Как инвестировать в искусственный интеллект?

Оригинальная статья ^[1]. Редакция Roem.ru благодарит бюро переводов Top-Translate.ru ^[2] за помощь в подготовке материала.

Источник: Shutterstock

Системы искусственного интеллекта — одна из наиболее захватывающих и революционных возможностей нашего времени. Я — венчурный инвестор и партнер Playfair Capital ^[3]. В основном, я занимаюсь вложением капитала и формированием сообщества вокруг ИИ технологий и считаю, что сейчас отличное время для инвестирования в компании данной отрасли. Для этого есть три причины.

Во-первых, 40% населения всей Земли сейчас постоянно находятся в режиме онлайн; используется более 2 млрд смартфонов, и каждый день эта цифра увеличивается (интернет-тренды KPCB ^[4]). Все это создает информационный актив, сырьевой материал для разработки ИИ технологий, который содержит в высшей степени детализованные данные о поведении человека, его интересах, знаниях, связях и деятельности.

Во-вторых, стоимость вычислительных операций и хранения данных падает в разы, в то время как вычислительные способности современных процессоров продолжают расти, делая ИИ приложения все более доступными и добавляя им новые возможности.

В-третьих, в последнее время мы наблюдаем невероятное улучшение дизайна обучающих систем, архитектур и инфраструктуры ПО. Все вместе обещает и дальше ускорять темпы разработок инновационных технологий. На самом деле, мы сами до конца не понимаем, ^[5] как будет выглядеть завтрашний день, и на что он будет похож.

Также мы должны понимать, что ориентированные на искусственный интеллект продукты уже не те, что прежде. Сегодня они служат для улучшения характеристик поисковых механизмов, рекомендательных систем (например, для электронной коммерции, прослушивания музыки), подачи рекламы и осуществления финансовых и коммерческих операций (среди прочего).

Компании, располагающие ресурсами для инвестиций в ИИ технологии, призывают других к действиям, побуждая следовать их примеру — или рискуют потерять конкурентоспособность. Поэтому вместе они — сообщество, лучше понимающее ситуацию и снабженное мощным инструментарием для создания обучающих систем, которые решают широкий диапазон все возрастающего количества комплексных задач.

Как найти применение ИИ технологиям?

С помощью таких мощных и общеприменимых технологий ИИ компании могут выходить на рынок самыми различными способами. Здесь мы рассмотрим шесть таких способов и приведем примеры компаний, которые выбрали этот путь:

С помощью ИИ технологий используется опыт вашей команды в данной области и сосредоточивается внимание на решении вновь возникающих проблем особой важности, что помогает восполнить дефицит участия человека (например, Sift Science ^[6] или Ravelin ^[7]* для обнаружения онлайн-мошенничества).

• Выпускаются на рынок новые ИИ платформы для функциональных разработок, оптимизация гиперпараметров, обработки данных, формирования и ввода в действие алгоритмов и моделей (в числе прочего) для решения широкого диапазона коммерческих проблем (например, H2O.ai ^[8], Seldon ^[9]* и SigOpt ^[10]).
• Автоматизируются повторяющиеся, структурированные, подверженные ошибкам и последовательные процессы, которые выполняются ежедневно работниками умственного труда путем принятия контекстуальных решений (например, Gluru ^[11], x.ai ^[12] и SwiftKey ^[13]).
• Роботы и автономные агенты наделяются способностью чувствовать, учиться и принимать решения в физической среде (например, Tesla ^[14], Matternet ^[15] и SkyCatch ^[16]).
• Дальновидно сосредоточиваются на исследованиях и разработках, которые должны были бы проводиться научным сообществом, но откладываются из-за недостаточного финансирования (например, DNN Research ^[17], DeepMind ^[18] и Vicarious ^[19]).

