Когда мы задаем вопрос Что дальше в вычислительной технике?, Искусственный интеллект, возможно, является наиболее захватывающей областью развития. Космос быстро прогрессирует, и многие считают, что мы вступаем в золотой век ИИ. Этот прогресс стал возможным благодаря трем значительным недавним прорывам: дешевым параллельным вычислениям, большим данным и лучшим алгоритмам.
Благодаря его недавнему взрыву, я очень заинтересовался ИИ. Я начал ежедневно получать информацию о космосе, только чтобы понять, что мы находимся на очень ранних стадиях развития ИИ и что есть еще бесконечные вопросы, на которые нужно ответить. В этом посте я задам самые насущные вопросы о пространстве и изложу свои мысли о возможных ответах на эти вопросы.
Некоторые из вопросов, которые у меня есть:
- В чем заключаются самые многообещающие возможности для стартапов?
- Какой будет наша третья среда выполнения в результате недавних разработок в области искусственного интеллекта? Это сообщения, карты, голосовые помощники, боты или push-уведомления? И каковы возможные варианты использования каждого из них?
- А еще есть виртуальные помощники. Как мы будем с ними взаимодействовать? Это очень актуальный вопрос, поскольку грань между нашей личной и профессиональной жизнью стирается с быстрым появлением виртуальных помощников.
- Давайте немного сосредоточимся на предприятии. Что созрело для автоматизации в наших обычных рабочих процессах? Я использовал слово «рабочие процессы» не зря, поскольку считаю, что ИИ (или машины) заменят или изменят рабочие процессы, а не всю работу - по крайней мере, на очень долгое время.
Я буду использовать эти четыре вопроса в качестве основы для этой мини-серии и отвечу на один вопрос в каждом посте. Сегодня я начну с ответа на свой первый вопрос о потенциальных возможностях для стартапов в области искусственного интеллекта. Здесь я расскажу о своем подходе к анализу пространства искусственного интеллекта на основе того, что я прочитал, и интервью, которое я дал некоторым инсайдерам отрасли. Что и говорить - это далеко не полный список.
Компании освобождают базовую разработку приложений искусственного интеллекта
Искусственный интеллект долгое время был прерогативой академических кругов - в конце концов, именно академики оставались на поле боя в течение всех этих долгих зим ИИ. Существует разрыв между академическими исследованиями и потенциальными приложениями ИИ, и нам нужны стартапы, которые работают над преодолением этого разрыва, предлагая мертвые простые решения на основе API. Нам нужны решения, которые облегчат базовую разработку приложений ИИ. Это то, что Илья Сухарь любит называть: Разбор для AI. Он утверждает, что нам нужны компании, которые предлагают 3–4 хорошо определенных функции и кто-то, кто в первую очередь пишет на Swift / Java интерфейс, должен найти ценность в API за‹ 10 минут . Я не мог с этим согласиться.
Clarifai - отличный тому пример. Он предлагает классификацию изображений и возможности визуального поиска другим компаниям и разработчикам. Он делает ИИ доступным для всех благодаря лучшему в своем классе API-решении.
Другие успешные примеры - Textio и SigOpt. Textio имеет программное обеспечение для текстовой аналитики и визуализации данных. SigOpt предоставляет алгоритмы оптимизации для предприятий. Стоит отметить, что это оба решения SaaS.
Есть много других приложений, таких как распознавание голоса и категоризация текста, которые стартапы могут дифференцировать, предлагая простые решения на основе API для демократизации пространства искусственного интеллекта.
Инструменты специального назначения позволяют конечным пользователям, не имеющим технического образования
В предыдущем разделе я описал, как включить разработчиков, а теперь я расскажу обо всех остальных, а именно о конечных пользователях, не имеющих технического образования.
