Натан Бенайх - инвестор в Playfair Capital, венчурном фонде ранней стадии, базирующемся в Лондоне и специализирующемся на искусственном интеллекте. До Playfair Натан получил докторскую степень в области онкологии в качестве стипендиата Гейтса в Кембриджском университете и степень бакалавра биологии в колледже Уильямс, за это время он опубликовал исследования о технологиях, позволяющих остановить фатальное распространение рака по телу. Прочтите блог Натана здесь и веб-сайт здесь.

Тезисы разговора Натана (расширенные) из презентации, которую он провел на обеде Re.Work Investing in Deep Learning в Лондоне 1 декабря 2015 года.

TL; DR Посмотрите слайды здесь

а. Почему сейчас?

Я верю, что искусственный интеллект - одна из самых захватывающих и преобразующих возможностей нашего времени. На это есть несколько причин. У потребителей во всем мире есть 2 миллиарда смартфонов, они все больше и больше используют эти устройства, и 40% мира подключены к сети (KPCB). Это означает, что мы создаем новые активы данных, которых никогда раньше не было (поведение пользователей, предпочтения, интересы, знания, связи).

Стоимость вычислений и хранилища резко падает на порядки, в то время как вычислительная мощность современных процессоров растет. Мы заметили улучшения в методах обучения, архитектуре и инфраструктуре программного обеспечения. Таким образом, темпы инноваций могут только увеличиваться. В самом деле, мы не до конца понимаем, как будет выглядеть и ощущаться завтрашний день.

Продукты на основе ИИ уже доступны и улучшают производительность поисковых систем, рекомендательных систем (например, электронной коммерции, музыки), показа рекламы и финансовой торговли (среди прочего). Таким образом, вместе сообщество лучше понимает и оснащено более способными инструментами, с помощью которых можно создавать системы обучения для широкого круга все более сложных задач.

б. Как вы могли бы применить технологии искусственного интеллекта на сегодняшнем рынке?

  • Посмотрите на огромное количество корпоративных и открытых данных, доступных в различных хранилищах данных (в Интернете или локально). Учтите, что установление связей между ними позволяет получить целостный взгляд на сложную проблему, из которого можно выявить новые идеи и использовать их для прогнозирования. например Так нападают на рынок DueDil, Premise и Enigma.
  • Используйте свой опыт в предметной области и решайте целенаправленную, ценную, повторяющуюся проблему, используя набор методов искусственного интеллекта, которые расширяют недостатки людей. Например, обнаружение онлайн-мошенничества (SiftScience, Ravelin) и личных займов (ZestFinance, Kreditech). Здесь создание прогнозов на основе новых моделей мошенничества и кандидатов с тонкими файлами, соответственно, быстро становится неразрешимой проблемой для решений, созданных вручную.
  • Разработали ли вы новую структуру ML / DL (разработка функций, обработка данных, алгоритмы, обучение моделей, развертывание), которая применима к широкому кругу коммерческих задач? Вы продвигаете существующие фреймворки с дополнительными инструментами и предоставляете это комплексное решение конечным клиентам? В этом пространстве работают H2O.ai, Seldon и Prediction.io.
  • Изучите повторяющиеся, рутинные, подверженные ошибкам и медленные процессы, которые ежедневно выполняются работниками умственного труда. Учтите, что там, где есть структурированный рабочий процесс с измеримыми параметрами / результатами, может помочь автоматизация с использованием контекстного принятия решений. Такой подход используют Gluru, x.ai и SwiftKey.
  • Взаимодействие между автономными агентами в физическом мире зависит от контекстных сенсорных входов (восприятия), логики и интеллекта. Tesla, Matternet и SkyCatch безоговорочно сосредоточены на реализации этого видения.
  • Взгляните на перспективу и сосредоточьтесь на исследованиях / разработках, чтобы рискнуть, что в противном случае было бы отнесено на счет академических кругов (но из-за строгих бюджетов часто уже не так). DNN Research, DeepMind и Vicarious - в этой увлекательной (но рискованной) игре.

