Startup portuguesa desenvolve modelo IA com melhor performance que Meta, Google e Amazon

A AssetFloow, startup de IA, apresentou recentemente o seu novo modelo DFN – Dynamic Flow Network), uma nova arquitetura que dá uma nova resposta em termos de precisão e eficiência em modelos de previsão. Liderada pelos cofundadores Katya Ivanova (CEO) e Ricardo Santos (CTO), a DFN da AssetFloow superou modelos de renome como o WaveNet do Google (2016), o CatBoost da Yandex (2017), o Prophet da Meta (2017) e o DeepAR da Amazon (2018). Ricardo Santos, cofundador e CTO da AssetFloow, liderou a criação da nova arquitetura de IA, a DFN. O modelo demonstrou uma melhoria de mais de 20% em precisão em comparação com seus predecessores, tudo isso utilizando 50% menos dados para treino do modelo. “Até hoje, nenhum modelo de previsão foi capaz de superar todas as categorias de conjuntos de dados de uma vez. Agora em sua segunda geração, a DFN tornou-se líder em todas as categorias, demonstrando sua versatilidade para ser treinado com qualquer tipo de conjunto de dados.”, afirma Ricardo Santos.

Os primeiros testes

Em 2022, a equipa realizou um teste piloto do modelo DFN de primeira geração na plataforma eToro para otimização de portfólio de ações. O modelo demonstrou a capacidade de identificar as melhores escolhas de ações da NASDAQ e sugerir quando comprar/vender. De acordo com a eToro, a estratégia do modelo resultou num “Score de Risco” mais baixo do que os 3 melhores traders do mundo, alcançando 79% de semanas lucrativas enquanto outros faziam 40-45%.

Além disso, reconhecendo a necessidade urgente de modelos de previsão precisos no setor de retalho, a AssetFloow garantiu um investimento de €1,5 milhões em março de 2023 para enfrentar o problema do inventário de 1,75 biliões (trillion) dólares, conhecido como Economia Fantasma. Este problema, causado principalmente por modelos de previsão inadequados utilizados por retalhistas, contribui significativamente para o desperdício de alimentos. Grandes empresas, incluindo EDEKA, Grupo Schwarz, Grupo REWE, ALDI e Norma, comprometeram-se a reduzir o desperdício de alimentos em 30% até 2025 e têm um objetivo ainda mais ambicioso de reduzi-lo pela metade até 2030.

“Começamos com o retalho porque a abordagem atual de vender alimentos excedentes próximos da data de validade por preços mais baixos é apenas uma solução paliativa. A verdadeira solução está em modelos de previsão precisos e explicáveis para eliminar situações de falta e excesso de stock. Ao empoderar os retalhistas com capacidades de previsão precisas, estamos a revolucionar a forma como o inventário é gerido, minimizando o desperdício de alimentos e, em última análise, aumentando a lucratividade”, partilha Katya Ivanova, “Ao oferecer nossa solução DFN como APIs, pretendemos capacitar empresas de diversas indústrias a aproveitar as capacidades de previsão da DFN e impulsionar a inovação em seus respectivos mercados. À medida que olhamos para o futuro, permanecemos comprometidos em avançar na acessibilidade da IA e fomentar o crescimento sustentável em indústrias através do poder transformador de modelos de previsão precisos e confiáveis.”

Conheça um pouco melhor o percurso da empresa, nesta entrevista de Katya Ivanova ao The Next Big Idea.