Больше комментариев к этому вопросу можно найти тут ^[20]. Но основные выводы таковы: свободное предоставление технологий лидерами отрасли (Google, Microsoft, Intel, IBM) и недорогие решения, которые производятся рядом компаний, знаменуют собой стремительное разрушение технических барьеров. А возможность создания собственных данных и доступа к ним, наличие квалифицированных кадров и увлекающие продукты способны окончательно сдвинуть дело с мертвой точки.

С какими трудностями сталкиваются операторы, и на что обращают пристальное внимание инвесторы?

Я вижу целый ряд операционных, коммерческих и финансовых проблем, на которые обращают пристальное внимание операторы и инвесторы, работающие в сфере ИИ технологий. Вот главные из них, которые первыми приходят на ум:

Операционные

• Как уравновесить длительный процесс исследований и разработок с краткосрочным финансовым обеспечением? Несмотря на то, что сейчас выпускается много библиотек и платформ, до момента достижения продуктом приемлемых характеристик все же потребуются значительные начальные инвестиции. Пользователи часто сравнивают результат работы вашего продукта с результатами работы человека, которые таким образом составляют вам конкуренцию.
• Дефицит кадрового потенциала: мало квалифицированных специалистов сочетают в себе необходимые умения и опыт. Где найти источник таких специалистов и как их сохранить?
• Еще на ранней стадии тщательно уравновесьте разработку функционала и внешнего вида продукта. Работа над эстетической стороной после релиза будет напрасной. В этом случае гадкий утенок так и не превратится в прекрасного лебедя.
• Все системы искусственного интеллекта работают на основе достаточного количества данных. Как выполнить начальную загрузку системы на первых порах в условиях дефицита данных?

Коммерческие

• Продукты ИИ технологий все еще остаются новинками рынка. При этом, покупатели скорее всего мало осведомлены о технической стороне вопроса (или не имеют достаточно знаний в данной предметной области, чтобы понимать, насколько инновационный продукт вы предлагаете). Тем не менее, именно они будут новыми покупателями вашего продукта, поэтому следует приготовиться к тому, что цикл продаж будет состоять из нескольких этапов, не исключающих трудности.
• В какой форме поставлять продукт? ПО как услуга, интерфейс API, в свободном доступе?
• Включать ли услуги ответственного консультирования, настройки или техподдержки?
• Будет ли у вас возможность использовать высокоуровневые знания о клиентских данных для других продуктов?

Финансовые

• Инвесторы какого типа имеют возможность лучше других оценить ваш бизнес?
• Какой процесс исполнения можно считать пригодным к инвестированию? Продукт с минимальным функционалом, публикации, сообщество разработчиков свободного ПО среди пользователей или регулярный доход?
• Нужно ли сосредоточиться на разработке основного продукта или проектов под заказ в условиях тесного сотрудничества с клиентом в процессе работы?
• Привлекая средства, подготовьте резервный запас, который сможет гарантировать, что вам не придется прекратить свою деятельность до момента достижения значительных успехов.

Разработка в связке с пользователем

Существует две главные причины, которые делают привлечение пользователей к разработке продуктов с применением технологий ИИ задачей первоначальной важности. Во-первых, машина еще не способна воспроизвести сознание человека. И для того, чтобы компенсировать недостатки ПО в этой части, необходимо призвать на помощь пользователя. Во-вторых, на сегодняшний день покупатели и пользователи программных продуктов имеют намного более широкий выбор, чем когда-либо прежде. Именно поэтому они часто меняют свое мнение (в среднем 35% пользователей сохраняют загруженное приложение на своих устройствах ^[21] в течение 90 дней).

