Londonsko-beogradski startap Wingman AI uzeo investiciju od 900.000€ za primenu veštačke inteligencije u eSportsu

Kako je izgledao razvojni put beogradske ekipe koja danas stoji iza Wingmana?

Nevenka Rangelov - 8. Oktobar, 2018.

Londonsko-beogradski startap Wingman AI podigao je seed investiciju u iznosu od 900.000 evra za razvoj tehnologije koja primenjuje dubinsko učenje (eng. deep learning) i image processing u oblasti eSportsa.

Wingman AI nastao je spajanjem domaćeg startapa, Propeller AI i londonske ekipe Vaix.

Ivan Goloskoković, suosnivač i glavni inženjer u Wingmanu je sa svojim beogradskim timom u prethodnih godinu dana prošao vrlo dinamičan put, od sopstvenog startapa koji nikako da poleti, preko klijentskih poslova do ulaska u poduhvat sa stranim partnerima. Iako su sve vreme ostajali u oblasti dubinskog učenja i computer visiona, projekti na kojima su radili su se među sobom dosta razlikovali, a sa svojim startapom su prošli maltene školski put traženja product-market fita.

Svoj dalji rad nastavljaju kao jedinstven entitet sa timom iz Londona, ali je njihova priča i pre ovog spajanja vrlo interesantna kako sa tehnološke, tako i sa biznis strane.

Pored informacija o startapu iz naslova, u ovom članku ćemo se potruditi pre svega da ispričamo razvojnu priču jednog startapa iz Beograda, koja opisuje mnoge prepreke na koje oni nailaze ali i jedan dosta dobar put za razvoj tehnoloških startapa iz Srbije.

Mašinsko učenje za marketare

Inicijalni proizvod koji je Ivan razvijao sa svojim timom primenjivao je dubinsko učenje i image processing u oblasti marketinga sa idejom da klijentima omogući dodatne informacije o njihovim korisnicima i na taj način im pomogne da kreiraju kvalitetnije i bolje targetirane marketing kampanje.

Ideja je bila da napravimo platformu koja će klijentima koji su fokusirani na marketing pomoći da izvuku dodatne informacije iz svoje kampanje. Mi “pohvatamo” sve što postoji na nekom profilu i damo klijentu podatke o tome ko je ta osoba zapravo, bez informacija o imenu, prezimenu i godištu. Npr. da je to ženska osoba koja pripada manjinskom delu stanovništva u njenim dvadesetim godinama. Na osnovu toga, klijent može da adaptira sadržaj tom korisniku.

Ivan je prošle godine otputovao u San Francisko upravo sa idejom da za ovu platformu nađe investitore. Ubrzo je shvatio da će u tome teško uspeti, s jedne strane jer je proizvod koji su razvijali tehnološki vrlo zahtevan i s druge strane jer iza sebe nisu imali maltene nikakvu reputaciju koja bi im olakšala dolazak do američkih investitora.

Naša reputacija nije bila dovoljno jaka da bi neko rekao da smo mi ti carevi koji će to da naprave. To je bilo suviše high tech da bi neko poverovao da neki ljudi iz Beograda time toliko dobro vladaju. Plus mi nemamo veliko iskustvo sa marketingom, svi smo inženjeri.

Takođe, uvideli su da je tržište koje gađaju suviše široko i da bi proizvod tolikog opsega pre mogli razviti giganti poput Facebooka i Google-a. U tom trenutku odustaju od traženja investicije i odlučuju da se okrenu traženju klijenata i ispitivanju njihovih potreba kako bi došli do jasnije ideje na koji način bi tehnologije kojima vladaju mogle da se uklope u potrebe tržišta.

Epizoda s podmornicama

Mašinsko učenje, a pre svega računarski vid (computer vision) je prilično stara oblast u kojoj se nekada radilo sa primitivnijim algoritmima koji su podrazumevali dosta “ručne” analize feature-a. Pravi zalet u ovoj oblasti nastaje sa “otključavanjem” algoritma za dubinsko učenje koji je star više od 25 godina, ali do trenutka dok nije postojala procesorska snaga koja bi mogla da ga podrži, nije mogao da bude primenjen. Nakon što je implementiran na grafičkoj kartici, pokazao se neuporedivno preciznijim i bržim od svih do tada korišćenih machine learning algoritama.

Ivan je sa svojom ekipom odlučio da se fokusira na tehnologiju računarskog vida korišćenjem isključivo dubinskog učenja u čemu su se istrenirali kroz mnoge projekte, od kojih je najveći bio fokusiran na istraživanje morskog dna.

