Что произойдет, когда все данные станут интеллектуальными, а компьютеры - познавательными?

Паула Кляйн

Возможно, наконец-то появится разумное предприятие. Благодаря сочетанию машинного обучения, аналитики больших данных и API-интерфейсов, достижения, ранее доступные только потребителям, теперь переходят в бизнес-среду.

Эта «новая эра интеллектуальных вычислений» и то, как предприятия могут извлечь из этого выгоду, была темой недавнего семинара Марка Горенберга по IDE в Массачусетском технологическом институте. По его словам, комбинируя огромные объемы данных с алгоритмами обучения, «программное обеспечение, используемое во всех существующих бизнес-направлениях предприятий, разрушается, и новые отрасли, которые ранее испытывали нехватку данных, теперь открыты для оптимизации».

Горенберг, который имеет 26-летний опыт работы в венчурном капитале, финансировал и работал в советах директоров многих успешных стартапов, теперь делает ставку на то, что подходящие сроки и технологии позволят ИИ перейти в корпоративную среду. В настоящее время он является основателем и управляющим директором Zetta Venture Partners, фонда ранней стадии, ориентированного на интеллектуальное предприятие. Zetta, основанная в прошлом году, на данный момент инвестировала в 21 компанию, включая Kaggle, которую приобрела Google. В настоящее время под его управлением находится 185 миллионов долларов. Компания считает, что в нынешнюю, четвертую эру вычислений огромные объемы или зеттабайты программного обеспечения могут учиться на данных. Другими словами, все данные станут интеллектуальными, а компьютеры - познавательными.

2005 год стал «переломным моментом» с точки зрения механизмов рекомендаций, которые позволили Amazon воспользоваться преимуществами сетевых эффектов, чтобы выйти за пределы потребителей и выйти на корпоративный рынок.

Хотя облачные сервисы ознаменовали последнее поколение вычислений, «теперь речь идет о данных», - сказал он. Компании должны иметь руководство по использованию ИИ и нанимать специалистов по обработке данных и экспертов по машинному обучению для участия в этой игре.

«Чтобы предприятия могли конкурировать, им нужно будет перестроить архитектуру, чтобы включить новые облачные платформы, микро-сервисы и услуги данных, центры совместной работы, информационные панели для оптимизации бизнеса в реальном времени и новые интеллектуальные приложения», - сказал он. По его словам, лучшие новые приложения, в основном разрабатываемые стартапами, будут включать в себя «виртуальный цикл» - программное обеспечение, которое непрерывно преобразует анонимные данные клиентов и общедоступные данные «в алгоритмы машинного обучения, чтобы генерировать как более чистые данные, так и идеи».

Горенберг видит много новых возможностей, возникающих как для поставщиков, так и для предприятий. Предприятиям придется открыть свои программные сервисы, чтобы разрешить использование непатентованных приложений и новых инструментов разработки.

Награда? «Все в организации - аналитики данных; даже генеральный директор может проверять ключевые показатели эффективности в реальном времени на своем телефоне ».

По его словам, для инвесторов «правила стартапов меняются. Теперь дело не только в приложениях ». Стартапы разрабатывают продукты, которые вовлекают сбор данных и краудсорсинг общедоступных и частных данных, которые могут применяться во всех отраслях промышленности. Например, Marketing Evolution очень конкретно рекомендует клиентам оптимальное сочетание расходов на рекламу на основе анализа ИИ моделей и поведения клиентов в режиме реального времени. Другой стартап дополняет оценщиков страховых требований изображениями автозапчастей, поврежденных в результате аварии, с помощью глубокого обучения.

Пункты презентации Zetta подробно описаны в серии сообщений на https://medium.com/@Zetta. Подчеркнув недавний тезис, систематизированный сотрудником Zetta Associate, Айви Нгуен, Горенберг резюмировал некоторые ключевые идеи для предприятий и предпринимателей, стремящихся получить выгоду от машинного обучения и анализа данных, а именно:

ОСНОВНАЯ ИНФОРМАЦИЯ:

1. Определите минимальную производительность вашего алгоритма, чтобы сделать его жизнеспособным.

2. Гонка за критической массой. Убедитесь, что у вас есть нужные данные, и быстро их проанализируйте.

3. Выберите правильную точку входа в бизнес.

4. Следите за уменьшающейся доходностью и продолжайте обновлять. Убейте старые модели узких мест в разработке программного обеспечения.

5. Сохраняйте права на данные для обеспечения лидерства. Права на данные - это новая интеллектуальная собственность; контракты будут заключаться в отношении владения данными в будущем.

Посмотрите видео с презентации MIT IDE здесь.