbūt mažiau akivaizdi sritis, bet Lietuva turi stiprią žaidimų kūrimo bendruomenę. Nordcurrent – viena didžiausių mobilių žaidimų kompanijų regione – jau aktyviai eksperimentuoja su procedūriniu turinio generavimu ir DI pagalba žaidimų dizaine.
Kūrybinių technologijų erdvėje DI naudojamas labai skirtingai: generuoti tekstūras ir 2D meną, kurti NPC (nekontroliuojamų veikėjų) dialogus, testuoti žaidimų balansą, personalizuoti žaidėjo patirtį. Tai ne apie tai, kad DI pakeistų kūrybinį žmogų – tai apie tai, kad kūrybinis žmogus galėtų daugiau laiko skirti tikrai kūrybai, o ne pasikartojančioms užduotims.
Vilniuje taip pat auga kūrybinių DI įrankių naudotojų bendruomenė. Midjourney, Stable Diffusion, Suno – šie įrankiai jau aktyviai naudojami lietuviškose dizaino ir reklamos agentūrose. Tai ne tik apie efektyvumą – tai apie naujus kūrybinius galimybių horizontus.
Finansavimas ir ekosistema – kur pinigai ir kodėl to nepakanka
Lietuviški DI startuoliai pritraukia vis daugiau investicijų, bet situacija nėra rožinė. Practica Capital, Iron Wolf Capital, Contrarian Ventures – tai vietiniai fondai, kurie aktyviai investuoja į technologijų startuolius. Tačiau vietinis kapitalas yra ribotas, ir rimtam DI produktui vystyti jo dažnai nepakanka.
Skaičiai: vidutinis DI startuolio seed raundas Lietuvoje yra 500k–2M eurų. Tai pakanka pradėti, bet DI produkto vystymas – ypač jei kalbame apie savo modelių mokymą – gali kainuoti žymiai daugiau. Todėl sėkmingi lietuviški DI startuoliai dažnai greitai pereina prie tarptautinių investuotojų.
Valstybinis sektorius taip pat vaidina svarbų vaidmenį. Inovacijų agentūra ir MITA administruoja ES struktūrinių fondų lėšas, kurios gali finansuoti DI R&D. Tai lėtas procesas su daug biurokratijos, bet pinigai realūs. Praktinis patarimas: jei galvojate apie valstybinį finansavimą, samdykite žmogų, kuris išmano paraiškų rašymą – tai specialus menas, nesusijęs su jūsų technologijų kokybe.
Startup Vilnius ir Unicorn Lithuania programos padeda startuoliams rasti ryšius su investuotojais ir mentoriais. Ekosistema mažesnė nei Londone ar Berlyne, bet tai turi ir privalumų – čia lengviau pasiekti tinkamus žmones, lengviau gauti pirmą susitikimą su investuotoju.
Vienas iš pagrindinių iššūkių – talentų trūkumas. DI inžinieriai yra vieni brangiausiai apmokamų specialistų pasaulyje, ir Lietuva konkuruoja su Google, Meta ir kitais gigantais dėl tų pačių žmonių. Sprendimas, kurį randa daugelis lietuviškų startuolių – hibridinis modelis: branduolys Vilniuje, bet kai kurios funkcijos paskirstytos per nuotolinę komandą.
Reguliavimas, etika ir tai, kas nepatogu kalbėti
ES DI aktas (AI Act) jau galioja ir keičia žaidimo taisykles. Lietuva, kaip ES narė, privalo laikytis šių taisyklių, ir tai turi tiesioginę įtaką vietiniams startuoliams.
Aukštos rizikos DI sistemos – medicinos diagnostika, kreditų vertinimas, biometrinė identifikacija – reikalauja papildomos dokumentacijos, auditų, skaidrumo. Tai kainuoja pinigų ir laiko. Bet ilgainiui tai gali tapti konkurenciniu pranašumu prieš ne-ES konkurentus, kurie neturi tokio reguliacinio patvirtinimo.
