Презентация
серверов от Acer
До начала осталось:
Смотреть
Machine learning
Роман Пахолков

Как искусственный интеллект из хайпа трансформируется в реальные бизнес-проекты и получает инвестиции

Про искусственный интеллект сегодня не говорит только ленивый, из-за этого может показаться, что тема раздута и оторвана от реальности. Знаю, что многие hardware-инженеры относятся к ней скептически. И они отчасти правы, потому что AI-технологии сейчас находятся недалеко от пика чрезмерных ожиданий на «цикле хайпа», который вот уже четверть века использует исследовательская компания Gartner.

Цикл хайпа для новых технологий за 2020 год. AI-технологии выделены маркером Gartner

Эту кривую преодолевают все новые технологии:

  1. на фазе триггера о новой разработке появляются первые публикации;
  2. затем интерес растет и достигает пика чрезмерных ожиданий;
  3. далее — скольжение по наклонной избавления от иллюзий — выявление недостатков, разочарование в новинке и спад интереса;
  4. но если инженерам-разработчикам удается преодолеть недостатки технологии, то интерес возвращается;
  5. технология начинает применяться в коммерческих проектах и выходит на плато продуктивности.

По оценке аналитика Gartner Светланы Сикуляр, если бы искусственный интеллект представлял собой единую концепцию, то эта технология в прошлом году сошла бы с пика завышенных ожиданий и начала бы реализовывать свой потенциал в реальных применениях.

Но по факту ИИ — это целый набор различных технологий в сфере машинного обучения, компьютерного зрения, периферийных вычислений и т.д. И каждая из них находится на своей позиции в «цикле хайпа».

Цикл хайпа для искусственного интеллекта за 2020 год Gartner

Как видите, ближе всего к стадии преодоления недостатков и коммерциализации находятся автономные автомобили. Поэтому нет ничего удивительного в том, что такие гиганты как Toyota AI Ventures и BMW i Ventures активно инвестируют в стартапы в этой индустрии. В качестве примера приведу вдохновляющую историю инженерной команды Recogni, которая разрабатывает технологии машинного зрения для автомобилей. Эти ребята не просто усовершенствовали уже готовое решение, а заново спроектировали собственный чип для автономного вождения и интегрировали в него ПО на базе обученной нейронной сети. Они разработали специализированный ASIC с максимальной производительностью и малым энергопотреблением.

Кроме них свой чип есть только Tesla, но тут важно учесть предысторию Recogni. Это не глобальная корпорация с огромным бюджетом, а стартап, у истоков которого стоят два инженера из Индии, американка с китайскими корнями, молодой немецкий инженер и бывший советский ученый-математик. Один из основателей рассказал в интервью, что его интерес к этому проекту был вызван серьезной аварией на мотоцикле. В процессе долгого и трудного восстановления он решил сделать все возможное, чтобы таких аварий больше не случалось.

И вот всего за три года его инженерная команда дошла до раунда В и получила 48.9 млн долларов инвестиций! Среди их инвесторов — имена мировой величины: Bosch, Continental, Toyota и BMW. Сейчас офисы Recogni расположены в американском Сан-Хосе и немецком Мюнхене. Их команда состоит из 40 сотрудников.

Иллюстрация машинного зрения AI-платформы для автономных авто recogni.com

Чем примечательна эта история? Во-первых, мы на живом примере видим реализацию мечты инженера, который хочет создавать по-настоящему прорывные решения, чтобы улучшить и даже спасти жизни многих людей. Во-вторых, можем убедиться, что профильные инвестиционные фонды глобальных компаний готовы инвестировать во внешние команды вместо того, чтобы создавать инновации внутри.

И тут я сразу вспоминаю комментарии инженеров, с которыми мы встречаемся на митапах в рамках сообщества Hardware Ecosystem: они почему-то уверены, уже все поделено, инновации создаются в крупных компаниях, мы не способны разрабатывать технологии сами. И в итоге рождается обреченный вывод: можно даже не пытаться. :-) Но на самом деле это не так. Пытаться можно и нужно, о чем мы и будем говорить 11 марта на митапе для инженеров, менеджеров и предпринимателей, которые интересуются темой AI и периферийных вычислений.

И пусть скептически настроенных инженеров не смущает тот факт, что технология AI пока отчасти оторвана от реальности. Мы будем говорить не о сегодняшнем, а о завтрашнем дне, потому что именно в такой момент инженерные команды способны дать фору технологическим гигантам и за несколько лет разработать инновации, которые будут востребованы в реальных коммерческих решениях.

P.S. Кстати, как вы думаете, почему компании-лидеры инвестируют в стартапы как миноритарные акционеры, а не создают собственную технологию?

{ "author_name": "Роман Пахолков", "author_type": "self", "tags": [], "comments": 1, "likes": 0, "favorites": 8, "is_advertisement": false, "subsite_label": "ml", "id": 218579, "is_wide": true, "is_ugc": true, "date": "Wed, 10 Mar 2021 12:00:44 +0300", "is_special": false }
0
1 комментарий
Популярные
По порядку
0

"Как видите, ближе всего к стадии преодоления недостатков и коммерциализации находятся автономные автомобили." Не соглашусь. Уже давно комерциализированы нейронки для распознавания номеров машин (за превышение скорости), и нейронки по распознаванию лиц (работает в режиме реального времени в любом современном смартфоне)..

Ответить

Комментарии

null