Возврат ожидаемой стоимости играет ключевую роль в построении порядка действий ^[22] (тут может помочь оптимизация гиперпараметров ^[23]). Приведем несколько ярких примеров продуктов, которые доказали, что привлечение пользователей к процессу разработки помогло улучшить их эксплуатационные характеристики:

• Поиск: Google использует автозаполнение как функцию понимания и устранения омонимии или неоднозначности запроса.
• Обзор: Google Translate ^[24] или определение местоположения дорожных знаков с помощью ^[25]Mapillary ^[26] предоставляет пользователям возможность исправлять результаты.
• Перевод: сообщество переводчиков Unbabel ^[27] доводит до совершенства результаты машинного перевода.
• Фильтры спама для электронной почты: Google опять спешит на помощь

Я думаю, мы можем зайти еще дальше, объяснив клиенту, как машина генерирует результаты. Например, IBM Watson ^[28] используется в онкологических клиниках при подтверждении диагноза пациента, предоставляя для ознакомления соответствующую литературу. Такая практика повышает удовлетворенность пользователя и помогает укрепить доверие к системе, что способствует ее длительному использованию и капиталовложениям в нее. Действительно, нам очень трудно доверять тому, в чем мы плохо разбираемся.

Как сейчас обстоят дела с инвестированием в ИИ технологии?

Для того чтобы поставить эти комментарии в связь с общим целым, необходимо для начала посмотреть на мировой рынок венчурного капитала: в квартале I-III 2015 года объем венчурных инвестиций составил 47,2 млрд долларов, что больше, чем за каждый полный год в течение 17-ти из последних 20-ти лет (NVCA ^[29]).

Мы предполагаем, что к концу года эта цифра может составить 55 млрд долларов. Существует около 900 компаний ^[30], работающих в сфере ИИ технологий, большая часть которых берется за решение задач, связанных с интеллектуальными ресурсами, финансами и безопасностью предприятия. В IV квартале 2014 года наблюдался неожиданное увеличение числа инвестиций в ИИ компании ^[31], начиная с высокоавторитетных и реализовавших себя компаний: Vicarious ^[32], Scaled Inference ^[33], MetaMind ^[34] и Sentient Technologies ^[35].

Сегодня мы можем говорить о 300 сделках по инвестированию в ИИ компании (определяемые как предприятия, в описании которых присутствуют следующие ключевые слова: искусственный интеллект, машинное обучение, машинное распознавание образов, НЛП, обработка и анализ данных, нейронная сеть, глубинное обучение) за период с 1 января по 1 декабря 2015 года (CB Insights ^[36]).

Английские компании, такие как Ravelin ^[37]*, Signal ^[38] и Gluru ^[39]*, получили первоначальное инвестирование порядка 2 млрд долларов, несмотря на огромное число долговых обязательств перед венчурными компаниями или займов, предоставленных такими организациями, кредитующими потребителей и бизнес, как Avant ^[40] (339 млн долларов долговых обязательств и кредита), ZestFinance ^[41] (150 млн долларов долговых обязательств), LiftForward ^[42] (250 млн долларов кредита) и Argon Credit ^[43] (75 млн долларов кредита). Важно отметить, что 80% сделок оценивались в менее, чем 5 млн долларов каждая, а 90% капитала инвестировалось в американские компании (для сравнения, в европейские — 13%). 75% начальных инвестиций пришлось на американские компании.

Рынок финансирования и выхода из инвестиций для ИИ компаний только зарождается

В рамках выхода из инвестиций состоялось 33 слияния и поглощения и 1 первоначальное публичное представления акций. Шесть из этих операций пришлись на европейские компании, 1 — на компании стран Азии, остальные операции были проведены американскими компаниями. Самые большие сделки были заключены компаниями TellApart/Twitter (532 млн долларов; привлечено 17 млн долларов), Elastica/Blue Coat Systems (280 млн долларов; привлечено 45 млн долларов) и SupersonicAds/IronSource (150 млн долларов; привлечен 21 млн долларов), которые вернули вложенные средства в многократном размере. Остальные операции совершались преимущественно ради кадровых ресурсов, при условии, что медианная группа на момент слияния насчитывала 7 человек.