Подробнее об этом обсуждении здесь. Ключевым моментом, на мой взгляд, является то, что использование открытых источников технологий крупными игроками (Google, Microsoft, Intel, IBM) и рядом компаний, производящих дешевые технологии, означает, что технические барьеры быстро разрушаются. В конце концов, "иголку" сдвинули с мертвой точки: доступ / создание закрытых данных, талант и вызывающие привыкание продукты.

c. С какими проблемами сталкиваются операторы и внимательно относятся к инвесторам?

Оперативный

  • Выбираете ли вы более долгосрочный маршрут НИОКР или вместо этого монетизируете краткосрочную перспективу? Несмотря на то, что выпускается все больше библиотек и фреймворков, необходимо сделать значительные предварительные вложения, прежде чем производительность продукта станет приемлемой. Пользователи часто сравнивают результат с результатом, полученным человеком, так что это то, с чем вы соревнуетесь.
  • Небольшой кадровый резерв (150 тыс. На Kaggle). У немногих есть правильное сочетание навыков и опыта. Как вы будете искать и удерживать таланты?
  • С самого начала подумайте о том, как найти баланс между разработкой, исследованием продукта и дизайном. Работа над эстетикой и опытом на заднем плане равносильна нанесению губной помады на свинью. Это все равно будет свинья.

Коммерческий

  • Продукты искусственного интеллекта все еще относительно новы на рынке. Таким образом, покупатели, скорее всего, не обладают техническими знаниями (или не обладают достаточными знаниями предметной области, чтобы понимать, что вы делаете). Они также могут быть новыми покупателями продаваемого вами продукта. Следовательно, вы должны внимательно оценить шаги / препятствия в цикле продаж.
  • Как доставить товар? SaaS, API, открытый исходный код?
  • Включать платные консультации, настройку или услуги поддержки?
  • Сможете ли вы использовать знания высокого уровня, полученные на основе данных клиентов, для других?

Финансовые

  • Какой тип инвесторов лучше всех оценит ваш бизнес? Приходите, поговорите с нами :)
  • Какой прогресс считается инвестируемым? MVP, публикации, открытое сообщество пользователей?
  • Следует ли вам сосредоточиться на разработке основного продукта или тесно сотрудничать с клиентами над индивидуальными проектами?
  • При привлечении капитала учитывайте наличие буферов, чтобы гарантировать, что вы больше не выйдете на рынок, пока не достигнете важной вехи.

d. Создавайте с постоянным пользователем

Есть два важных фактора, которые делают вовлечение пользователя в продукт, управляемый искусственным интеллектом, первостепенным. 1) Машины еще не воспроизводят человеческое познание. Чтобы понять, где программное обеспечение не работает, нам нужно обратиться за помощью к пользователю. 2) Покупатели / пользователи программных продуктов сегодня имеют больший выбор, чем когда-либо. Как таковые, они часто непостоянны (средний уровень удержания приложений в течение 90 дней составляет 35%). Получение ожидаемого значения из коробки является ключом к формированию привычки (может помочь оптимизация гиперпараметров). Вот несколько отличных примеров продуктов, которые доказывают, что вовлечение пользователя в цикл улучшает производительность:

  • Поиск. Google использует автозаполнение, чтобы понять и устранить неоднозначность языка / цели запроса.
  • Видение: Google Translate или Mapillary обнаружение дорожных знаков позволяют пользователю исправить результаты.
  • Перевод: переводчики сообщества Unbabel совершенствуют машинные расшифровки.
  • Фильтры спама в электронной почте: Google, снова :) спешит на помощь.

Я думаю, мы можем пойти еще дальше, объяснив, как получаются результаты, генерируемые машиной. Например, IBM Watson выдает актуальную литературу при подтверждении диагноза пациенту в онкологической клинике. Это повышает удовлетворенность пользователей и помогает укрепить доверие к системе, поощряя более долгосрочное использование и инвестиции. Помните, что нам обычно трудно доверять тому, чего мы на самом деле не понимаем.

е. Какой сейчас инвестиционный климат в области ИИ?

