To będzie kolejna rewolucja. Polacy budują AI, które przeniesie nasze zakupy w trzeci wymiar

Kurtka w 3D stworzona za pomocą AI? Czemu nie! Zespół pirxe buduje fundamenty pod kolejną wielką zmianę, tworząc za pomocą sztucznej inteligencji obiekty w 3D. Przemek Kadula i Maciej Borowski tłumaczą nam, czy zajmuje się ich firma.

3D nie musi być "fajne"

Twórcy pirxe od początku stawiają sprawę jasno: nie chodzi o to, by 3D było „fajne”, ale by stało się nowym interfejsem naszych doświadczeń. Maciej Borowski, definiuje przestrzenną sztuczną inteligencję jako zestaw metod i modeli pozwalających generować obiekty o więcej niż dwóch wymiarach. Takie, które można nie tylko mapować na ekran komputera, ale które niosą w sobie pełną informację o swojej strukturze i relacjach przestrzennych.

– Przez przestrzenną sztuczną inteligencję rozumiemy wszystkie modele, które służą do generowania obiektów 3D, zachowujących się w sposób złożony i interaktywny – tłumaczy Maciej Borowski – To nie jest tylko kwestia estetyki, ale zrozumienia relacji obiektu do sylwetki człowieka czy interakcji jego części między sobą. To otwiera drzwi do symulacji doświadczeń, które przez koszt i złożoność były dotąd w świecie cyfrowym po prostu niedostępne, a które dzięki AI możemy teraz tworzyć szybciej i taniej.

Kolejna wielka platforma

Dla Przemka Kaduli, który w pirxe odpowiada za wizję biznesową i komercjalizację, 3D to nie trend, to nowa kraina geograficzna na mapie technologii. Porównuje to do rewolucji mobilnej czy powstania mediów społecznościowych. To tam, według Doliny Krzemowej, będziemy wkrótce spędzać czas, kupować i wchodzić w interakcje. Platformą może być internet, smartfon, a wkrótce będzie nią świat przestrzenny, napędzany przez okulary od Mety czy Apple.

– Wierzymy, że 3D to kolejna platforma, na której ludzie będą spędzać czas, podobnie jak od 25 lat robią to w internecie czy od dekady na komórkach – mówi z przekonaniem Przemek Kadula – Choć nikt jeszcze nie wie, jak dokładnie ten świat będzie funkcjonował, to właśnie na niego stawiają giganci i my również. To może zacząć się od okularów Ray-Ban Meta nakładających informacje na rzeczywistość, aż po pełne metawersy, gdzie będziemy budować nowe formy relacji i handlu.

Przełom w splatach

Dlaczego akurat to wszystko dzieje sję teraz? Odpowiedzią jest Gaussian Splatting. To młoda, zaledwie dwuipółletnia technologia, która według twórców pirxe zlikwidowała ograniczenia swoich poprzedników – fotogrametrii i metody NERF. W ostatnim czasie postawiły na nią Google, Apple i Meta. To technologiczny skok, który pozwolił na renderowanie obiektów w jakości fotorealistycznej przy zachowaniu ogromnej wydajności. Choć pirxe nie podchodzi do technologii dogmatycznie, to właśnie na „splatach” opierają dziś swój pipeline produkcyjny, bacznie obserwując każdy nowy dokument badawczy.

– Gaussian Splatting jest technologią przełomową – wyjaśnia Maciej Borowski – Dla nas to przede wszystkim narzędzie do szybkiego i dokładnego odwzorowywania obiektów rzeczywistych w świecie cyfrowym, choć nie zamykamy się na inne metody. Jako lab researchowy konsumujemy najnowszą wiedzę i sprawdzamy, jakie połączenia różnych technik dadzą nam najlepszy obraz końcowy, bo w tej dziedzinie rozwój postępuje niemal z tygodnia na tydzień.

Krucjata Marka Zuckerberga

W tle działań polskich twórców toczy się gigantyczna bitwa o talenty w Dolinie Krzemowej. Przemek Kadula przywołuje postać Marka Zuckerberga, który po „przespaniu” rewolucji mobilnej, dziś nie bierze jeńców. Meta stała się niemal kłusownikiem, wyciągającym najlepszych naukowców z innych laboratoriów za astronomiczne kwoty, byle tylko nie stracić dystansu w wyścigu o dominację w świecie 3D. To walka o uniezależnienie się od dyktatu Apple czy Google.– Meta chce być właścicielem świata, w którym będziemy przebywać, by nie musieć płacić prowizji Apple’owi czy Google’owi, jak to ma miejsce w świecie aplikacji mobilnych. Ten wyścig zbrojeń w Dolinie Krzemowej tylko utwierdza nas w przekonaniu, że kierunek, który obraliśmy w pirxe, jest tym właściwym – mówi Przemek Kadula.

