«Сергей Брин, ты был не прав!». Как русский предприниматель изобрел умную колонку до Google и Amazon

Всем привет! Меня зовут Самат Галимов, и это подкаст «Запуск завтра». Как технический директор я пытаюсь разобраться, как устроены сложные и интересные штуки. Я зову профессионалов, с которыми можно поговорить простым человеческим языком. Пожалуйста, подписывайтесь на наш подкаст, ставьте 5 звездочек и оставляйте комментарии. Мы их читаем всей командой и очень радуемся.

Кубик, проснись. Включи лампу.

Включаю устройство лампы.

Выключи лампу.

Я смотрю видео 2014 года. За столом сидит молодой парень.

Выключаем устройство лампы.

Этот парень Юрий Буров. Перед ним кубик. Это на самом деле куб размером чуть меньше футбольного мяча. Юра с ним разговаривает. Он говорит ему, включи свет, выключи свет. Кубик все это делает. Еще он шутит.

К сожалению, пока я не могу сказать, кто ведет войну в Украине. Как узнаю, сообщу.

И экранчик переливается разными цветами. Это все происходит до того, как подобные умные колонки появились у Амазона, Гугла, Эппл. Я позвал Юру в подкаст, чтобы расспросить, как у него получилось делать умную колонку раньше, чем у мегакорпораций.

Иди в жопу!

Давайте договоримся. Я читаю новость. отжимаетесь от пола.

Это подкаст студии Либо-Либо, и мы его делаем вместе с сервисом онлайн-образования Яндекс Практикум. У Практикума есть курсы по разработке, по анализу данных, по веб-дизайну и по английскому языку. Если вы хотите освоить цифровую профессию, переходите на сайт Яндекс Практикум и учитесь.

Меня зовут Юра Буров. Я серийный предприниматель. Я родился и вырос в Красноярске. В 2011-м переехал в Москву. Чуть позже запустил проект под названием Cubic Robotics со своими партнерами. И сейчас живу в Сан-Франциско и работаю над новым проектом.

Офигеть. Знаешь, я хочу сначала поговорить с тобой про кубик. Вообще, что это такое? Можешь объяснить, попробовать для моей мамы, папы и моих слушателей?

Сейчас это называется «умной голосовой колонкой», то есть некоторая колонка, с которой ты можешь взаимодействовать с помощью голоса. Одни из самых частотных кейсов— это включить музыку, поставить таймер, услышать новости, спросить прогноз погоды.

В каком году у тебя родилась эта идея?

Это был 2012 год. История такая. Примерно в 2007 году я запустил первую компанию в Красноярске. Это было внедрение CRM-систем. И следующие четыре года я занимался этим, у меня была самая большая компания по количеству внедрений в Сибири, за Уралом, в ту сторону, в России. И я задался вопросом, что меня поистине интересует в этой жизни. Это был такой довольно глубокий, долгий трип внутрь себя, и я понял, что меня интересует робототехника и искусственный интеллект. Мне очень нравился в тот момент фильм «Я робот» с Уиллом Смитом. Мне нравились книги об искусственном интеллекте и робототехнике. Я решил попробовать заняться этой темой в Красноярске. Следующие полгода они были безуспешны, потому что люди в Красноярске сводили все разговоры к более каким-то прикладным вещам, ну там, не знаю, продажи труп, добыча нефти, ну какие-то вот такие вещи, те бизнес-темы, которые не про инновацию, а про что-то реальный сектор. И в какой-то момент я понял, что, чтобы заниматься этой темой, нужно менять локацию. Продал компанию в Красноярске и решил перебираться в Москву. Я приехал в Москву, я первый день не знал, где буду ночевать. То есть я приехал просто двумя чемоданами в Москву. В хорошей истории, в хорошем фильме. И была идея сделать человекоподобного робота, который был бы полноценным ассистентом, который мог убираться дома, мог сходить выгулять собаку. Вот такая идея была. Она была далекая от реальности, но я на тот момент этого не знал. И начал с этой идеи носиться по Москве, знакомиться с людьми. Я помню, что у меня одно из переживаний первых было, что Москву я видел сквозь походы на встречи. То есть, я не гулял, я почти всю Москву открыл так, когда я шел на какую-то встречу, я такой, ух ты, вот это здание, ух ты, это площадь. То есть, я думаю, блин, надо как-то раз просто погулять. А у меня было все время это поход куда-то. То есть, довольно странно выглядел парень, приехал из Сибири и говорил, что хочет создать робота.

Человекоподобного.

Человекоподобного, да.

У тебя просто была мечта или у тебя было какое-то понимание, как это сделать?

Вообще не было понимания, была мечта. Просто как бы было мне туда, мне в ту сторону.

Офигеть.

Я думаю, что это мне сыграло на руку, потому что если бы было понимание, возможно, я бы и не пошел в эту тему. Потом выяснилось, что мы довольно далеки от этого робота, с человекоподобного, по многим причинам. И дальше у меня вопрос стал, а что будет перед этим? То есть, что как бы можно делать уже сейчас, но это потом можно использовать в этом человекоподобном роботе. И стало понятно в какой-то момент, что нужно будет взаимодействовать с этим роботом, и, скорее всего, взаимодействовать будет не через телефон, что я ему ткну на кнопочку «иди на кухню и помой посуду», а просто скажу «иди помой посуду». Собственно, пришла к кубику, что кубик— это робот без рук, без ног, но с характером. И в этом процессе участвовали еще два человека. Константин Кресников— это руководитель R&D нашей компании. Он, собственно, главный разработчик Natural Language Processing технологии— это понимание естественной речи, NLP сокращенно. И, собственно, Андрей Грязнов. Андрей Грязнов отвечал за hardware в нашей компании, за то, как сделать, собственно, кубик, железяку, микрофоны.

Слушай, а чего реально умел кубик?

