Информация к новости
 (голосов: 0)
17-12-2015, 18:42

Машинный интеллект и реальный мир

Категория: Тексты » Технологии

Загрузка...
Машинный интеллект и реальный мир

В последние несколько лет я работаю исключительно с искусственным интеллектом. Я говорил с сотнями предпринимателей, исследователей и инвесторов о том, как помочь машинам сделать нас умнее.

Прошли месяцы с тех пор, как я поделился своими знаниями о компаниях, занимающихся искусственным интеллектом, а народ не переставал интересоваться, что лично я о них думаю — как будто они занимаются примерно одними и теми же вещами (Я полагаю, так люди говорили о сайтах «.com» в 1997).

В целом, люди больше всего озабочены тем, как взаимодействовать с этими технологиями, когда они выйдут в массы. Главная тема этой статьи — как такие компании выходят на рынок, а не методы, которые они используют.

В процессе написания статьи я заметил, что использую клички для компаний (довольно яркие). Это оказалось полезным, так что я постарался описать их наиболее подробно. Если вы наткнётесь на одну из них или вам понадобится удобный метод для своих описаний — уже есть подходящий язык.

Выделенные категории неточны — слишком уж комплексное пространство, — но эта схема помогает нашему фонду (деньги из которого инвестируются в компании, занимающиеся улучшением рабочего процесса) разобраться что к чему, когда мы занимаемся предприятиями, разрабатывающими искусственный интеллект.

== «Паноптиконы» собирают обширные массивы данных ==
Искусственный интеллект начинается с анализа данных, так что компании, которые я называю «паноптиконами», занимаются сбором массивов важных данных. Могущественные предприятия часто охватывают глобальную территорию. Слово «глобальный» в случае с компанией Planet Labs употребляется буквально, поскольку их спутники уже кружат над нашей планетой. Или же метафорически как в случае с компанием Premise, которая краудсорсит (краудсорсинг — привлечение широкой общественности через Интернет с целью исследования и решения общественных проблем — прим. Newочём) данные из множества стран.

С таким набором данных мы можем получить ответы на вопросы, на которые затруднялись ответить ранее. Рыночные барьеры не для слабаков, поскольку значительный объём данных собрать не так уж и просто.

Однако важно задаться вопросом, существует ли «достаточно хороший» набор данных, который станет более дешевой альтернативой, так как компании, лицензирующие данные, рискуют оказаться используемыми не по назначению. Компании, находящиеся в этом поле деятельности, должны быть уверены, что, либо (1) никто не способен или не будет способен собрать «достаточно хороший» набор данных, либо (2) они должны успешно захватить нишу развития искусственногоинтеллекта в придачу к своему набору данных и завладеть конечным пользователем.
Примеры компаний-«паноптиконов»: Planet Labs, Premise, Diffbot.

== «Лазеры» собирают определенные наборы данных ==
Компании, которые я называю «лазерами», также занимаются сбором массивов данных, которые относятся к конкретным сферам и с чьей помощью внутриотраслевые проблемы решаются с точностью лазера. Их продукты нацелены на решение конкретных проблем пользователей, вроде: «Насколько интенсивно поливать семена?» или «Кому из кандидатов выдать кредит?». Эта категория может породить много, много компаний — сотни или даже больше — поскольку их продукты приобретают ценность с момента появления.

Такие технологии впервые позволят принимать решения во многих отраслях на основании только данных. Мы наблюдали за тем, как технологии помогали человечеству более эффективно питаться, улучшали медицинскую диагностику, поддерживали в проектах по сохранению природы и давали возможность высказаться тем, кто раньше не мог этого сделать.
Но, чтобы добиться успеха, этим компаниям важно найти убийственный (в хорошем смысле) повод для применения данных и решить эту проблему так, чтобы упростить жизнь пользователям, а не усложнить ее.

Примеры компаний-«лазеров»: Tule Technologies, Enlitic, InVenture, Conservation Metrics, Red Bird, Mavrx, Watson Health.

== «Алхимики» обещают превратить твои данные в золото ==
У этих компаний всё просто: позвольте им работать с вашими данными и они превратят их в золото. Не создавая собственных баз данных, они пользуются новейшими алгоритмами для обогащения и получения уникальной информации из данных клиента. Существует три формы таких компаний:

1. Самообслуживаемые решения на основе API.
2. Сервисы, работающие с существующими наборами данных.
3. Комплексные решения, предоставляющие собственные наборы, оптимизированные под конкретное железо.