Nakon mog povratka iz Amerike, fokusirali smo se na to da nađemo klijente. Nismo hteli da se tim razbije, svi smo želeli da nastavimo da radimo na toj tehnologiji. Imali smo sreće, ili smo umeli da prepoznamo ko nam šta nudi, i nakon nepunih mesec dana smo krenuli da radimo za kompaniju koja se bavi istraživanjem morskog dna.

Oni su imali osam podmornica koje su snimale morsko dno i tražili su olupine. Naš zadatak je bio da napravimo softver koji će provući i jako brzo analizirati podatke koje su oni pokupili s morskog dna.

Njihov standardni proces je bio vrlo spor. Snimak koji napravi sonar izgleda kao jedna kontinualna beskonačna slika. Nakon toga neko ručno prolazi kroz te slike i gleda da li ima nekih senki koje su vredne istraživanja. Softver koji smo napravili je za jedan sekund radio analizu za koju su njima inače trebale nedelje. Mi propustimo te podatke kroz softver koji koristeći computer vision baziran na dubinskom učenju, hvata taj patern – olupinu. Mi smo u suštini trenirali podatke tako da znaju šta je olupina, a šta nije.

Spajanje sa Vaixom

Podmornice su bile samo jedan od projekata na kojima su radili, a među njihovim tadašnjim klijentima našao se i londonsko-grčki tim Vaix za koji su kreirali sistem za prepoznavanje objekata na stolovima kockarnica.

Oni su imali tim koji je probao da napravi to rešenje, ali iz nekog razloga im nije pošlo za rukom. Mi smo ga završili relativno brzo, za nedelju, dve.

Kroz prethodni projekat smo stekli toliko veliko iskustvo i tačno smo znali koji algoritmi tu mogu da prođu, a koji ne mogu. Probali smo jedan i nije radio, zatim drugi, on je prošao i i bio je neverovatno brz, zbog čega su oni bili oduševljeni.

Kroz upoznavanje sa njima smo saznali da oni u stvari imaju ideju o mnogo većem projektu, ali da nemaju tim koji to može da realizuje. Nakon dugih pregovora i dosta detaljnog upoznavanja odlučili smo da postanemo partneri.

Ivan je postao suosnivač i Head of Engineering u novom zajedničkom startapu, a inženjerski tim u Beogradu sada broji njih šestoro. Proizvod koji trenutno razvijaju i za koji su uzeli investiciju od 800.000 funti fokusira se na eSports i primenu veštačke inteligencije u ovoj vrlo masovnoj oblasti.

Mnogo je kompanija koje rade image processing i mi smo na početku diskutovali o tome na koji način možemo da se razlikujemo od njih i gde je naša ekspertiza. Ima ljudi koji se time bave 15, 20 godina i imaju timove od po 30 ljudi, ali vrlo je mali broj kompanija koje se u toj oblasti bave gamingom.

To tržište je u ovom trenutku eksplodiralo. Da mi je neko rekao da će na hiljade i hiljade ljudi gledati kako neko drugi igra igru meni bi to bilo neverovatno. Sada pokušavamo da u toj oblasti, koja je manje-više neistražena, nađemo model kojim ćemo privući korisnike s raznih platformi, koji su pre svega fokusirani na real time strategije. Ideja je da napravimo proizvod koji bi ljudi koji se bave eSportsom masovno koristili.

Sedište startapa je u Londonu, a pored tima u Beogradu, zadržan je i inženjerski tim u Atini koji uglavnom radi na proizvodu prethodnog startapa, Vaix, koji primenjuje mašinsko učenje u oblasti online klađenja.

Ono što im sada predstoji je dalja ideacija i razvoj proizvoda, sa fokusom na trenutno najveća eSports tržišta, Južnu Koreju i Ameriku.

Arhetip jednog puta za razvoj startapa

Za kraj, Ivanov i Wingmanov put može biti putokaz za mnoge domaće timove. Srpski startapi su često u nepovoljnoj poziciji zato što im fali poslovnog iskustva iz ne-tehnoloških domena koji predstavljaju prilike u dobu digitalizacije, da ne pričamo o tome koliko im fali znanja i iskustva iz prodaje i marketinga, te poslovnih mreža u centrima svetske ekonomske aktivnosti.

S te strane je upravo ovaj primer pokazatelj jednog dosadašnjeg, a možda i budućeg, trenda razvoja domaćih startapa — uz rad sa stranim partnerima. Jedan od najvećih uspešnih primera ovog tipa je Seven Bridges Genomics, tu bi se svakako svrstao i Alchemy, kao i mnogi drugi.