У нас было три категории больших, которые мы позиционировали. Кубик умел, первое, разговаривать о жизни. Довольно крутая штука была, знаешь. У него был характер. У нас была специальная редакционная политика, у нас были редакторы, которые составляли характер Кубика. Из разряда отношения к политике, религии, к алкоголю, сигаретам. Поведение Кубика было взято из фильма «Железный человек». Джарвис, он такой, знаешь, персонаж, который вроде как бы на твоей стороне, но у него есть как бы свое мнение. Или он периодически остроумно шутит в твою сторону, как бы. Например, там одна из фраз, которая была у нас в системе, это там, кубик пошути, он там говорил, жизнь слишком коротка, чтобы извлекать безопасно флешки. А прикол в том, что эти потом фразы расходились внутри офиса, потом люди друг другу пересказывали, и я помню комментарий один в ютьюбе под роликом, там, смайлик такой грустный, и говорит, то ощущение, когда коробка шутит лучше, чем ты. Ты мне спросил, у Кубика. Первая, это был характер. Вторая история была, сектор это полезные функции. Это было поставь таймер, поставь будильник, какие новости, какие пробки, курс валют, перемножь, сколько будет 55 долларов в рублях и так далее.

Папка utilities в телефоне.

Собственно, да. И третья категория была, это умный дом. Мы прикрутили к Кубику розетку. Ты мог обычную киевскую лампу вставить, в некоторую розетку посредник, воткнуть в обычную свою розетку в доме, и у тебя как бы стал управляемый свет. Ты говоришь, Кубик, мне темно. Или Кубик, включи свет в спальне. И он включал. И это как бы вызывало невероятные ощущения, потому что какое-то такое предвидение будущего. То есть, я так понимаю, до сих пор сейчас в России не очень развит умный дом в широких слоях. и когда ты устройству говоришь что-то, во-первых, голосом, а во-вторых, в доме, то есть ну реально физически, там вентилятор включается, это прямо производит вау-эффект.

Офигеть, честно говоря, я до сих пор ни разу не видел умный дом, то есть я представляю, что это такое, я много раз видел это на ютубе, но вот у меня дома ничего такого нет и у моих друзей тоже такого нет. А у тебя сейчас вот он стоит, ты можешь себе там сказать что-нибудь?

Да-да, я пользуюсь тремя ассистентами, у меня в комнате стоит Google Home, На кухне стоит Alexa, ну а в телефоне, собственно, у меня iPhone, у меня Siri. Я пользуюсь этими тремя сознательно, потому что я хочу сравнивать функционалы и так далее, потому что у меня стресс к этой теме. Вот, у меня управляется весь свет, у меня управляется пылесос. То есть я могу сейчас команду отдать.

Можешь сказать, типа, включи свет?

Да. Hey, Google, turn on all lights.

Офигеть, я вижу, вижу, вижу, вижу, да? Стало светлее.

Hey, Google, turn off all lights.

Юра, а можешь всё-таки меня провести по тому, какие шаги должна сделать такая станция, такая железка, вообще голосовой интерфейс для того, чтобы со мной работать. Вот, например, я говорю, какая сегодня погода в Сирии, какие технологии там задействованы.

Ну, самая первая технология, с которой сталкивается любой пользователь, это активация. То есть ты должен каким-то образом привлечь внимание ассистента. Базово он тебя не слушает, он слушает wake word. Активационная фраза, там, например, Яндекс.Станция, это, если я правильно помню, Алиса, либо Яндекс.Станция, там можно выбрать. Активационная фраза отличается от распознавания речи тем, Она как бы более лучше распознаёт эту фразу, чем все остальные, потому что она заточена, у неё одна задача— найти эту фразу. Таким образом, ассистенты решают проблему, чтобы не слушать пользователей всё время, не вмешиваться в разговор. Следующая история— когда ассистент активировался, мы должны записать вопрос. То есть человек говорит им, какая погода сегодня. Дальше, какая погода сегодня, происходит запись звука, и она должна транскрибироваться в текст. Это распознавание речи, голоса в текст. Собственно, ASR, так называемая технология, Automatic Speech Recognition. Эта технология базово находится сейчас в 2020 году в облаке. То есть, получается, твое запись голоса уходит в облако, из облака возвращается текст. Но вот Amazon буквально месяц назад или полтора выпустил автономное распознавание речи, когда происходит на устройстве. И это довольно круто с точки зрения повышения... Скорости работы, наверное. И скорости, и прайвеси, то есть когда не все уходит туда. И история о том, что устройство может локально к тебе отвечать, она как бы отзывается в людях. Следующее, после того, как мы получили текст от сервера распознавания либо локально, текст передается в некоторую так называемую логику, или NLP, в нашем случае это NLP, Natural Language Processing, понимание естественной речи, то есть, что имел в виду человек, когда сказал, какая погода. То есть, мы должны понять, что человек имел запрос узнать погоду в городе, в котором он находится, его локация. Плюс ко всему, иногда там может присутствовать еще модуль бизнес-логики. То есть, когда, например, с умным домом, а я говорю, включи свет на кухне, Он включил, а потом говорю, и в спальне. Вот и в спальне мы распознали, поняли, что и в спальне что-то нужно сделать, а вот что и в спальне? Нужно посмотреть, что было предыдущим шагом. Это бизнес-логика.

Контекст понимать, что происходит.

Да, да, такой некоторый контекст. Нужно дообогатить фразу, да, то есть как бы технически фраза подастся на систему, как включить свет в спальне. То есть когда уже она трансформируется через бизнес-логику, через обогащение. А, собственно, дальше отправляется либо по API, GET-request, ну, узнать, какая погода сейчас, чтобы вернуть пользователю, либо отправить сигнал включения света. И дальше, собственно, нужно озвучить ответ пользователю, и это уже технология text-to-speech, когда мы синтезируем голос. На сейчас, опять, эта технология в основном в облаке происходит, но, мне кажется, уже другие компании, я думаю, что и Яндекс, часть раз могут синтезировать уже новые устройства. Собственно, вот весь процесс.

Понятно вроде. Единственное, мне не очень понятно, как происходит этап, когда мы понимаем, чего хочет пользователь. Потому что про остальное ты рассказал, что оно вот на сервере или локально тоже может быть. Я так понимаю, все это сейчас уже делают на рассете. А вот этап понимания, он какой? Мне кажется, он самый сложный во всем этом.