Одна из областей применения - это инструменты, которые позволяют конечным пользователям, не являющимся программистами, выполнять сложный анализ данных. В этом пространстве активно работают многообещающие стартапы, такие как Dataiku, Paxata и Context Relevant. Dataiku's Data Science Studio позволяет людям, работающим с данными, очищать данные, строить модели на основе этих данных и встраивать эти модели в существующие рабочие процессы. Тем не менее, вам все равно нужно быть знатоком данных, чтобы иметь возможность работать с данными. Paxata позволяет аналитикам быстро очищать данные и готовить их к анализу. Однако я твердо верю, что Slack сложного анализа данных еще не создан, и он нам нужен. У нас до сих пор нет простого и понятного набора инструментов анализа данных, который мог бы использовать каждый на предприятии. Текущие приложения ИИ / машинного интеллекта, поступающие от стартапов, слишком много внимания уделяют разработчикам и специалистам по обработке данных, приложения, демократизирующие ИИ для конечных пользователей, станут следующей интересной волной.
Компании с трудно воспроизводимыми наборами данных
Джош Нуссбаум утверждает:
«Вполне вероятно, что со временем алгоритмы станут товаром. Поскольку реальная ценность тогда находится в собранном частном наборе данных, стартап оказывается в невыгодном положении в первый день. Именно здесь преимущество первопроходца действительно имеет значение. По мере того как стартап собирает данные, необходимые для поддержки своих алгоритмов машинного обучения, ценность продукта / услуги повышается, позволяя им получать доступ к большему количеству клиентов / пользователей, которые предоставляют больше данных, и так далее, и тому подобное ».
Я согласен. В конечном итоге стартапы будут отличаться не алгоритмами, а доступом к закрытым данным, и я думаю, что есть игра для стартапов, которая делает высококачественные и целенаправленные данные доступными для других.
Прекрасный пример - Foursquare. Они используют свои два популярных мобильных приложения для сбора бесценных данных от потребителей, упаковки необработанных данных в несколько информационных продуктов и предложения этих продуктов предприятиям в виде бесплатного API.
Еще несколько успешных примеров в этом пространстве: Factual, Clearbit, Planet Labs, Enlitic, Premise, Truven Health. Однако это непростая игра. В идеале стартапы также должны предлагать решения бизнес-проблем от компаний, от которых они собирают данные. Но как только будут собраны закрытые данные, у стартапов появится сильное конкурентное преимущество, а еще есть много неиспользованных вертикалей, которые нужно исследовать.
Агенты
Многие люди проводят значительную часть своего времени, выполняя какие-либо административные задачи. В нашей повседневной жизни есть несколько задач, которые созрели для автоматизации благодаря достижениям в области искусственного интеллекта.
Введите ботов. Поскольку текущие дискуссии о ботах вызывают определенную шумиху, трудно отличить сигнал от шума. Однако есть отличные возможности для ботов, которые решают очень специфические потребности пользователей. И мы все еще находимся на очень раннем этапе массового внедрения «агентов».
Некоторые примеры включают x.ai, Оператор, Facebook M, Привет.
Заключение
Искусственный интеллект / машинный интеллект - очень активная и увлекательная область. Крупные компании соревнуются в гонке за самые многообещающие стартапы в области ИИ. Я перечислил четыре инвестиционных направления, за которыми буду внимательно следить. Однако я не думаю, что все эти четыре области одинаковы с точки зрения инвестиционной привлекательности. Мне больше нравятся первые две области, потому что они решают фундаментальные бизнес-потребности предприятий, а их бизнес-модели достаточно проверены.
В заключение позвольте мне вспомнить структуру из четырех вопросов, которую я буду использовать в этой мини-серии:
- В чем заключаются самые многообещающие возможности для стартапов?
- Какой будет наша третья среда выполнения в результате недавних разработок в области искусственного интеллекта?
- А еще есть виртуальные помощники. Как мы будем с ними взаимодействовать?
- Давайте немного сосредоточимся на предприятии. Что созрело для автоматизации в наших обычных рабочих процессах?
В этом посте я попытался ответить на первый вопрос. В следующих трех постах я рассмотрю оставшиеся три вопроса отдельно.