Поскольку «алхимики» работают с массивами различных данных, они скорее всего рано получают возможность поработать с мощными приложениями искусственного интеллекта. Если они идут к клиентам напрямую и предлагают решения в практическом виде (т.е. выступают в качестве консультантов), то часто становятся доверенными партнерами.
Но нужно быть осторожными. Эта отрасль находится на стадии зарождения, и те, кто пользуется подходом, основанным на API, с трудом смогут достичь больших результатов, так как доход приносит пока ещё незначительная база клиентов. Множество компаний с самообслуживанием перешли к более практической модели, чтобы решить эту проблему (и масштаб деятельность этих перенаселенных консалтинговых фирм иногда бывает очень сложно оценить).

Примеры компаний-«алхимиков»: Nervana Systems, Context Relevant, IBM Watson, Metamind, AlchemyAPI (acquired by IBM Watson), Skymind, Lucid.ai and Citrine.

== «Врата» создают новые случаи применения, основываясь на сценических типах данных ==
Эти компании позволяют предприятиям получать доступ к уникальной информации, с чтением и интерпретацией которой они ранее испытывали проблемы (изображения, аудио, видео, информация генома). Они не собирают собственные данные, а используют те, что предоставляют клиенты или третьи лица. В отличие от «алхимиков», «врата» не работают с массивами различных типов данных и случаев, а специализируются в определённой сфере.

Что ещё более замечательно, так это то, что это совершенно новый способ обращения с данными. Предприятия хоть и располагали этой информацией, но либо не хранили ее, либо не могли экономично интерпретировать. Сейчас эти «потерянные» данные могут быть использованы.

Но все же, стоит опасаться проблемы «и что?». Только потому, что мы обладаем методами для выделения новой уникальной информации, это не делает их ценными. Мы знакомы с компаниями, которые начинали с проблемы, которую нужно решить и были в итоге ослеплены магией метода решения. Последняя категория редко получает финансовую поддержку.

Примеры компаний-«врат»: Clarifai, Gridspace, Orbital Insight, Descartes Labs, Deep Genomics and Atomwise.

== «Волшебные палочки» незаметно улучшают рабочий процесс ==
Это инструменты «программного обеспечения как услуги», которые делают работу более комфортной, не только вычленяя основную информацию из предоставленных вами данных, но и незаметно для вас внедряя её в ваш ежедневный трудовой процесс. Здесь работа искусственного интелекта кажется чистой магией. Они схожи с «лазерами» тем, что их интерфейс помогает пользователю решить конкретную проблему, но при этом склонны полагаться на данные пользователя или организации, а не создавать собственный набор данных с нуля.

Например, Textio — текстовый редактор, во время печатания советующий возможные улучшения в описаниях должностных обязанностей. С ним я могу с 40% заполненности описания дойти до 90% всего за несколько минут, все благодаря прекрасно реализованному алгоритму машинного обучения.

Я считаю, что через пять лет мы все будем использовать эти инструменты в разных ситуациях. Они позволяют пользователю мгновенно превращаться в эксперта, классифицируя для него полезные сведения, найденные в специфичных для данной области данных. Эти помощники могут накапливать информацию и тихонько переводить её в продукт. Мы ожидаем от этого сектора роста и ждем-не дождемся появления большего количества «волшебных палочек».

Риск в том, что человечество может утратить свои навыки, полагаясь на подобные инструменты (подобно тому, как автопилот создал риск утраты лётчиком своих основных умений). Чтобы это предотвратить, создатели таких продуктов должны разработать пользовательский интерфейс таким образом, чтобы он укреплял знания пользователей, а не заменял их (например, обучая пользователя в процессе рекомендаций или используя двойной слепой метод).

Примеры: Textio, RelateIQ (приобретены Salesforce), InboxVudu, Sigopt и The Grid

== «Навигаторы» создают автономные системы для физического мира ==
Искусственный интеллект играет огромную роль в реализации таких автономных технологий, как автомобили без водителей, беспилотники и роботы для улучшения работы на складах, в сельском хозяйстве и при уходе за пожилыми людьми. Эта категория — смесь компаний на ранних стадиях развития и гигантов вроде Google, Apple, Uber и Amazon.

Такие технологии дают нам возможность полностью изменить систему транспортировки и логистики, особенно в странах с формирующимся рынком, где еще нет развитой материальной инфраструктуры. Мы также можем использовать их для выполнения задач, всегда являвшихся очень опасными для людей.

Прежде чем заняться такими технологиями, компании должны быть уверены, что они смогут привлечь крупный капитал и нанять лучшие умы в одних из наиболее конкурентных областей. Многие задачи по работе с ИИ требуют участия экспертов разных специализаций — аппаратура, робототехника, аудио- и зрительное восприятие. Им также придется иметь дело с серьезными бюрократическими препонами (например, ограничения в отношении самоуправляемых автомобилей).

Примеры: Blue River Technologies, Airware, Clearpath Robotics, Kiva Systems (приобретены Amazon), 3DR, Skycatch, Cruise Automation и группы разработки самоуправляемых автомобилей в Google, Uber, Apple и Tesla.