Да, я думаю, что он самый сложный, это то, что почему-то люди, когда думают про искусственный интеллект, они представляют, ну не почему-то, скорее всего, потому что Голливуд. Голливуд нам показал картинку, что искусственный интеллект – это некоторая сущность, которая способна разговаривать, как мы с тобой, вести диалог, осознанно понимать и так далее. В какой-то момент я тоже романтизировал этот взгляд, мне эта гипотеза очень нравилась, и я ее поддерживал, но сейчас, спустя время, я понимаю, что Говорящая колонка – это, скорее всего, не про искусственный интеллект, и нет понимания у ассистента, что значит включить свет. Он может исполнить, но понимания глубокого, как ты понимаешь, что это значит, нет. Это действительно сложный процесс, над этим сейчас до сих пор все бьются. Одна из последних крутых решений прогресса в этой области – это GPT-3 от OpenAI, новый уровень работы с текстом, но технически это выглядит так, что раньше технология была в виде шаблонов, то есть инженеры закладывали управление, например, светом. Ты можешь управлять светом, например, или погодой, спросить десятью различными способами, но при этом в любом случае мы их можем предусмотреть, ты можешь спросить. какая погода, что по погоде, холодно или нет.

Солнышко есть.

Да-да, вот такие фразы вот. Плюс ко всему, когда ты запускаешь продукт на первых пользователях, у тебя появляются примеры, как люди спрашивают, и ты как бы расширяешь базу шаблонов сначала. Технология шаблонов позволяет довольно здорово всегда реагировать правильно на конкретные фразы, но она довольно узкая. Почти всегда предусмотреть, как люди могут спросить. Люди очень по-разному спрашивают. А нейросети позволяют довольно объять в ширину, но иногда как бы на вопрос, есть ли солнышко, она ответит, есть, а тебе-то что? Ну, условно, она может выдать какой-то ответ не из этой категории. И тут такая борьба между тем, чтобы дать ответ релевантным пользователю, который он запросил, либо ответить, что мы не знаем. В общем, тут как бы в крайний раз, когда мы решали эту задачу, в кубике, это была комбинация между шаблонами нейросетей. То есть, мы с помощью нейросети увеличивали точность до 95%, что довольно неплохо, потому что у человека при разговоре точность от 96% до 98% колеблется. Понимание запроса, то есть, иногда ты можешь, тебя попросить можно, и ты не поймешь, что тебя попросили, ты уточнишь. То есть, в принципе, это было близко к человеку, еще не человек, но близко, и в принципе, это работало.

Вот про шаблон я хорошо понял, потому что берёшь много разных вариантов, смотришь, какой из них соответствует тому, что сказал человек, и по этой ветке идёшь, так и делаешь. А нейросеть как работает?

Нейросеть работает через нескольких подходов. Можно реализовать каскадный подход, когда сначала нейросеть определяет, в какой категории был вопрос. То есть, сначала ты понимаешь, что вопрос про погоду или про добавить задачу в ту-ду-лист или включить свет. Когда мы уже поняли контекст, например, погоды, то, в принципе, следующая нейронная сеть может уже извлекать факты. А если про погоду, то Спрашивают, в какое время, в каком городе, то есть нам нужно локацию обогатить. Например, я же могу спросить, какая погода сейчас, я нахожусь в Сан-Франциско, но я могу спросить, какая погода в Красноярске. И нужно извлечь, есть ли погода, указана ли она. Если не указана, то взять, которая по дефолту установлена в моем устройстве и ее использовать. Таким образом обогащаются факты и уже как по API идет фактами, то есть у тебя уже все заполняются необходимые данные для запроса. Вот, это один способ реализации, а второй способ реализации, когда пробуешь решить в сети сразу обе задачи, то есть ты разделяешь, то есть это такая большая сеть, которая обучена многим разным кейсам, но мой опыт показал, что первый способ гораздо эффективнее, который рассказал, когда делишь задачи, потому что это с точки зрения эффективнее двух причин. Первое, качество определения выше, а вторая история, что когда ты разрабатываешь такого ассистента, у тебя есть задача постоянно добавлять новые сервисы. И в таком случае легче масштабировать нейросеть.

В смысле, легче ее... Добавлять новые нейросети,

чем... Это похоже на микросервисную архитектуру. Ты просто берешь, добавляешь новый модуль экстракта и добучаешь основную и распознавать еще этот модуль. Это намного проще с точки зрения разработки.

Еще эту категорию?

Эту категорию, да.

Но я хочу вернуться к кубику. Вот ты рассказал, что он умеет. Как вообще происходила аппаратная часть, например? Как вы это делали вообще?

Я очень люблю историю, как мы сделали первый прототип. Просто мне иногда спрашивают вопрос, как начать хардвера (hardware). Первое, что я отвечаю, подумать на другую идею. А если человек все-таки настаивает на этом... Это очень тяжелый бизнес, хардвея. Как мы делали? Первый прототип кубика выглядел так. Мы купили кубик подарочный. Это коробка, куда можно положить любой подарок. Она была цветная в магазине подарков. Положили в нее телефон. Это был Samsung какой-то S. Подключили к ней динамики через джек.

Все.

Это первая версия. Первая розетка была выведена для собственного телефона и для колонок. Дальше телефон торчал микрофоном, была дырочка вырезана для микрофона, и еще у него была камера, используясь как сенсор, чтобы активировать. То есть, первая активация была рукой, мы проводили рукой, и он детектовал, что было движение, и, собственно, активировался. И вот такой кубик отвечал на вопрос про погоду, отвечал что-то из Википедии, ну, какое-то определение, то есть, легкий API подключили. И, наверное, даже, мне кажется, мы прикрутили довольно сразу розетку умную и включал вентилятор или свет.

А это была программа на андроиде, да, я так понимаю?