Объем всех инвестиций в ИИ технологии будет равен 5% всех венчурных инвестиций по состоянию на 2015 год. Это больше, чем 2%, объявленные в 2013 году, но инвестиции в конкурирующих категориях, таких как рекламные технологии, службы мобильной связи и ПО для бизнес-анализа, опережают их с большим отрывом.

Были сделаны следующие выводы: a) рынки финансирования и выхода из инвестиций для ИИ компаний только зарождаются, что подтверждается небольшими стартовыми инвестициями и малыми объемами заключаемых сделок, и б) большая часть деятельности в этой сфере осуществляется в США. Поэтому предприятия должны делать вложения в этот рынок.

Какие проблемы остаются нерешенными?

Здравоохранение

В течение нескольких лет в университете и трех лет в магистратуре я занимался исследованием генетических факторов распространения раковых клеток в организме человека. В результате я пришел к следующему выводу: разработка терапевтических средств — это очень сложный, дорогостоящий, длительный и сложно организованный процесс, который в конечном итоге дает только промежуточный результат в деле собственно лечения болезни.

Тем не менее, я искренне верю в то, что для улучшения результатов в сфере здравоохранения нам поможет детальное длительное наблюдение за физиологией и образом жизни человека. Это будет способствовать раннему определению признаков болезни почти в режиме реального времени, приведет к снижению затрат на лечение в течение всей жизни пациента и соответствующему улучшению результатов.

Давайте посмотрим, как тесно наша жизнь связана с цифровыми технологиями. Устройства, с которыми некоторые из нас имеют дело каждый день, способны отслеживать наши движения, основные показатели здоровья, состояние организма во время физических нагрузок, сна и даже показатели репродуктивного здоровья. Мы отключаемся всего лишь на несколько часов в день, затем снова переходим в режим онлайн, и думаю, что нас мало волнует то, что облачная среда может служить хранилищем для данных различных типов (где они бывают доступны третьим лицам, по согласию). Конечно, все это может выглядеть иначе, но дело в том, что так или иначе мы все же используем Интернет и большое разнообразие продуктов высоких технологий.

Таким образом, уже на уровне обывателя мы можем запрашивать объемы данных, которые раньше даже не существовали. Из этих данных мы можем черпать информацию о том, как природные условия и потребляемая нами пища влияет на зарождение и развитие болезни. Это просто грандиозно.

Ориентированные на искусственный интеллект продукты уже не те, что прежде.

Рассмотрим ситуацию, происходящую в современных клинических условиях. Пациент приходит в больницу, когда чувствует, что что-то не так. Доктор должен сделать целый ряд анализов, чтобы поставить диагноз. Эти анализы актуальны только для одного периода времени (часто на поздней стадии), когда для предотвращения болезни уже мало что можно сделать (например, в случае онкологического заболевания).

Теперь давайте представим, как это будет происходить в будущем. В условиях постоянного непроникающего наблюдения за физиологией и образом жизни пациента мы можем предусмотреть начало и исход болезни, понять, каким заболеваниям больше всего подвержен пациент и как такие патологические состояния могут реагировать на различные лечебные воздействия. Существует масса приложений с элементами технологий искусственного интеллекта, такими как разведывательные датчики, функции обработки сигнала, определения отклонений от нормы, многомерные классификаторы, глубинное обучение на уровне молекулярных взаимодействий…

Некоторые компании уже решили подобные проблемы:

• Sano ^[44]: Организовывает непрерывное наблюдение за биомаркерами в крови с помощью сенсоров и ПО.
• Enlitic ^[45]/MetaMind ^[46]/Zebra Medical ^[47]: Внедряет видеосистемы для поддержки принятия решений (МРТ/КТ).
• Deep Genomics ^[48]/Atomwise ^[49]: Изучает, воспроизводит и прогнозирует влияние генетической вариативности на здоровье/болезнь и возможность переориентации лекарственных препаратов на новые условия.
• Flatiron Health ^[50]: Организовывает общую технологическую инфраструктуру клиник и больниц для обработки онкологических данных, полученных в процессе исследований.
• Google ^[51]: Оформила патент ^[52] на изобретение способа взятия крови без применения иглы. Это небольшой шаг в направлении нательных приборов для взятия проб.