== «Агенты» создают киборгов и ботов для решения виртуальных заданий ==
Иногда лучший способ использования машинного интеллекта — это поставить его в пару с человеческим интеллектом. И киборги, и боты помогают вам выполнять некоторые задачи, но разница в том, что киборг будто притворяется человеком (он незримо совмещает человеческий и машинный интеллект, имеет свое личное имя и пытается общаться как человек), в то время как бот явно нечеловечен и полагается на ваше человеческое руководство в том, что же именно ему делать.

Киборги чаще всего выполняют сложные задания, например, работают с клиентами в онлайн-чате или планируют встречи через e-mail (например, Клара из Clara Labs или Эми из x.ai). Боты чаще помогают вам вести простые исследования, производить онлайн-транзакции и успешно справляться с командными задачами (например, Howdy — бот управления проектами).

В обоих случаях это идеальное сочетание людей и машин: компьютеры берут на себя рутинную транзакционную часть заданий и сотрудничают с нами в вопросах принятия сложных решений и применения творческого подхода.

Компании с упором на киборгов по большей части создаются как сервисы ручного управления, и со временем становятся более автоматизированными по мере развития технологий. Риск в том, успеют ли они совершить эту трансформацию достаточно быстро. И для ботов, и для киборгов сетевая анонимность будет оставаться проблемой, поскольку мы доверяем им все больше своих данных — календари, электронная почта, документы, кредитные карты.

Примеры: Clara, x.ai, Facebook M, Digital Genius, Kasisto и Howdy.

== «Первопроходцы» очень умные ==
Некоторые компании в сфере искусственного интеллекта начинают свое существование как университетские проекты. Когда команды разработчиков — профессоры и аспиранты с многолетним опытом работы в своей области — обнаруживают, что у них на руках есть прибыльный продукт, они (или их университеты) раскручивают эти проекты до коммерческих компаний.

Именно эти команды решают проблемы, кажущиеся нерешаемыми. Собрать такую команду — само по себе жизнеспособная рыночная стратегия, поскольку в этой области так мало людей с опытом 8-10 лет. Их умы настолько ценны, что инвесторы готовы рисковать ради одной лишь команды — даже если бизнес-модель еще требует доработки.

На самом деле существует множество крайне важных проблем, требующих решения и не дающих краткосрочных результатов. Эти команды щёлкают их как семечки, и они — одни из немногих, кто потенциально может сделать самые фантастичные идеи реальностью!

Этот подход даст отличные результаты, если у команды есть проблема, работе над которой они по-настоящему преданы, но их трудно удержать вместе, если они сплачиваются только из солидарности или из-за надежды на покупку всей компании с целью приобретения ценного коллектива сотрудников. Им также нужны спонсоры, разделяющие их долгосрочное видение проблемы.

Примеры: DeepMind (приобретены Google), DNN Research (приобретены Google), Numenta, Vicarious, NNaiSense и Curious AI.

Как можно увидеть, совершенно ясно, что искусственный интеллект — очень активная сфера. Существует много компаний, не подходящих под эти категории, но перечисленные мы видим чаще всего.

Очевидный вопрос по всем этим категориям: какие из них привлекательнее всего для инвестиций? Индивидуальные стартапы изначально стоят особняком, поэтому трудно поделить все на черное и белое, но мы так увлечены этим сектором, что на самом деле все зависит от степени оптимизма. Лично меня особенно радуют «лазеры» и «волшебные палочки», потому что они могут превратить новые виды данных в реализуемый интеллект прямо сейчас, а также извлечь пользу из испытанных технологий «программного обеспечения как услуги».

Автор: Шивон Зилис.
Оригинал: TechCrunch.

загрузка...
Добавление комментария
Имя (Ник):*
E-Mail (Электронный адрес):*
Текст:
Введите код: *

О кинотеатре

Наш проект enego – это не просто веб-сайт, это уникальный кинотеатр, с помощью которого вы сможете просматривать нужные вам сериалы или мультики. Он неповторимый тем что для просмотра вам не нужно будет идти в обычный кинотеатр и ждать нужно сеанса, вы можете посмотреть его прямо сейчас с помощью любого современного девайса, наш сайт подойдет как для ноутбука, так и для айфона или айпада. Также если у вас дома есть домашний кинотеатр, который поддерживает выход в интернет, то вы легко сможете смотреть понравившийся сериал с его помощью, только не забудьте выставить нужное вам качество видео. Еще одна особенность нашего кинотеатра в том, что тут вы сможете смотреть весь контент абсолютно бесплатно и вам не нужно будет проходить регистрацию или скачивать какие-либо программы. Мы работаем над тем, чтобы все серии которые присутствуют на сайте были в хорошем качестве и выглядели отлично на любом устройстве на котором вы захотите их посмотреть.
^