Да, это был, собственно, апп на андроиде, который использовал распознавание речи андроидовское и так далее, да. На прототип мы потратили, типа, что-то около недели-двух. И это был вам эффект. То есть, вроде бы выглядит коробка, смотанная скотчем и так далее. И это очень круто. То есть, это воспроизводило эффект. И это сильно помогло нам с инвестициями, потому что одно дело рассказывать об идее.

Я приносил такую коробочку к инвестору и показывал ему вот это, и он такой, ничего себе.

Да, то есть это сногсшибательный. Просто люди как бы, вау. Вроде бы кажется, что это совсем не промышленный дизайн, все остальное, но это намного круче, чем нежели ты просто рассказываешь концепцию, идею. Человек должен вообразить. Воображение работает у всех по-разному. Если я скажу стол, ты представишь себе там офисный белый стол такой, а я представлю деревянный и так далее. Это разные контексты. А это намного лучше работает, показать. Лучше один раз увидеть, чем второй раз услышать.

Юра, а Siri уже было в телефоне в этот момент?

Да, Siri уже было год или два, пару лет было. 50% людей, которым мы показывали кубик, говорили, вау, это будущее, 50% людей говорили, мне это вообще не нужно, или есть Siri, зачем мне это, и так далее. То есть это такой забавный эффект.

Контекст немножко хочу получить. Сейчас уже у всех есть вот эти железки такие, умные динамики, а в 2012, да, или 2014 год или 2012, В

2012 году мы в ноябре запустились, а ни у кого не было решения вообще, то есть мы одни из первых, кто в мире предложил концепцию. Не единственные были другие стартапы, кто предлагал тот или иной вид голосовых колонок, разные интерпретации, но у гигантов ближайший первый выпуск произошел у Амазона, продукт Alexa. Это был конец 2014, то есть два года спустя. Кстати, большинство задач, которые мы делали в кубике, как прототипы, как первые реализации, до сих пор не реализованы в больших компаниях. А про хард-двейнную часть следующая была история. Нам нужно было выбрать, получается, материнскую пату, то есть где процессором, где все это будет обрабатываться. Потом нам нужно было найти решение в виде массива микрофонов. Там была очень нерешенная задача на тот момент— распознавание речи на расстоянии. То есть когда все распознавание речи было заточено по то, чтобы ты говорил с телефоном, это расстояние там 15-30 сантиметров. А у нас задача была распознавать на расстоянии от 3 до 5 метров, до 7 метров.

А чем массив лучше, чем один микрофон?

Массив позволяет определять направление, откуда звук пришёл, потому что у него несколько микрофонов, и ты видишь, как звук распространяется.— Задержку ты видишь?— Да-да, ты видишь задержку от микрофона к микрофону. Плюс ты можешь потом на эту задержку выравнивать запись и очищать её от звуков. То есть у тебя получается склеивать её в один общий канал.—

Это как с глазами, да? Когда у тебя два глаза, то у тебя видение совсем другое получается.—

Да-да-да, стерео как бы такое. Наша задача была в тот момент, в 2012-2013 году, у нас не было своей системы распознавания речи, Мы делали свой микрофон и делали свою технологию понимания, естественно, речи. ASR и тексту speech мы брали с рынка.

И вам нужно было уровень громкости повысить для того, чтобы эти системы нормально работали.

Да, то есть как будто бы пользователь стоит рядом. Строили свой массив микрофонов из 16 микрофонов. 16? Да, это была сетка такая, 4 на 4. И почему кубик довольно большой? Это минимальный размер, расстояние между микрофонами, чтобы давать математическое влияние на алгоритмы.—

Потому что есть ширина волны голоса, и вот нужно под неё подстраиваться.—

Да.—

Офигеть.— Вот, и поэтому кубик довольно здоровый. Я помню, нас очень много критиковали, в том числе инвестора, в том, что такой кубик очень дорого будет продавать в магазинах для бытовой техники, потому что много места будет занимать, это дорого, это просто дорого.—

А вы им такие «Длина волны, чувак!»—

Да-да-да, так и было.—

Про микрофоны понятно, а ты говорил, что ещё плату нужно разрабатывать, ещё что-то. Почему нельзя было оставить Android-телефон внутри?

Самая сложная разработка с Hardware, это была микрофонная плата. Она была... Я вот сейчас точно не помню, 6-слойная либо 8-слойная.—

О, господи.—

И что-то неприемлемо было.

Нужно объяснить людям, что это такое. Это когда внутри вот этой тонкой потолщины, как несколько кредиток... Ну, может быть, две

кредитки, я бы сказал, да.

Там внутри несколько слоёв собственной разводки. Провода как-то по-своему идут эти в пути.— Да, я правильно же объяснял?—

Да-да, ты всё правильно говоришь.

То есть это космическая технология на самом деле.

Ты это должен делать промышленным способом. И поэтому, когда мы делали ошибку, у нас это занимало какое-то неприемлемое количество времени.

Юра, расскажи о реальном кейсе, когда вы что-то сделали и не получилось.

Сначала у нас в команде не было человека, кто... Имел опыт разработки таких сложных плат. И мы обратились к внешнему исполнителю. И я помню, это был 2013 год. Это был конец апреля. И я помню, что я торговался с ним по поводу майских праздников. То есть я его уговаривал, чтобы он поработал несколько майских праздников, потому что в июне мы должны запустить релиз. Я прямо с ним договаривался, убеждал, применял всю свою магию. А дальше ближайшая версия, которую мы получили, это был январь 2014 года. Ну, то есть, ну, просто ты должен понимать, как масштаб ошибки, да, как бы, насколько я не понимал, насколько это сложно, как бы, насколько мы все это не понимали, то есть, ну да, а первая штука, которую мы уже готовы были продавать, это было год спустя, получается.

Охренеть.

Ну, хорошо, что я этого всё не знал, потому что опять говорю, что, мне кажется, зная это, ты как бы не вяжешься в это.

Окей, я понял, что вы, типа, сделали прототип, работали над продакшеном, что потом случилось? Где эти устройства сейчас? Где эти миллионы кубиков?

