ИИ стал новым модным словом, обычно применяемым к любой технологической компании, пытающейся казаться актуальной или произвести впечатление на венчурных капиталистов. С тех пор, как Future Labs начала поддерживать стартапы в области искусственного интеллекта (ИИ), к нам обратились сотни компаний, занимающихся ИИ, у которых, похоже, вообще нет ИИ.

Хотя мы и раньше проходили через циклы модных словечек, нынешняя шумиха вокруг ИИ представляет гораздо более серьезную проблему для инвесторов и других лиц, пытающихся разобраться в пространстве. Даже для самых технически подкованных людей MIT Technology Review недавно опубликовал отчет об искусственном интеллекте, в котором объясняется, что на самом деле никто не знает, как самые продвинутые алгоритмы делают то, что они делают. Если компьютерные ученые не совсем уверены в том, как работает продвинутый ИИ, где же тогда ангелу нетехническому, венчурному капиталу или корпоративному инновационному специалисту, пытающемуся понять, что реально, а что фальшиво, и решить, когда инвестировать?

Хорошая новость заключается в том, что для тех, кто хочет получить базовое представление об ИИ, вам не нужно знать специфические тонкости технологии, чтобы разобраться с большинством подделок. Вот пять вопросов, которые помогут вам отсеять 90% компаний, занимающихся фальшивым искусственным интеллектом. (Отказ от ответственности: перед тем, как делать инвестиции, вы всегда должны поручить техническому эксперту провести комплексную проверку компании. Это то, что мы делаем с претендентами на нашу программу искусственного интеллекта.)

1. Как строится технология?

Это сложный вопрос, но самый важный. Эта технология создана собственными силами, передана на аутсорсинг или использует готовый ИИ с открытым исходным кодом (wit.ai или api.ai)? Это то, что вам следует знать как инвестору, покупателю или потенциальному сотруднику. Он определит, куда движется компания, какие проблемы возникнут в масштабе и какие роли будут отводиться людям внутри компании.

Компании, использующие готовые решения искусственного интеллекта, по сравнению с компаниями, разработавшими собственные технологии, на самом деле в большей степени являются поставщиками услуг и вряд ли смогут расти до масштабов. Думайте о них как о магазине, который настраивает автомобили от оригинальных производителей. С инвестиционной точки зрения, вы хотите, чтобы компания, производящая автомобили или, в данном случае ИИ, не создавала нестандартную покраску для чего-то, построенного кем-то другим. Хотя специализированные магазины все еще могут построить бизнес, как в случае с парадоксом Зенона, они никогда не догонят OEM.

Наилучший вариант - это штатные специалисты, создающие основную технологию самостоятельно. Это дорого и трудно найти, поэтому понимание проблемы, решения, рынка, ценностей и конкурентной среды становится неизмеримо более важным.

2. Обладает ли команда основателей техническими знаниями?

Говоря о технологиях как о ключевой компетенции, спросите, кто их основатели и каковы были первые сотрудники стартапа. Учитывая довольно нишевый характер ИИ, ведущие исследователи и практики ИИ хотят работать над проблемами ИИ вместе с людьми, которых они уважают. В отличие от более зрелых областей технологий, инженерные таланты искусственного интеллекта еще сложнее привлечь, и эксперты в области искусственного интеллекта могут выбирать, где им работать. Техническая сила команды основателей во многом определит их успех в привлечении дополнительных талантов в области ИИ по мере роста компании.

ИИ-стартапам нужны таланты в области ИИ, которые очень востребованы, поэтому эксперты по ИИ выбирают, где им работать, и их привлекают интересные проблемы ИИ и лидеры в области ИИ.

3. Где данные?

Чтобы ИИ работал, его нужно обучить, а для этого требуются данные - часто огромное количество данных. Кроме того, эти данные должны быть структурированы, чтобы иметь смысл. А чтобы ИИ мог точно учиться, данные должны поступать из реального мира, а не из выдуманных наборов образцов. ImageNet - хороший тому пример. Он служит прекрасной цели и отлично подходит для обучения данных, но вам также понадобятся изображения из реального мира, относящиеся к решаемой вами проблеме, если вы хотите снизить частоту ошибок. Clarifai, выпускник Future Labs, решила эту проблему на первых порах, помогая пользователям с большой проблемой, сортируя их фотографии и накладывая ярлыки на их собственные данные, чтобы убедиться, что Clarifai лучше всех распознает, что находится на изображении или видео.

Если кто-то предлагает вам компанию, занимающуюся ИИ, но не может сказать, какие данные они используют для обучения алгоритма или откуда эти данные, даже если его ИИ-движок реален, он, по сути, посылает вам амнезиальный мозг. Он может «думать», но ему нечего обрабатывать, это чистый и бесполезный лист.

GP нужны LP для инвестирования, в то время как алгоритмы нуждаются в реальных тренировочных данных, и их много для работы в реальном мире. Если объем данных ограничен, либо будет высокий уровень ошибок, либо вычислительная мощность будет очень дорогой из-за усиленного обучения.

4. Это действительно проблема искусственного интеллекта?

Можно ли легче решить эту задачу с помощью другой технологии? Искусственный интеллект сейчас настолько популярен, что каждый хочет применить его ко всему, даже когда он совершенно не нужен и создает ненужную сложность. Искусственный интеллект сложен, и его следует использовать для решения сложных и реальных проблем. Не пытайтесь использовать ИИ, чтобы исправить что-то, что не сломано, или решить проблему, которой на самом деле не существует. Короче говоря, не будь сокрушителем искусственного интеллекта.

Если ему не нужен ИИ, это не должен быть ИИ. Чтобы стать ИИ-компанией, бизнес должен решить достаточно серьезную проблему, чтобы получить доступ к данным, которые можно маркировать и использовать для обучения.

5. Звучит слишком хорошо, чтобы быть правдой?

Rocket AI с большой помпой был запущен на конференции НИПС в прошлом году. Их прикладной подтекст ИИ - это одно, но их заявленный патент Временное рекуррентное оптимальное обучение стал новым модным словом, которое большинство инвесторов еще не слышали. Была ли это следующая итерация нейронных сетей? Был ли это AGI? Нет, это была фальшивка, фантастическая шутка Ривы Мелиссы-Тез из Permutation Ventures, и все попались на нее.

Из модных словечек не получается настоящий ИИ, и уж точно не то, что стоит инвестировать. Если это звучит слишком хорошо, чтобы быть правдой, вероятно, это так.

Не влюбляйтесь в ИИ. Если вы не слышали модных словечек, то не потому, что это новое модное слово, которого вы еще не знаете. Скорее всего, подделка.

В следующем посте из этой серии я буду обсуждать вопросы, которые нужно задать, если вы управляете директором и к вам обращается компания, занимающаяся искусственным интеллектом, с просьбой о тестировании.

Следите за новостями в Future Labs, чтобы узнать больше о том, как ориентироваться в среде стартапов и как не поддаться обману рекламы искусственного интеллекта.

Стив Куян
Управляющий директор Future Labs в Нью-Йоркском университете Тандон

Спасибо компаниям, входящим в портфель Future Labs, и команде Future Labs за их предложения, правки и, самое главное, за сжатие до легко усваиваемой длины.