Etikos klausimas yra realus ir dažnai ignoruojamas startuolių aplinkoje. Kai kurie lietuviški DI produktai dirba su jautriais duomenimis – sveikatos, finansų, tapatybės. Kaip šie duomenys saugomi? Kaip užtikrinama, kad modeliai nediskriminuoja? Kas atsako, kai DI klysta?
Tai nėra tik filosofiniai klausimai. Tai verslo rizikos. Vienas didelis duomenų nutekėjimas ar diskriminacinis algoritmas gali sunaikinti reputaciją ir verslą. Investuokite į duomenų apsaugą ir algoritmų auditą ne kaip į compliance užduotį, bet kaip į verslo riziką.
Yra ir nepatogus klausimas apie darbo vietas. DI automatizuoja procesus, kuriuos anksčiau atliko žmonės. Lietuvoje, kur darbo rinka jau kenčia nuo emigracijos, tai yra jautri tema. Sąžiningas atsakymas: taip, kai kurios darbo vietos išnyks. Bet istoriškai technologijų revoliucijos sukuria daugiau darbo vietų, nei sunaikina – tik kitokias. Klausimas, ar Lietuva pasiruošusi perkvalifikuoti darbuotojus.
Ateitis, kuri jau prasidėjo – ir ką su tuo daryti
Lietuviški DI startuoliai 2024–2025 metais yra įdomesnio etapo pradžioje, nei pabaigoje. Pirmoji banga – įmonės, kurios naudojo mašininį mokymąsi konkretiems uždaviniams – jau sukūrė pagrindą. Dabar ateina antroji banga, kurią formuoja didieji kalbų modeliai ir multimodalinis DI.
Ką tai reiškia praktiškai? Startuoliai, kurie anksčiau reikalavo didelių duomenų rinkinių ir specializuotų komandų, dabar gali naudoti GPT-4, Claude ar Gemini kaip pagrindą ir kurti ant jo. Tai sumažina įėjimo barjerą, bet taip pat reiškia, kad konkurencija didėja. Jei jūsų produktas yra tik „ChatGPT su lietuvišku UI” – tai nėra verslas. Jei jūsų produktas sprendžia konkrečią problemą konkrečiai industrijai su DI kaip įrankiu – tai jau kažkas.
Keletas sričių, kur lietuviški startuoliai turi realų potencialą: teisinis DI (lietuviška teisė yra specifinė, o teisininkai brangūs), žemės ūkio technologijos (Lietuva turi didelį žemės ūkio sektorių, kuris skaitmenizuojasi), logistika ir tiekimo grandinės (Lietuva yra tranzito šalis), švietimo technologijos (lietuviška švietimo sistema turi specifinių poreikių).
Jei esate Lietuvoje ir galvojate apie DI startuolį – keletas konkrečių žingsnių: pirma, prisijunkite prie Vilnius Tech Park ar Startup Vilnius bendruomenės, nes ryšiai čia svarbūs. Antra, ieškokite problemų, kurios yra specifinės Lietuvai ar regionui – tai suteikia pradinį pranašumą. Trečia, galvokite globaliai nuo pirmos dienos – Lietuvos rinka per maža, kad būtų galutinis tikslas. Ketvirta, investuokite į techninę kompetenciją, o ne tik į produkto apvalkalą – DI rinkoje laimės tie, kurie supranta, kas vyksta po gaubtu.
Lietuviški DI startuoliai nėra Silicon Valley. Jie nėra DeepMind. Bet jie yra realūs, sprendžia realias problemas ir auga. Ir galbūt tai svarbiausia – ne tai, kad Lietuva taps pasaulio DI sostine, bet tai, kad lietuviški produktai ir lietuviška kompetencija tampa matoma tarptautinėje arenoje. Tai jau vyksta. Klausimas tik – kas bus kitas.