14-й год. Месяц апрель Россия забрала Крым. Доллар под 60. Предзаказы, собирали такие заявки на предзаказы по стоимости 20 тысяч рублей. В тот момент это было 600 долларов. Ну, то есть 30 рублей. Когда-то курс стоил 30 рублей в 2015 году. А наши элементы, все процессоры, устройства, ничего нет российского, кроме наших мозгов, все было иностранное. И все в долларах. И получается в один прекрасный момент цена, себестоимость увеличилась в два с половиной раза. Плюс наш план был такой, продать первую партию в России, показать трекшн и дальше привлечь инвестиции в американские фонды для расширения на американский рынок. В тот момент почти все американские фонды закрыли свое представительство в России. Было очень тяжелое время, и было понятно, либо мы что-то предпринимаем из-за ординарной, либо мы выпускаем тысячу кубов и успешно закрываем компанию в конце года. Ну, а у людей кубы превращаются.

Чтобы все эти кубы не превратились в тыкву, Юра решил выйти на американский рынок. Бизнесовый— это очень понятное решение. Другого, мне кажется, и не было. Но по-человечески Юре было очень трудно, потому что он уже всем рассказал о том, что такое кубик, и пообещал его поставить людям в России. Но ситуация сложилась так, что они с командой в июне 2014 года уже серьезно работали над запуском краудфандинговой кампании на платформе Indiegogo для Америки. Они заказали очень серьезное исследование рынка и поняли, что цену на кубики нужно ставить не больше, чем максимальная стоимость импульсивной покупки. То есть с 600 долларов они снизили стоимость до 200. И они так хорошо подготовились, вроде все должно было сработать.

Окей, вы сделали классную кампанию, запустили её.

А, это самое смешное. Мы, во-первых, сделали ресеарш, подготовили материал, потом поехали в США. Через три дня старт нашей кампании Indiegogo. Утро. Четырнадцатый год, это, наверное, ноябрь. Открываю новости, а там у меня куча сообщений от Фейсбука везде. И там Амазон представил новое решение Алексу. А-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а-а И ты такой думаешь, ну так же не бывает. Ну так же просто не бывает. хотя бы годы разные разнести, но это было шоком как бы для нас, для рынка, все были в восторге, радовались, в смысле пользователи этой новой шеи.

Все кроме вас.

Все кроме нас, да.

Что ты чувствовал в этот момент?

Ну, что так не бывает, что нужно, что... Гулял, смотрел полуальты, смотрел небо, просто ходил. Ну, странно было. Но это как бы, это похоже на нокаут, знаешь, как бы, когда тебе прилетает такой удар, ты падаешь, и тебе есть как бы время, когда ты немножко не понимаешь, что происходит. Потом ты начинаешь себе объяснять, что это не так уж и страшно. А потом начинаешь искать позитив. Знаешь, это три шага принятия, когда ты сначала отрицаешь, потом осознаешь, потом высмеиваешь, потом признаешь это. Я думаю, что как-то так происходило. Ну, а потом был вопрос. Окей, что, ребят, мы запускаемся, у нас все готово или едем домой? Выбор меньше зол, да? Ну, запускаемся, а что терять? Вот. Так. Мы запустились через три дня. У нас была цель 100 тысяч долларов собрать. Было непонятно, как мы это сможем сделать, потому что мы обещаем, что купить у нас устройство, которое будет произведено в течение года. А вот есть Amazon, которая поставляет завтра за ту же стоимость, как бы большая корпорация известная. И это было как-то странно. И еще плюс к этому моменту СМИ почему-то не публиковало про нас интервью. Как-то вот, знаешь, все одно к одному шло. Но мы не сдавались. Да, мы начали летать на интервью. То есть, смотри, вот мы в Пало-Альто, в долине. И когда какой-то репортер заинтересовался хоть чуть-чуть нашим решением, нашим продуктом, мы там брали кубик и летели к нему в Нью-Йорк и показывали устройство. То есть, что это не фейк. Потому что вот к тому моменту было несколько скандалов в СМИ про российские проекты на краудфайдинге, что это фейки. И общий фон, такой русский негатив был про русских агрессоров.

на краудфандинговых платформах.

Да, да, да. И дальше нам приходилось каждую статью в публикации выбивать с затратами, кровью и потом, но мы это делали. И в итоге мы по итогу компании собрали 185 тысяч долларов из 100. Но это очень дорого удалось. Бывает, что прям собрал, а бывает, что это прям как-то вот... Каждую тысячу долларов мы добывали. Ну, собственно, вот. И дальше вопрос стал, что нам нужны инвестиции, чтобы как-то произвести теперь это все и чтобы конкурировать с Амазоном. И дальше был год поиска инвестиций.

185 тысяч долларов— это большая сумма. Но для производства железа это вообще ничего. Производство железа— это очень дорогой процесс. Инвесторы вкладываться в проект Юры после новостей об Амазоне уже не хотели. Были случаи, когда Амазон говорил, что ему в принципе может быть интересно войти на какой-то рынок, и стоимость компании в этом сегменте экономики падала. Юра опять оказался в адской ситуации, и ему нужно было очень быстро принимать решение.

Что вы дальше делаете?

Я помню, что, знаешь, у меня загранпаспорт был до типа апреля 2015-го, а мы поехали в октябре 2014-го. Мы поехали на пару месяцев, я думал, ну, пару месяцев в ночь выпустим компанию и вернемся. А в итоге оказалось так, что в следующий раз я увидел Россию, в феврале 16-го года. Потому что дальше чередование неопределённостей. И в какой-то момент пришло понимание, что ну все, либо мы пивотимся, либо как бы тоже умираем. И этот пивот был в область мы решили фокусироваться на умном доме. То есть мы решили сделать ассистент, который хорошо управляет умным домом. И была проблема такая, что было несколько игроков умных домов. Больших таких был Google, так или иначе представлен. был Amazon, были Philips Hue и куча-куча еще огромное количество средних игроков. И история в том, что если у тебя, например, телефон iPhone, телевизор Samsung, а термостат от Nest, от Google, то тебе нужно три разных приложения, чтобы всем этим управлять. А наша идея была объединить все эти умные устройства вот как бы в одну экосистему. Почему мы это увидели? Мы получили огромное количество запросов после crowdfunding от гигантов на то, чтобы предоставить нашу технологию для решения этой задачи.