Чтобы поместить это обсуждение в контекст, давайте сначала посмотрим на глобальный рынок венчурного капитала. В первом-третьем квартале 2015 года было инвестировано 47,2 млрд долларов, что превышает объем инвестиций за каждый год за 17 из последних 20 лет (NVCA). К концу года мы, скорее всего, превысим 55 миллиардов долларов. В сфере искусственного интеллекта работает около 900 компаний, большинство из которых занимается бизнес-аналитикой, финансами и безопасностью. В четвертом квартале 2014 года был отмечен шквал сделок с компаниями, занимающимися ИИ, начатыми уважаемыми и известными учеными: Vicarious, Scaled Inference, MetaMind и Sentient Technologies.

На данный момент мы наблюдали около 300 сделок с компаниями, занимающимися ИИ (определяемыми как предприятия, описание которых включает ключевые слова: искусственный интеллект, машинное обучение, компьютерное зрение, НЛП, наука о данных, нейронная сеть, глубокое обучение с 1 января 2015 г. по 1 декабря 2015 г.) . В Великобритании такие компании, как Ravelin, Signal и Gluru подняли посевные раунды. Около 2 миллиардов долларов было инвестировано, хотя и раздуто за счет крупного венчурного долга или кредитных линий для поставщиков потребительских / бизнес-кредитов Avant (долг 339 миллионов долларов + кредит), ZestFinance (долг 150 миллионов долларов), LiftForward (кредит 250 миллионов долларов) и Аргон Кредит (кредит 75 млн долларов) (CB Insights). Важно отметить, что 80% сделок были размером менее 5 миллионов долларов, и 90% денежных средств было инвестировано в компании США по сравнению с 13% в Европе. 75% раундов были в США.

На рынке выхода было зарегистрировано 33 сделки M&A и 1 IPO (алгоритмы на LSE). Шесть мероприятий были проведены для европейских компаний, 1 - в Азии, а остальные - от американских компаний. Самыми крупными сделками были TellApart / Twitter (532 млн долларов; привлечено 17 млн ​​долларов), Elastica / Blue Coat Systems (280 млн долларов; 45 млн долларов привлечено) и SupersonicAds / IronSource (150 млн долларов; 21 млн долларов привлечено), которые вернули солидные суммы, кратные вложенному капиталу. Остальные транзакции были в основном для талантов, учитывая, что средний размер команды на момент приобретения составлял 7ppl.

В целом инвестиции в ИИ составят около 5% от общего объема венчурных инвестиций в 2015 году. Это выше, чем 2%, заявленных в 2013 году, но по-прежнему значительно отстает от таких конкурирующих категорий, как рекламные технологии, мобильные технологии и программное обеспечение бизнес-аналитики. Ключевыми выводами являются: а) рынки финансирования и выхода для компаний ИИ все еще находятся на стадии становления, о чем свидетельствуют небольшие раунды и низкие объемы сделок, и б) подавляющее большинство операций имеет место в США. Следовательно, компании должны иметь доступ к этому рынку.

f. Какие проблемы еще предстоит решить? Вот два:

1. Здравоохранение

Я провел несколько лет в университете и 3 года в аспирантуре, исследуя генетические факторы, управляющие распространением рака по телу. Ключевой вывод, который я сделал, заключается в следующем: терапевтическое развитие - это очень сложный, дорогостоящий, длительный, регулируемый процесс, который в конечном итоге предлагает временное решение для лечения болезни. Напротив, я искренне верю, что для улучшения результатов здравоохранения нам нужен детальный и продольный мониторинг физиологии и образа жизни. Это должно позволить раннее обнаружение состояний здоровья почти в режиме реального времени, снизить стоимость лечения на протяжении всей жизни пациента и, следовательно, улучшить результаты.

Рассмотрим образ жизни, связанный с цифровыми технологиями, который мы ведем сегодня. Устройства, с которыми некоторые из нас взаимодействуют ежедневно, могут отслеживать наши движения, показатели жизненно важных функций, упражнения, сон и даже репродуктивное здоровье. Мы отключены на меньшее количество часов в день, чем находимся в сети, и я думаю, что мы менее опасаемся хранить различные типы данных в облаке (где они могут быть доступны с согласия третьих лиц). Конечно, новости могут показывать иное, но факт в том, что мы все еще пользуемся Интернетом, и это множество продуктов.