Moda na celowniku

Mimo globalnych ambicji, biznesowy podbój pirxe zaczyna od konkretnej specjalizacji: branży fashion. Twórcy wierzą, że to właśnie moda najszybciej zaadoptuje AI w 3D. Korzyści są wymierne – od zwiększenia konwersji w performance marketingu, po gigantyczną poprawę efektywności pracy zespołów contentowych. Produkt pirxe wspiera tradycyjne metody tworzenia zdjęć i filmów reklamowych, brand może operować modelem 3D, który jest idealnym lustrzanym odbiciem fizycznej kurtki czy bluzki. To drastycznie zwiększa efektywność pracy i daje nowe formaty reklamowe.

– Wybraliśmy branżę fashion, bo tam zapotrzebowanie na wysokiej jakości content jest nienasycone, a nasza technologia pozwala tworzyć go szybciej i taniej – tłumaczy Przemek Kadula – Model 3D, który generujemy, może być dowolnie animowany, przerabiany na wideo czy przymierzany. To pozwala zespołom marketingu tworzyć znacznie więcej lepszej jakości materiałów przy tych samych zasobach, co bezpośrednio przekłada się na wyniki sprzedażowe.

Koniec z halucynacjami

Jednym z największych problemów obecnych modeli generatywnych 2D są tzw. halucynacje – błędy, w których AI „dorysowuje” nieistniejące elementy ubrania. pirxe rozwiązuje ten problem, używając obiektów 3D jako fundamentu. Dzięki temu, że model zna każdy centymetr przestrzenny kurtki, może generować wideo z modelką w sposób bezbłędny. Co więcej, raz stworzony obiekt 3D pozwala na generowanie nieskończonej liczby klatek wideo niemal bezkosztowo, wykorzystując jedynie moc obliczeniową laptopa.

– Mając model 3D, możemy go dowolnie ustawić i sprzężyć z modelami 2D, eliminując artefakty i halucynacje, bo model nie musi już zgadywać, jak ubranie wygląda z tyłu – mówi Maciej Borowski – To gigantyczna przewaga ekonomiczna, bo w odróżnieniu od modeli 2D, gdzie płaci się za każdą sekundę generacji, u nas koszt ponosi się raz – przy wytworzeniu obiektu. Potem możemy wyprodukować nawet godzinne wideo, na którym kamera objeżdża produkt z każdej strony, a jedynym kosztem jest praca procesora, który to renderuje.

Problem trzydziestu procent

Dla e-commerce prawdziwym demonem są zwroty, które w modzie sięgają średnio 30%. To nie tylko koszt logistyczny, ale i ekologiczny koszmar. Pirxe chce uderzyć w ten problem u nasady, oferując przymierzalnie, które nie są prostą nakładką graficzną na zdjęcie użytkownika.

– Zwroty to frustracja dla klienta i gigantyczne wyzwanie dla brandów, nie mówiąc o śladzie węglowym związanym z transportem – zauważa Maciej Borowski – Dzięki temu, że mamy informację przestrzenną o obiekcie, możemy w przyszłości dokładnie odwzorować, jak ubranie zachowa się na sylwetce użytkownika – czy będzie pasować w pasie, czy nie będzie za ciasne w ramionach. To coś znacznie głębszego niż dzisiejsze wizualizacje 2D; to cyfrowa próba zrozumienia fizycznego dopasowania, która może radykalnie obniżyć stopę zwrotów.

Klatka pełna danych

Sercem operacyjnym pirxe jest „klatka” – autorski system hardware’owy składający się ze 125 aparatów, z których każdy jest zsynchronizowany z własnym komputerem. To urządzenie robi setki zdjęć symultanicznie, pozwalając na błyskawiczne przeniesienie przedmiotu do świata 3D. Jednak to nie hardware jest celem ostatecznym, a dane. Twórcy dążą do osiągnięcia skali 3000 modeli 3D miesięcznie, by na tej bazie wytrenować model, który w przyszłości wyeliminuje potrzebę skanowania fizycznego.