От гигантов технологических или?

От технологических гигантов всего мира. То есть, на самом деле, это тоже такая история поучительная. Кажется, в какой-то момент в долине тебе начинают приходить имейлы с собачкой и потом название компании, которую ты всю жизнь знаешь, dot.com какой-нибудь, и ты думаешь, что все, вот это успех, но это на самом деле не успех, а, скорее всего, наоборот, отвлечение чаще всего.

Какие компании при тебе написали?

У меня это под NDA было, но если ты дома пройдёшься, посмотришь, какая у тебя электроника есть, там есть бренды мировые, ты найдёшь большую часть компаний, которые нам написали.

Типа условный Philips, да?

Условный.

Условный Nikon, окей. Подожди, а это ещё был кубик или это уже перестал быть кубик, вот эта технология?

А это был кубик, это было, просто до этого был кубик роботикс, и в тот момент мы сделали такой ренейминг кубик.ai, кубик как ассистент. хардверное подразделение, и мы думали о том, чтобы все-таки выпустить свое устройство, но потом Google зарелизил, собственно, свое Google Home. Это был 16-й год. Ну, это уже нормально, уже понятно, что они туда двигались. Кстати, мы в 15-м году, в январе 15-го года на выставке CES, Consumer Electronics Show в Лас-Вегасе, я разговаривал с Сергеем Брином и пичил наш проект. на что он мне заявил, что у них есть Google Now и у них всё в порядке, а потом они очень долго-долго догоняли Алексу как продукт, как на американской рынке до сих пор они её догоняют, то есть они до сих пор номер 2 игрок. Вот, так что Сергей Брин, ты был

не прав. Я чувствую радость в твоём голосе.

Ну, просто был шанс реально хорошую историю сделать. Вот мы с ним коммуницируем, вот наш продукт. У нас есть все прототипы и так далее. То есть плюс ресурсы Google могла бы выйти довольно хорошая история.

на CES Он просто ходит, типа, ваш стенд (booth) и решил зайти? Или как это вообще работает?

Это смешно. А нас стоял, ну, наш босс. И дальше, получается, мы разговариваем с большим количеством людей, кто подходит. Я думаю в голове, как круто было бы увидеть здесь, типа, Сергея Брину. И спустя какое-то время я вижу, как Сергей Брин просто проходит мимо меня. Ну, как бы ты сначала такой, ну, ты не уверен, как бы он его, открываешь там, загуглил, типа, как выглядит, знаешь, наверняка, ну, вроде он. Я подошел к нему и познакомился. Представился, рассказал, что мы делаем. Он сказал, что он спешит на самолет и нет времени. Ну, в общем, он меня отшил, но сам коммуникация, еще смешно, мы с ним по-русски общались. Ну, он говорит по-русски.

Охренеть, конечно. Вот вы сделали это управление домом, Брин вас не купил, что дальше?

Короче, смотри, мы решили заниматься управлением домом, потом мы выпустили первую версию для управления Philips Hue, начали с Philips Hue как наиболее распространенным устройством среди гейков. Стали приложением месяца. Чуть позже мы закрыли сделку с Яндексом по хардверного подразделения. Это конец 2016 года. Яндекс купил для того, чтобы делать свою умную колонку, ныне известную как Яндекс-станцию.—

Алису, которую?—

Алиса— это ассистент, а Яндекс-станция— это устройство. И они купили у нас хардвей подразделения, чтобы делать именно устройство, чтобы колонку, девайс делать. А для нас это было понятно, что еще и Google запустился, что рынок больших игроков, и нам нужно теперь только быть в узкой нише и не стараться конкурировать с ними.

Вы решили опять пивотиться. Куда пивот?

Мы решили попробовать пивотнуть в B2B сектор. Сделать какой-то умный колл-центр. Знаешь, когда ты разговариваешь, не нажмите 3, нажмите 4, а просто формулируешь вопрос, довольно свободный, и он тебе отвечает. Такая Siri для мобильного оператора, условно. Мы сделали несколько партнерств пилотов в B2B секторе, это был в том числе и коллектинг, но, знаешь, не зашло с точки зрения кармического.

То есть ваши роботы обзванивали людей, которые взяли кредиты и говорили, типа, верни, я тебя пальцы сломаю?

Ну, пальцы сломальные как раз не говорили. Как раз идея была в том, что заменить людей, которые склонны говорить неправильные вещи и склонны, ну, реагировать агрессивно на некоторых роботов. Но причем, как бы для понимания, роботы, которые наши звонили, люди не понимали, что они говорят с роботами. Потом, чуть позже, Google анонсировала это решение, так называемое, когда можно было позвонить в кафе, попросить ассистента забронировать столик, помнишь? И, собственно, вот мы примерно сделали такую технологию чуть раньше Google опять. Чуть раньше были, но проблема наша была в том, что мы видели мир так же, как гиганты видели его. И мы с ними как бы топтались на одном рынке, и это нам мешало очень сильно.

Скорее, вы там начинали заходить, они вас катком переезжали, вы там еще раз стоите перед ними.

Да-да, вот как-то так, это несколько раз получалось. И в итоге стало понятно, что в B2B не находим сегмент, который прям хочется развиваться, прям горит душа, потому что ассистент, вот это все у меня драйвило, команду драйвило, и это позволяло переживать те тяжелые моменты, которые происходили, которые описывались выше. Там стало понятно, что не получается B2B найти, и дальше вопрос стал, как исполнить обязательства. Мы с командой решили, что нужно попробовать продать компанию B2B игроку, чтобы он уже внутри себя имплементировал это как решение для решения собственной задачи. И, собственно, продали нашу технологию, основную, Natural Language Processing. После этого инвесторам, Indiegogo подписчикам, Команда техническая перешла работать покупателю, над NLP, а я вернулся экспериментировать со скиллами, с навыками для Alexa, искать новую историю, куда можно развивать эту историю.

