Tweekly. Выпуск 165. Базы знаний с помощью ИИ
1. Компьютерное зрение для беспилотного транспорта
Пока все помешаны на генеративном ИИ, есть еще одна область ИИ, которая не менее полезна и активно развивается — компьютерное зрение.
По прогнозам развитие технологий компьютерного зрения будет определяться (или определять) следующие тренды:
- автономные транспортные средства — один из самых важных аспектов их развития — корректная идентификация окружающих объектов;
- развитие и более широкое применение edge computing — из-за необходимости увеличения объемов и скорости обработки визуальных данных, скорее всего, будут более широко применяться так называемые периферийные вычисления;
- робототехника — роботам, как и беспилотному транспорту, необходимо ориентироваться в пространстве;
- развитие технологий здравоохранения — здесь ожидается широкое применение распознавания изображений и роботизированной хирургии;
- розничная торговля — анализ товаров на полках, автоматическое определение необходимых запасов и оценка объемов продаж, а также инструменты дополненной реальности;
- автоматизация сбора данных для обучения ИИ — компьютерное зрение может повысить эффективность сбора и маркирования при ограничениях в количестве данных;
- 3D-реконструкция — создание трехмерных объектов на основе двумерных изображений, методы RawNeRF;
- SpaceTech — распознавание и идентификация космических объектов и анализ изображений, собранных спутниками.
Один из самых обсуждаемых и заметных сейчас трендов — стремление к беспилотному транспорту. Но, как и в случае с генеративным ИИ, пока что быстро и полностью заменить человека не получается, но вот в качестве ассистента водителя ИИ вполне может выступать, что несомненно, может сильно повысить безопасность на дорогах. Поэтому рынок телематики для коммерческого транспорта, частью которого являются транспортные проекты в области компьютерного зрения, активно растет и по прогнозам достигнет $181 млрд. при среднегодовом темпе роста 18,5%.
Как это использовать показывает, например, недавно привлекший $8,5 млн. стартап LightMetrics — компьютерное зрение интегрируется в видеорегистратор автомобиля, следит за дорогой и водителем и предотвращает опасные ситуации, подсказывая водителю необходимые действия.
У нас такие технологии тоже должны быть востребованы, причем даже на уровне государства, поскольку сейчас, в России, на федеральном уровне утверждена Стратегия безопасности дорожного движения, которая предполагает снижение смертности от ДТП практически до нулевого уровня.
Проекты, подобные LightMetrics: GreenRoad, Verizon Connect, Spireon.
Другие актуальные применения компьютерного зрения можно посмотреть в статьях «27 самых популярных компаний и стартапов в области компьютерного зрения в 2023 году» и «34 лучших компании и стартапа в области компьютерного зрения».
2. Базы знаний с помощью ИИ
Мы уже как-то писали про то, что рынок систем управления знаниями ожидает бурное развитие, в том числе, благодаря ИИ. На этом рынке есть за что бороться, ведь по прогнозам к 2030 году его размер достигнет $73,16 млрд.
В современном бизнесе накапливается много информации, причем накапливается она в разных информационных системах и базах данных. В таких условиях возможности сотрудников компании получить ответ на какой-либо вопрос, основанный на максимально полных данных, имеющихся в компании, могут быть сильно ограничены, потому что все источники разрознены. Решением этой проблемы является единая база знаний.
Стартап Nowigence со своим продуктом Pluaris, который недавно привлек $107,7 тыс., а также проекты Tennr (с недавними инвестициями $500 тыс.) и Layup ($500 тыс.) как раз сосредоточены на решении вопроса организации базы знаний из тех данных, что уже накоплены и продолжают накапливаться в бизнесе.
Эти сервисы «копаются» в файлах, хранящихся в цифровых продуктах и базах данных компании, в которые они интегрированы. На основе методов ИИ анализируют собранный контент, преобразуют, связывают, систематизируют и оптимизируют данные для хранения, анализа, синтеза и поиска. В итоге эти сервисы могут давать точные ответы на заданные вопросы сотрудников с указанием источников, анализировать расхождения, обнаруживать новые связи и создавать заметки и документы. Фактически ИИ «читает» то же самое, что и вы, и создает из этого удобную базу знаний.
Как это использовать?
Создавать подобные платформы, которые будут способны «пылесосить» и структурировать информацию из всевозможных систем, которые используются в бизнесе. При этом стоит ознакомиться и учитывать тренды в управлении знаниями, которые прогнозируются на ближайшие годы и как раз могут быть во многом обеспечены технологиями ИИ.
Еще примеры систем управления знаниями: Seek AI, IRIS.AI, Lynk, Inkling, Golden, Stardog Union, Bloomfire, Shelf, Stravito.
3. Борьба курьеров с агрегаторами
В прошлом месяце компания Deliveroo выпустила обновление безопасности для своего приложения, которое затруднило доступ Rodeo к данным курьеров, тем самым вставляя палки в колеса стартапа.
Rodeo же, лондонский стартап, запускающий приложение, которое помогает доставщикам еды зарабатывать больше, привлек посевной раунд в размере $5M.
Приложение отслеживает заработок курьеров и выясняет, какие компании предоставляют им лучшие условия. Оно показывает, в какие дни лучше всего работать, в каких районах и в какое время, а также какие компании платят лучше и хуже всего.
Rodeo еженедельно рассылает статистику, показывающую почасовую оплату труда всех сотрудников. Он также анализирует, как различные приложения сравнивали стоимость минуты работы в течение недели. Это означает, что если компания изменит способ расчета заработной платы, курьеры смогут отследить влияние этого изменения.
Компания Rodeo утверждает, что ее приложением сейчас пользуются более 9 000 курьеров, работающих в таких компаниях, как Deliveroo, Uber Eats, Just Eat и Stuart.
В чем тренд?
Данные Rodeo показывают, что оплата курьерам за заказ снизилась на 2,5% в 2022 году, без учета инфляции. В России все чаще стали происходит различные забостовки работников на агрегаторы, будь то таксисты или курьеры.
Как это применить?
Строить похожие сервисы для водителей такси, курьеров и всех кто работает на агрегаторы.
Интересные отчеты за неделю
- Большой отчет о состоянии AI и трендах от Stanford (pdf)
- Шикарная подборка наглядных кейсов для продуктов и предпринимателей. Как Google и Bing воюют за поиск, ментальные модели и другое.
- Еще один отчет о работе и удаленных сотрудниках. Главная беда удаленки — медленная обратная связь.
- Как ChatGPT работает на самом деле. Большая вдумчивая статья.
- Рынок искусства ожил после пандемии (pdf)
Когда одна картинка лучше 1000 слов
Твит недели
Над сегодняшним выпуском работали: Алексей Черняк, Роман Лыков, Dauren Donato и Георгий Сон.