Таким образом, на уровне популяции у нас есть возможность исследовать наборы данных, которых никогда раньше не было. Из них мы могли бы получить представление о том, как природа и воспитание влияют на возникновение и развитие болезней. Это здорово. Взгляните на сегодняшнюю клиническую модель: пациент приходит в больницу, когда чувствует что-то не так. Врач должен провести серию тестов, чтобы поставить диагноз. Эти тесты касаются одного (часто позднего) момента времени, когда мало что можно сделать для обращения вспять повреждения (например, в случае рака). А теперь представьте себе будущее. В мире непрерывного неинвазивного мониторинга физиологии и образа жизни мы можем предсказать начало и исход заболевания, понять, от какого состояния, вероятно, страдает пациент, и как они будут реагировать на различные терапевтические методы. Здесь есть множество приложений для искусственного интеллекта: интеллектуальные датчики, обработка сигналов, обнаружение аномалий, многомерные классификаторы, глубокое обучение молекулярных взаимодействий ...

Некоторые компании уже решают эту проблему:

  • Сано: постоянно отслеживайте биомаркеры в крови с помощью датчиков и программного обеспечения.
  • Enlitic / MetaMind / Zebra Medical: системы видения для поддержки принятия решений (МРТ / КТ).
  • Deep Genomics / Atomwise: изучайте, моделируйте и прогнозируйте, как генетические вариации влияют на здоровье / болезнь и как лекарства могут быть перепрофилированы для новых условий.
  • Flatiron Health: общая технологическая инфраструктура для клиник и больниц для обработки онкологических данных, полученных в результате исследований.
  • Google: оформил патент на изобретение для забора крови без иглы. Это небольшой шаг к носимым устройствам для отбора проб.

2. Автоматизация предприятия.

Могут ли предприятия когда-либо работать самостоятельно? Автоматизация интеллектуального труда с помощью ИИ может сократить расходы на трудоустройство на 9 трлн долларов к 2020 году (BAML). Я считаю, что в сочетании с повышением эффективности за счет роботов на сумму 1,9 трлн долл. США есть шанс почти полной автоматизации основных повторяющихся бизнес-функций в будущем. Подумайте обо всех готовых продуктах SaaS-инструментов для CRM, маркетинга, выставления счетов / платежей, логистики, веб-разработки, взаимодействия с клиентами, финансов, найма и бизнес-аналитики. Тогда рассмотрите такие инструменты, как Zapier или Tray.io, которые помогают соединять приложения и программировать бизнес-логику. Их можно было бы еще больше расширить, используя точки контекстных данных, которые используются для принятия решений. Возможно, в конечном итоге мы сможем изменить образ нового eBay, где у вас будет полностью автоматизированная закупка запасов, ценообразование, создание списков, перевод, рекомендации, обработка транзакций, взаимодействие с клиентами, упаковка, выполнение и доставка. Конечно, наверное, далеко :)

г. Подводя итог: вот мое мнение

Я оптимистичен по поводу того, насколько искусственный интеллект может создать ценность в нашей личной и профессиональной жизни. Я думаю, что в настоящее время в этом секторе низкая толерантность к риску венчурного капитала, особенно с учетом сокращения инвестиционных горизонтов для создания ценности. Компаниям, продвигающим долгосрочные инновации, требуется больше поддержки, особенно если в университетах происходит гораздо меньше. VC была создана для финансирования самогонов.

Мы должны помнить, что со временем доступ к технологиям станет товаром. Поэтому важно понимать ваш вариант использования, вашего пользователя, ценность, которую вы приносите, а также то, как это воспринимается и оценивается. В обновленном документе основное внимание уделяется основным принципам: найти решение нерешенной / плохо обслуживаемой ценной, постоянной проблемы для потребителей или предприятий.

Наконец, вы должны иметь доступ к рынку США, где создается и реализуется львиная доля стоимости. У нас есть возможность стимулировать рост сектора искусственного интеллекта в Европе, но не без непосредственного наблюдения за тем, что работает / не работает в пруду.

Работаете в космосе? Будем рады познакомиться с вами :)

Примечание. Изначально эта статья появилась в блоге Натана здесь.