Ты можешь назвать компанию, которую купил?

Нет, к сожалению, сделка под NDA, то есть Яндекс тоже под NDA через время они раскрыли, когда запустили Яндекс.Станцию, а вот ту историю я, к сожалению, не разглашаю.

У вас ее купили, и вы отдали долги, точнее, вернули денег людям на Indiegogo?

Да.

Что ты почувствовал, когда вы выплатили?

Но это похоже на когда чемодан без ручек оставляешь. Облегчение, очень большое облегчение. То есть я понял, что я краудфандинг не захочу собирать. Не зарекаю, что я не буду, но пока точно не хочу, даже близко не рекомендую.

Как с хардварным бизнесом, я так понимаю.

Да, у меня по-прежнему есть мечта о домашнем роботе, но я хочу до этого этапа еще заработать много денег, чтобы меньше об этом переживать. То есть, ну, я хочу зайти в этот бизнес, может быть, позже.

Для меня история Юры— это в первую очередь история о том, что даже когда тебя каждый раз сбивают с ног, ты можешь встать, найти себе цель, которая тебе опять будет интересна, которая будет достижима реалистично, и опять идти к ней. Для меня это о том, что важно не то, насколько везёт, а важно то, насколько ты хочешь чего-то и готов действовать в новых обстоятельствах, когда у тебя прямо на ходу меняются правила игры, ты можешь понять, что происходит, принять самое правильное, самое интересное, самое классное решение и опять начать для него работать. Это про веру в себя. Это очень вдохновляет.

За эти годы мучений и страданий Юра

хорошо разобрался в голосовых интерфейсах. Мне интересно разобраться, в каком состоянии сейчас находятся голосовые интерфейсы и куда они движутся.

Юра, есть разница вообще вот между амазоновским, гугловским и эполовским устройством и помощниками голосовыми, если я обычный человек? Какой купить?

Как и с экосистемой, лучше бы тебе выбрать то, что поддерживает то, что у тебя уже есть, потому что иначе тебе придется менять сервис, а это не всегда хочется. Например, Apple не поддерживает до сих пор Spotify. То есть если ты выкупишь колонку Apple, ты не сможешь включить музыку на Spotify. На самом деле довольно круто развиваются ассистенты в целом в России. То есть Алиса от Яндекса, Олег у Тинькофф банк. Сейчас Сбербанк запустил еще свою линейку ассистентов под названием Салют.

У Мэйла есть Маруся.

У Мэйла Маруся, точно, да, ты прав. А дальше получается, что ассистенты в России не сильно отстают или иногда даже опережают какие-то по сервисам американские.

Например?

Ну, например, Яндекс.Станция— это первая голосовая колонка, которая позволяла управлять ТВ. То есть ты мог как бы говорить «включи фильм такой-то», и это включалось на твоём HDMI. Amazon это выпустил чуть позже, чем Яндекс. Какие-то вещи прямо идут там даже с опережением американское.

Американские, я так понимаю, для тебя ближе, да?

Да, я работаю сейчас в американском ММА.

Ты сейчас делаешь для них скиллы? Можешь для тех, кто в танке, объяснить, что такое скилл? Это программа, которая устанавливается на колонку или что?

Да, у нас есть iPhone или Android, и мы можем поставить приложения, которые, собственно, деланы были не Google и не Apple. Приложения разработаны сторонними разработчиками. То же самое с ассистентами, что для Alexa, что для Google Assistant можно сделать какой-то сторонний навык, так называемый скилл, который позволяет выполнять функционал, который не предусмотрели Amazon или Google. Например, у меня есть скилл 5-минутный планк. Он позволяет ставить планку. То есть, это упражнение на 5 минут, там 40 секунд стой, 20 секунд отдыхай, 40 секунд стой, и тебя там ведет такой тренер персональный. То есть, Amazon как гигант, ему незачем топик, но пользователи хотели бы с помощью голоса заниматься спортом. И просто есть скиллы, которые стоят денег, а есть скиллы бесплатные.

То есть, есть marketplace?

Marketplace, да.

Есть витрина этих скиллов, и ты из него можешь выбрать тот, который хочешь, и часть из них стоит денег?

Да.— Да.—

Ну это реально как App Store, получается.—

Да, только не очень успешно с точки зрения количества денег, количества покупок. Просто покупка через голос. Вообще все, что идет голосом, люди не привыкли покупать. Кажется, что голос— это бесплатно. просто ментально подумай над этой мыслью как бы насколько часто мы что-то покупаем, что речь то есть вот я с тобой говорю, это бесплатно ты подходишь на улицу, говоришь здравствуйте, тебе отвечают, это бесплатно плюс ко всему покупать голосом довольно непривычно ты

не видишь интерфейс Юра, вот в UX экранном на телефоне есть какие-то приемы общие а в голосовых интерфейсах это как работает там у всех все одинаково или есть разные подходы?

это очень классный вопрос вначале было Очень странно. Каждый делал все, что мог, и была наиболее частая ошибка, что брали графический интерфейс и переносили на голос, и это ужасно. Самое худшее, что можно сделать, например, когда пицца разрабатывала какой-нибудь скилл в партнерстве с компанией, они хотели, чтобы выбор был из всего меню.

И это как бы... Тебе зачитывают час.

Час.