Следует отметить, что Великобритания уже сделала небольшой шаг в сторону обеспечения доступа к данным. Инициативы U.K. Biobank ^[53] (500 000 медицинских карт), Genomics England ^[54] (100 000 упорядоченных геномов человека),HipSci ^[55] (стволовые клетки) и программа обработки данных о лечении NHS лидируют в создании централизованных хранилищ данных общественного здравоохранения и терапевтических исследований.

Автоматизация предприятия

Можно ли себе представить, что предприятия работают сами по себе? Автоматизация наукоёмкого труда с приобщением ИИ технологий может к 2020 году сократить расходы на содержание персонала на 9 трлн долларов (BAML ^[56]). Полагаю, что в сочетании с повышением эффективности на сумму 1,9 трлн долларов при условии применения роботов, это будет означать почти полную автоматизацию ключевых повторяющихся производственных функций в будущем.

Представьте себе все выпущенные на рынок инструменты поставляемого в виде услуги ПО, которое уже доступно для систем УИК, сбыта, выставления счетов и осуществления платежей, осуществления логистических операций, веб-программирования, взаимодействия с клиентами, финансовых операций, найма персонала и бизнес-анализа. Теперь давайте обратим внимание на такие инструменты, как Zapier ^[57] или Tray.io ^[58], которые помогают устанавливать связь между приложениями и логикой предметной области. Все они могут дополнительно расширяться за счет эффективного использования точек ввода контекстных данных, уведомляющих о принятии решений.

Вполне вероятно, в конечном итоге мы создадим новый формат eBay, где вам будут доступны полностью автоматизированное обеспечение товаром, ценообразование, составление списков, перевод, предоставление рекомендаций, обработка транзакций, взаимодействие с клиентом, упаковка товара, завершение оформления заказа и отгрузка. Конечно, до этого еще, скорее всего, далеко.

Искусственный интеллект — одна из наиболее захватывающих и революционных возможностей нашего времени.

Я уверен в том, что искусственный интеллект сыграет чрезвычайно важную роль в личной и профессиональной жизни каждого из нас. Я считаю, что на сегодняшний день в этом секторе снижен уровень риска для венчурного капитала, особенно если учитывать, что сокращаются инвестиционные горизонты получения дивидендов. Компаниям, внедряющим инновационные перспективные проекты, требуется все больше поддержки, принимая во внимание тот факт, что такие начинания получают все меньше поддержки в университетах. Венчурный капитал придумали, чтобы спонсировать запуск ракеты на Луну. ^[59]

Мы должны помнить, что с течением времени доступ к технологиям станет общедоступным. Поэтому очень важно понимать ваш конкретный случай, вашего пользователя, пользу, которую вы приносите, и то, как ее можно квалифицировать и какую оценку ей дать. Суть заключается в нахождении стратегии для разработки продукта, обладающего долгосрочными преимуществами, которые не позволят кому-либо другому с легкостью повторить ваше предложение.

Вопросы, связанные с данной стратегией, фактически могут не иметь ничего общего с ИИ технологиями и даже могут быть нетехническими по своей природе (например, уровень взаимодействия с пользователем). В силу чего существует обновленный взгляд на базовые принципы: нужно разрабатывать способы решения недоработанных проблем, представляющих особую важность для потребителей и предприятий.

И наконец, необходимо делать вложения в американский рынок, где создается и реализуется львиная доля стоимости. У нас есть возможность активизировать рост сектора ИИ технологий в Европе, при этом, не раскрывая данных о том, что работает или не работает по другую сторону океана.

*Компании в портфеле Playfair.