▪︎ مجلس نيوز
انضم إلينا في 9 نوفمبر لتتعلم كيفية الابتكار وتحقيق الكفاءة بنجاح من خلال رفع المهارات وتوسيع نطاق المطورين المواطنين في قمة Code-Low / No-Code. سجل هنا.
تتضمن كل مذكرة استثمار سرية (CIM) لمؤسسة مدفوعة بالتكنولوجيا تقريبًا ذكر الشركة لقدرات الذكاء الاصطناعي (AI) أو التعلم الآلي (ML). ولكن كما هو الحال مع عبارات الاستثمار الطنانة الأخرى – مثل “إيرادات الاشتراك” – هناك ميل لاستخدام الذكاء الاصطناعي أو التعلم الآلي لاقتراح تقنيات وعمليات معقدة وممكنة للأعمال ومملوكة ملكية للتمييز بين العرض على أنه متميز أو متفوق تقنيًا. غالبًا ما يكون هذا للحصول على تقييم أعلى.
لقد سمعنا جميعًا أمثلة على إخفاقات الذكاء الاصطناعي التي تصنع عناوين جيدة وتقدم حكايات تحذيرية مثيرة للاهتمام. ولكن كمستثمر ، قد يكون الأمر مخيفًا بنفس القدر أن تعلم أن قدرة الذكاء الاصطناعي التي أدت إلى تقييم أعلى من السوق ليست أكثر من جدول بيانات به بعض الحركة التسويقية.
في دورنا كمستشارين للمستثمرين في مجال التكنولوجيا وفرق الإدارة ، غالبًا ما نواجه سؤالاً محوريًا في أطروحة الاستثمار: هل الذكاء الاصطناعي / التعلم الآلي هو الصفقة الحقيقية؟ إليك كيفية العثور على الجواب.
تأكد من أن الجميع يتحدثون نفس اللغة
يمكن أن تؤدي التفسيرات المختلفة لـ “الذكاء الاصطناعي” و “التعلم الآلي” و “التعلم العميق” إلى حدوث ارتباك وسوء فهم ، حيث غالبًا ما يتم إساءة استخدام المصطلحات أو استخدامها بشكل متبادل. فكر في المفاهيم بهذه الطريقة:
حدث
قمة منخفضة الرمز / بدون رمز
تعرف على كيفية إنشاء البرامج ذات التعليمات البرمجية المنخفضة وقياسها وإدارتها بطريقة مباشرة تحقق النجاح للجميع في 9 نوفمبر. سجل للحصول على تصريح المرور المجاني اليوم.
سجل هنا
الذكاء الاصطناعي هو أي نظام يحاكي الذكاء البشري. باستخدام هذا التعريف ، يمكن أن يشير الذكاء الاصطناعي إلى أي نظام أو خوارزمية قائمة على القواعد – طالما يتم استخدامها لمحاكاة الذكاء. روبوتات المحادثة هي مثال ممتاز.
التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي. يعتمد على نموذج رياضي تم إنشاؤه باستخدام مجموعة بيانات كبيرة وخوارزمية تدريب تسمح للنموذج بالتعلم والتطور. على سبيل المثال ، في صور Google ، يمكنك تمييز الصور بأسماء الأشخاص الموجودين فيها ، وبمرور الوقت ، تصبح Google أفضل وأفضل في التعرف على الأشخاص من تلقاء نفسها. هذا مثال جيد للتعلم الآلي.
التعلم العميق هو مجموعة فرعية من ML تتضمن نماذج معقدة للغاية تشبه بنية الدماغ البشري. تتطلب هذه النماذج ملايين السجلات لتدريبها ، لكنها غالبًا ما تساوي أو تتفوق على البشر في مهام محددة. على سبيل المثال ، يظل برنامج التعلم العميق AlphaZero غير مهزوم في الشطرنج.