– Budujemy ogromny zbiór danych, bo w świecie 3D dane nie leżą na ulicy tak jak teksty dla ChatGPT; branża gier je ma, ale internet jest ich pozbawiony – wyjaśnia Przemek Kadula – Nasza klatka jest projektem o tyle przełomowym, że możliwe jest jest kopiowanie relatywnie niewielkim kosztem, co pozwala pozwala nam na masową akwizycję danych potrzebnych do treningu modelu. Chcemy dojść do momentu, w którym hardware stanie się zbędny, a model wygeneruje perfekcyjny obiekt 3D na podstawie kilku prostych zdjęć 2D przesłanych przez sprzedawcę.

Szansa dla innych branż

Gdzie jeszcze 3D znajdzie swój dom? Tam, gdzie decyzja zakupowa jest trudna i kosztowna. Przemek Kadula stawia granicę na poziomie 500 zł – powyżej tej kwoty statystyczny klient chce mieć pewność, co kupuje. To otwiera drzwi dla np. branży meblarskiej, gdzie zwroty gabarytów są logistycznym koszmarem, branży dziecięcej, czy elektroniki. Możliwość zobaczenia wózka dziecięcego za 4 tys. zł z każdej strony w swoim własnym salonie dzięki rozszerzonej rzeczywistości (AR) to potężny argument sprzedażowy.

– Branża home, meble czy drogie akcesoria (np. dziecięce, czy elektronika) to naturalne kierunki rozwoju, bo tam wizualizacja 3D realnie zdejmuje stres z kupującego – mówi Przemek Kadula – Rozmawiamy też z branżą automotive; mechanik zamawiający część do konkretnego modelu samochodu mógłby w 3D policzyć trybiki, by mieć pewność, że to właśnie ten element. Nasza technologia pozwala na taką prezentację produktów setki razy taniej niż tradycyjne modelowanie, co demokratyzuje dostęp do narzędzi zarezerwowanych dotąd dla marek premium.

Paliwo dla robotów

Wizja pirxe sięga jednak znacznie dalej niż wirtualne przymierzalnie. Ich dane mogą stać się paliwem dla nowej generacji robotów humanoidalnych, takich jak Optimus Prime od Tesli. Robot, aby funkcjonować w ludzkim świecie, musi rozumieć przestrzeń i przedmioty tak samo dobrze jak my. Dane zbierane przy okazji skanowania ubrań czy mebli mogą okazać się kluczowe w uczeniu maszyn interakcji z rzeczywistością.

– Roboty humanoidalne potrzebują danych 3D, by wiedzieć, jak chwytać przedmioty i jak się wokół nich poruszać – podkreśla Przemek Kadulai – Spójrzmy na Teslę: ich samochody to jeżdżące zbieracze danych, które zostaną wykorzystane w robotach Optimus. My, tworząc ogromne bazy modeli 3D, wchodzimy w ten sam wyścig o inteligencję maszyn. To ogromna przestrzeń biznesowa, która w przyszłości może całkowicie odmienić sposób, w jaki technologia asystuje nam w życiu codziennym.

Gra o kapitał

Pirxe to nie tylko lab researchowy, ale spółka z jasno określonym planem finansowym. Dwaj co-founderzy, Maciej Borowski i Olaf Wojtas, wnieśli lata doświadczenia w AI, a Przemek Kadula jako pierwszy inwestor zapewnił początkowe finansowanie. Teraz jednak apetyt rośnie. Interesują ich fundusze VC z globalnej ligi, takie jak na przykład Andreessen Horowitz (a16z), które już teraz posiadają działy wyspecjalizowane wyłącznie w Gaussian Splattingu.

– Szukamy finansowania, ale celujemy w zagraniczne fundusze, które mają nie tylko pieniądze, ale i sieć kontaktów w Dolinie Krzemowej – mówi Przemek Kadula – Nie chcemy być firmą, która tylko przepala pieniądze na badania; monetyzujemy nasze MVP już teraz, bo interakcja z rynkiem to najlepszy sposób na naukę. Jeśli możemy zaoferować producentowi wózków model 3D za ułamek ceny rynkowej i lepszej jakości, to po prostu to robimy, zbierając jednocześnie dane do naszego ostatecznego, generatywnego modelu.

Praca pirxe nad przestrzenną sztuczną inteligencją to coś więcej niż cyfrowa fotografia – to próba skopiowania fizycznego świata do komputera w taki sposób, byśmy mogli go nie tylko oglądać, ale i w pełni poczuć. Jeśli przyszłość internetu rzeczywiście ma trzy wymiary, to właśnie w takich laboratoriach jak to, powstają pierwsze mapy tej nowej, nieodkrytej jeszcze krainy.