Když mluvíte o investicích do startupů s umělou inteligencí oproti startupům se strojovým učením, je důležité rozlišovat „AI“ od „strojového učení“. Tyto fráze se často používají zaměnitelně, ale mají trochu jiný význam.
Strojové učení neboli ML je metoda trénování modelů umělé inteligence, aby se mohly naučit rozhodovat. Jinými slovy, ML zahrnuje trénovací modely pro řešení konkrétních úkolů učením se z dat a vytvářením předpovědí. Na druhé straně AI je širší koncept pro systémy, které napodobují lidské poznání.
ML je tedy podpolí AI, ale ne totéž.
Lonne Jaffe, výkonný ředitel společnosti Insight Partners, vysvětluje, že Insight používá „třívrstvý“ rámec k rozbalení definice startupu ML.
Rozšiřujeme naši čočku a hledáme další investory, kteří by se mohli zúčastnit průzkumů TechCrunch+, kde se ptáme špičkových profesionálů na výzvy v jejich odvětví.
Pokud jste investor a chtěli byste se zúčastnit budoucích průzkumů, vyplňte tento formulář.
Říká, že na první vrstvě jsou společnosti s klíčovou infrastrukturou – produkty, se kterými člověk staví systém ML. Na druhé vrstvě jsou aplikace, které se snaží řešit konkrétní případ použití nebo pracovní postup pomocí ML. Třetí vrstva mezitím zahrnuje ML startupy, které se v rámci odvětví projevují jako „skuteční hráči“ v tomto odvětví – představte si startupy, které se stanou startupovou bankou, i když jádrem startupu je stále talent ML.
Podle tohoto rámce se příklady startupů ML pohybují od Weights & Biases, která poskytuje nástroje pro vytváření a sledování modelů AI, až po Iterative Health, zdravotnickou společnost, která využívá systém ML určený k identifikaci rakovinných polypů z kolonoskopie.
Trh pro ML je poměrně velký, zpráva od Grand View Research odhaduje, že v roce 2022 měl hodnotu 49,6 miliardy dolarů a do roku 2030 by mohl růst na CAGR 33,5 %. A už nějakou dobu se buduje: Průzkum společnosti Dresner Advisory z roku 2021 Služby zjistily, že 59 % všech velkých podniků nasazuje ML, přičemž 50 % těchto organizací tvrdí, že dnes používá 25 nebo více modelů ML.
Proč se tato oblast tak rychle rozrůstá? 451 Research, skupina pro technologický výzkum a vývoj v rámci S&P, v nedávné zprávě uvedla, že první vlna přijetí ML se zaměřila na chytřejší starší systémy a procesy – jako je business intelligence, zákaznická podpora, prodej a marketing a zabezpečení. Ale nyní, jak tyto aplikace dospívají, pozornost se přesunula na specializovanější, průmyslově specifické a lukrativní aplikace ML, zejména ve financích, maloobchodě, výrobě a zdravotnictví.
Jerry Chen, partner společnosti Greylock, věří, že právě začínáme vidět, jaká bude další generace společností ML. “Cyklus je silný,” řekl TechCrunch+. „Jsem zvědavý, jak zavedené společnosti a techničtí hráči vstupují do startupů, konkurují jim nebo se s nimi spojují. Zejména si myslím, že v příštích několika měsících uvidíme několik zajímavých partnerství pro uvedení na trh.“
Ale co širší ekosystém VC? Jsou VC obecně optimističtí ohledně budoucnosti ML?
Pro lepší představu provedla společnost TechCrunch+ průzkum mezi investory včetně Chena a Jaffa ohledně současného stavu investování ML. Dotkli jsme se zdraví prostředí financování ML a toho, zda humbuk kolem ML, který byl před několika lety poměrně silný, začíná utichat. Zeptali jsme se také investorů, jaké výzvy stojí v cestě zavádění technologií ML a jak by příštích několik měsíců mohlo vypadat z hlediska růstu trhu.
Mluvili jsme s:
- Lonne Jaffe, výkonný ředitel, Insight Partners Jerry Chen, partner, Greylock Ashish Kakran, ředitel, Thomvest Janelle Teng, viceprezidentka, Bessemer Venture Partners
(Poznámka redakce: Následující odpovědi byly upraveny kvůli délce a srozumitelnosti.)
Lonne Jaffe, výkonný ředitel společnosti Insight Partners
Jak silný je dnes trh rizikového fondu ML a jak se doposud vyvíjel v roce 2023?
Vydání ChatGPT před pěti měsíci zažehlo oheň inovací pro startupy kolem ML spolu s obnovenou dynamikou získávání finančních prostředků. Přešli jsme od systémů predikce – jako jsou systémy klasifikace nebo doporučení – k systémům tvorby. Zatímco finanční prostředky proudily do generativních systémů ML, došlo také k velkému pokroku v „tradičnějších“ diskriminačních systémech ML, jako jsou systémy predikce nebo klasifikace.
V poslední době jsme byli zvláště aktivní v oblasti aplikovaných systémů počítačového vidění ML ve zdravotnictví, z nichž některé se mohou v určitých oblastech brzy vyrovnat nebo dokonce překonat výkon lidského lékaře. Například dentální startup Overjet používá AI k analýze zubních rentgenových paprsků, aby pomohla zubním lékařům rozhodnout, zda zub potřebuje výplň nebo korunku, což zlepšuje výsledky pacientů.