حفر أعمق
تحتاج إلى البحث بشكل أعمق عن هذه المصطلحات العامة والعامة لترى مدى شرعية تقنية AI / ML الخاصة بالشركة. عليك أن تفهم: ما هي المشكلة التي يتم حلها؟ ما هي تقنيات الذكاء الاصطناعي / تعلم الآلة المستخدمة لحلها؟ كيف ولماذا يعمل هذا الحل؟ هل يوفر الحل ميزة تنافسية على الأساليب الأخرى؟
لنفترض أنك تبحث عن الاستثمار في شركة جديدة في مساحة LawnTech الافتراضية.
إذا وصفت CIM تطبيق HornetNest الخاص بالشركة بأنه “نظام ذكاء اصطناعي للقضاء على الدبابير” ، فأنت تريد أن تتعمق أكثر مع فريق المنتج التقني لفهم المكونات والعملية الأساسية. من الناحية المثالية ، سوف ينتهي بك الأمر بشرح يبدو مثل هذا:
“نحن نستخدم كاشفًا للأجسام قائمًا على YOLO مع مرشح كالمان للتعرف على الدبابير وعدها وتتبعها في الوقت الفعلي. يتم إدخال البيانات في كاشف الشذوذ الذي ينبه العملاء تلقائيًا عندما نرى سلوكًا يشير إلى احتمال وجود عش جديد داخل دائرة نصف قطرها 50 ياردة. من خلال شراكة حصرية مع Orkin ، قمنا بتجميع أكبر مجموعة تدريبية من الصور في العالم ، مما يسمح لنا بالتنبؤ بوجود وموقع أعشاش الدبابير الجديدة بدقة أكبر من أي شخص آخر “.
هذا المستوى من التفاصيل ضروري لفهم مدى تطور أصول الشركة في مجال الذكاء الاصطناعي / التعلم الآلي وقيمتها وقابليتها للدفاع عنها.
تقييم الصورة كاملة
الذكاء الاصطناعي ليس شيئًا واحدًا فقط. إنه نتاج ستة مكونات أساسية ضرورية لقيمة الذكاء الاصطناعي. يمكن أن تساعدك الدرجة التي تعمل بها هذه العناصر معًا بشكل فعال في فصل الذكاء الاصطناعي الأعلى قيمة عن الأقل شرعية.
الفريق
ربما يكون هذا هو أهم الأصول والعامل المحدد للنجاح على المدى الطويل. على وجه الخصوص ، فإن وجود فريق قوي في علم البيانات بقيادة كبير علماء البيانات المخضرمين يفتح الباب أمام الذكاء الاصطناعي الأفضل في فئته.
البيانات
يعتمد ML على بيانات التدريب لصنع النماذج. كميات كبيرة من البيانات ، وخاصة البيانات الخاصة التي لا يستطيع المنافسون الوصول إليها ، تخلق ميزة تنافسية كبيرة وحاجزًا. كقاعدة عامة تقريبية ، تحتاج إلى عشرات الآلاف من سجلات التدريب لتعلم الآلة التقليدية ؛ الملايين من أجل التعلم العميق.
عملية التدريب
هناك عمليات تدريب أساسية وتقنيات متقدمة ، بما في ذلك التعلم الآلي الآلي (AutoML) ، وضبط المعلمات الفائقة ، والتعلم النشط ، والإشراف الضعيف. تؤدي قدرة الشركة على استخدام هذه التقنيات المتقدمة إلى خفض التكاليف وتحسين الجودة.
التفوق التشغيلي
بالإضافة إلى تدريب الذكاء الاصطناعي ، من المهم فهم رعايته الشاملة وتغذيته. سترغب في فهم عمليات ضمان الجودة والاختبار وتحليل الأخطاء. عند تحديد نقاط الضعف ، كيف يتم جمع بيانات التدريب التكميلي؟ بالإضافة إلى ذلك ، افترض أن إحدى نقاط القوة في الذكاء الاصطناعي هي دمج ردود الفعل في الوقت الفعلي لتمكين التعلم المعزز ، أو تجميع قاعدة معرفية لدعم اتخاذ القرار. في هذه الحالات ، يجب إدارة العمليات بفاعلية لضمان الأداء الأمثل.