Это просто, ну, это просто намного неудобнее. И американский рынок в какой-то момент пришел к тому, что они делали short скиллы, когда ты, например, В ресторане 20 пицц, но топ пиццы – это две пепперони и сырная, например. Все, ты можешь выбрать две пиццы, только на тонком тесте. Как бы ты говоришь, хочу такую-то пиццу, сколько? И домой. Все. И она пошла. То есть это тогда легко. А как думает бизнес-менеджер какой-нибудь большой сети? Он думает, что у нас должно быть на приложении, на сайте и в голосе одинаково. Дальше он это переносит, и со скиллом никто не взаимодействует, потому что он проще через App, ну действительно. И графический интерфейс достаточно часто выигрывает. И вообще в практике людей, voice-дизайнеров, их мало. В Америке их сейчас все больше становится, но вообще довольно нетривиально сделать хороший голосовой интерфейс. И стандарты сейчас еще вырабатываются. И мы до сих пор, как человечество, не научись с голосовым интерфейсом эффективно работать. То есть, он все еще не понимает контекст. Он все еще... Представляешь, чтобы открыть определенный скилл, я должен помнить его имя. То есть, это немножко абсурд. То есть, ты должен команду помнить. Представляешь, это как операционное среде. Ты должен команду писать слэш, там, или команда, чтобы открыть какой-то... Это абсурд. Но они идут в эту сторону. То есть, там, Google уже... Ты говоришь, что ты хочешь сделать, а он тебе говорит, с помощью чего ты можешь это сделать. И дальше ты, когда выбираешь, это по дефолту становится основным инструментом для решения этой задачи. то есть выбрать источник а-ля поиск, источник погоды и так далее. Ну, какой скилл решает задачу.

Я понимаю, что ты можешь сейчас отличить Amazon, Google и Apple по голосу их помощника, но если бы голос был одинаковый,

ты мог бы по логике построения интерфейсов

отличить друг от друга?

Если я поговорю одинаковым голосом, я думаю, что я с большой вероятностью отличу Google от Alexa. Но для обычного пользователя, я думаю, незначительно. Для обычного пользователя все одинаково плохо.

Но судя по тому, что ты рассказываешь, в голосовые интерфейсы вложено очень много сил.

То есть много корпораций между собой борются,

там, скорее всего, большие команды, бюджеты и вот это всё.

Невероятно большие местами. В смысле, тысячи людей в Амазоне. несопоставимые.

Почему работает так плохо?

Сложность. Ты же как CTO делал разные проекты. Выпустить приложение, любое приложение, чтобы хорошо работало, самое простое, требует немалых усилий. Плохо сделать легко, а вот каждый процент улучшения требует больше ресурсов, чем предыдущий. Плюс технология, несмотря на весь шум в области artificial intelligence, в нейронных сетях, все еще не решенная задача, она сложная, голосовой интерфейс. Но это сильно улучшается. То есть прогресс, я как человек, который занимается этим с 2012 года за 8 лет, невероятный. Он очень быстрый. Другой вопрос, что денег нет. смущает, что в рынке нет денег. Большая ставка на будущее, что это отъезд большой кусок рекламного сегмента у поисковиков, то большинство задач простых будет решаться не в поисковике, а вот здесь. Поэтому гиганты за это бьются, потому что видят новый зарождающий рынок. Но получается донейшн такой.

Просто занимать территорию, чтобы не... Занимать территорию,

потому что в будущем переходить... Вот у меня стоит девайс от Гугла, а вот потом, типа, Алекса выпустила что-то другое. Если ты купишь Алексу, а что делать с гугловым девайсом? Люди большинство даже в браузере не меняют поисковую строку по умолчанию, которая поставлена. А тут устройство нужно купить другое, поставить, а это куда-то деть. Поэтому разметить территорию. А потом уже дальше как-то придумаем, как зарабатывать или делать цеплый бизнес.

Как ты думаешь, как быстро появятся деньги? Как быстро реально начнёт это всё работать?

Я был уверен, что к 2020 году появятся, а их нет. Не знаю. Я, кстати, сейчас вообще немножко в другую сторону стал смотреть. То есть, с одной стороны, ментально втужен, но на самом деле смотрю не про скиллы.

А над чем ты сейчас работаешь?

Сейчас я работаю над идеей перезапустить ToDo. Есть огромное количество ToDo-листов. Для части людей это работает хорошо, но есть огромное количество людей, которые не справляются с этим, им очень сложно, они забивают этот список, они его не обновляют, они перестают им пользоваться и вообще ничем не пользуются. и я до сих пор думаю над тем, какое решение сделать. Для меня это как бы странно не звучало, это оба из продолжения кубика в том смысле, что это сделает жизнь у человека лучше с точки зрения повысить эффективность его.

Офигеть. Юра, последний вопрос. У нас есть такой жанр, мы спрашиваем, какой интернет ты читаешь?

Самое большое открытие моё это Твиттер. Я никогда не понимал, зачем Твиттер нужен.

Я не понимаю. Объясни, пожалуйста.

В общем, в Твиттере так, ты фоловишь людей, которые из твоей сферы, Пол Грэм (Paul Graham), стартапы или OpenAI, основатели. И дальше ты от них напрямую, ежедневно, основе получаешь некоторые мысли. Это такое, знаешь, СМИ, персональные СМИ, и как бы качество контента зашкаливает. То есть люди пытаются, знаешь, как у нас есть статусные игры, и люди пытаются писать в Твиттере вещи, которые действительно дип, глубокие и классные. И, например, я подписался на компанию, например, туду листы. Ты себе весь интернет оброжешь, ты никогда не найдешь, сколько у них там, ну, продажи. А они это сами пишут там. И это, мне кажется, вообще какой-то невероятный источник информации. Это лучший способ приблизиться, понимание, что происходит в Долине, в Америке, вот, подписаться на, там, 10-20 людей из твоего рынка. Потом ты будешь видеть, кого они лайкают, кого они комментируют, и ты довольно быстро увидишь расклад такой, что происходит в рынке. И это невероятно круто. То есть, я на самом деле пытаюсь употреблять контент только там, а стандартные новости стараюсь не читать.

А какой у тебя твиттер? Там же всё видно, наверное, да? То, кого ты фолловишь, это открытая инфа.

Юбуров. Юбуров.

Юра, спасибо тебе огромное. Это дико интересная запись, мне очень понравилось, и я надеюсь, мы ещё как-нибудь встретимся вживую.

Тебе спасибо большое. Классно вспомнить историю, и всё пережито, и это реально крутой опыт.

Это подкаст студии Либо-Либо, и мы его сделали вместе с сервисом онлайн-образования Яндекс Практикум. Над подкастом работали редакторы Юлия Яковлева и Андрей Борденко, продюсер Павел Боровков, звукорежиссер Павел Цуриков. За джингл спасибо Алексею Еделенскому.