نماذج
النماذج هي نتائج الفريق والبيانات وعملية التدريب. ولكن ، لكي يتم اعتبارها أحد الأصول ، فإنها لا تزال تستغرق وقتًا ملموسًا في الإنشاء والتحسين. يتم تحديد قيمة هذا المكون من خلال عدد النماذج التي تمتلكها الشركة وتطور النماذج.
البنية التحتية لتطوير الذكاء الاصطناعي
هناك فرق بين الشركة التي جمعت عددًا قليلاً من نماذج ML وأخرى بالبنية التحتية لإنشاء النماذج وإعادة تدريبها واختبارها ونشرها تلقائيًا.
افهم أين تقع الشركة في مقياس نضج الذكاء الاصطناعي
استنادًا إلى عينة من أكثر من 2500 شركة تقنية عمل فريقنا على بذلها خلال العامين الماضيين ، لاحظنا بعض المؤشرات المتسقة إلى حد ما لنضج الذكاء الاصطناعي.
تندرج حوالي 10٪ من هذه الشركات ضمن فئة “لا يوجد ذكاء اصطناعي”. على الرغم مما يقولون ، ليس الذكاء الاصطناعي. على سبيل المثال ، قد لا تكون البرامج التي تعمل على تحسين توجيه الحاوية من الذكاء الاصطناعي ولكنها مجرد خوارزمية تقليدية معقدة.
تندرج نسبة 10٪ أخرى ضمن فئة “الذكاء الاصطناعي غير المملوك”. في هذه الحالات ، تستخدم الشركة نماذج المجال العام فقط ، أو واجهات برمجة التطبيقات السحابية MLaaS ، للاستفادة من الذكاء الاصطناعي. ومن الأمثلة على ذلك استخدام Textract API القائم على الذكاء الاصطناعي من Amazon للتعرف على النص أو نموذج ResNet للمجال العام لاكتشاف الكائنات في الصور. يمكن اعتبار هذا النهج قائمًا على الذكاء الاصطناعي ولكنه لا يتطلب بيانات تدريب أو عملية تدريب أو علماء بيانات أو حتى الكثير من المعرفة حول الذكاء الاصطناعي للتنفيذ. لن يكون هناك أيضًا تمييز تنافسي في هذا النهج حيث يمكن لأي شركة استخدام نفس أصول المجال العام.
الغالبية العظمى ، حوالي 75٪ ، تندرج ضمن فئة “الذكاء الاصطناعي القياسي”. ما نراه غالبًا هو الشركات التي تقوم بتدريب نماذج ML الخاصة باستخدام بيانات التدريب الخاصة بها جنبًا إلى جنب مع خوارزميات التدريب القياسية. هناك مدى واسع من التطور في هذه الفئة. في الطرف الأبسط من النطاق ، توجد الشركات التي تنشئ نماذج انحدار خطي باستخدام مكتبة مثل Python sklearn. في النهاية الأكثر تعقيدًا ، توجد الشركات التي تصمم وتنتج نماذج متعددة للتعلم العميق باستخدام TensorFlow وتستخدم تقنيات تحسين متقدمة مثل ضبط المعلمات الفائقة والتعلم النشط والإشراف الضعيف لتحقيق أقصى قدر من الدقة.
تقع نسبة الـ 5٪ الأخيرة ضمن فئة “الذكاء الاصطناعي الرائد”. لقد تجاوزت هذه الشركات تقنيات الذكاء الاصطناعي القياسية وطوّرت أنواع النماذج الخاصة بها وخوارزميات التدريب لدفع الذكاء الاصطناعي في اتجاهات جديدة. وهذا يمثل ملكية فكرية فريدة وقابلة لبراءة اختراع لها قيمة في حد ذاتها ، ويمكن للنماذج التي أنشأتها هذه الشركات أن تتفوق في الأداء على المنافسين الذين لديهم إمكانية الوصول إلى مجموعة البيانات نفسها.
تبدو وكأنها الصفقة الحقيقية – لكن هل هي مناسبة لك؟
بمجرد فهمك لتفاصيل الذكاء الاصطناعي نفسه ، ستكون في وضع أفضل لفهم تأثيره على أطروحة الاستثمار. هناك عاملان يجب مراعاتهما هنا.
أولاً ، ما هي قيمة الذكاء الاصطناعي؟ نظرًا لأن “الذكاء الاصطناعي” يمكن أن يكون له تعريفات متنوعة على نطاق واسع ، فمن المهم أن تأخذ نظرة شاملة. قيمة أصول الذكاء الاصطناعي الخاصة بالشركة هي مجموع الأجزاء الهامة الستة المذكورة أعلاه: الفريق ، والبيانات ، وعملية التدريب ، والتميز التشغيلي ، والنماذج ، والبنية التحتية للتطوير.
هناك طريقة أخرى لإلقاء نظرة على قيمة الذكاء الاصطناعي في الشركة وهي السؤال عن كيفية تأثيره على المحصلة النهائية. ماذا سيحدث للإيرادات والتكاليف إذا اختفى الذكاء الاصطناعي غدًا؟ هل يقود فعلاً الإيرادات أو النفوذ التشغيلي؟ وبالعكس ، ما هي التكاليف المطلوبة للحفاظ على القدرة أو تحسينها؟ ستجد أن الذكاء الاصطناعي يمكن أن يكون أي شيء من شعار تسويق فارغ إلى التكنولوجيا الضرورية لنجاح الشركة.
ثانيًا ، ما هي المخاطر التي يقدمها الذكاء الاصطناعي؟ يمكن أن يؤدي التحيز الخوارزمي غير المقصود إلى مخاطر تتعلق بالسمعة والقانونية للشركة ، مما يؤدي إلى خلق ذكاء اصطناعي متحيز ضد المرأة أو عنصري أو تمييزي بأي شكل آخر. في حالة الائتمان وإنفاذ القانون والإسكان والتعليم والرعاية الصحية ، فإن هذا النوع من التحيز محظور بموجب القانون ويصعب الدفاع عنه – حتى عندما يحدث عن غير قصد. تأكد من فهم كيفية حماية الهدف من التحيز الخوارزمي والخطوات التي قد تحتاج إلى اتخاذها لمنع التحيز من المضي قدمًا.
الخصوصية هي مصدر قلق آخر ، حيث غالبًا ما يتطلب الذكاء الاصطناعي طبقات جديدة من بروتوكولات الخصوصية والأمان. تحتاج إلى فهم كيفية جمع البيانات الحيوية (التي تعتبر معلومات تعريف شخصية محمية بموجب قوانين خصوصية البيانات) والصور الحساسة ، مثل الوجوه ولوحات الترخيص وشاشات الكمبيوتر ، واستخدامها وحمايتها.
القيمة الحقيقية للذكاء الاصطناعي
الحقيقة هي أنه في المشهد التكنولوجي اليوم ، يمكن لمعظم الشركات المطالبة بشكل شرعي ببعض قدرات الذكاء الاصطناعي. في معظم الأوقات ، يناسب الذكاء الاصطناعي تعريفنا للنضج “القياسي” ويعمل كما نتوقعه. ولكن عندما نظرنا بعمق في فئة “الذكاء الاصطناعي القياسي” ، وجدنا أن حوالي نصف هذه الشركات فقط كانت تستخدم أفضل الممارسات أو تنشئ أداة تمييز تنافسية يصعب على المنافسين التفوق عليها. النصف الآخر كان لديه مجال للتحسين.
يتطلب تحديد قيمة الذكاء الاصطناعي نظرة متعمقة تحت الغطاء وفهمًا دقيقًا للدور المحدد للذكاء الاصطناعي في العمل. يمكن أن يساعد الاجتهاد التكنولوجي ، الذي يقوم به الخبراء الذين قادوا فرق الذكاء الاصطناعي بشكل مباشر ، في إزالة الغموض عن الذكاء الاصطناعي للمستثمرين. الهدف هو مساعدة المستثمرين على فهم ما يشترونه بالضبط ، وما يمكن وما لا يمكن أن يفعله للأعمال التجارية ، وما هي المخاطر التي يقدمها ، وفي النهاية ، إلى أي مدى تدعم استراتيجية الاستثمار.
برايان كونتي هو ممارس رئيسي في كروسليك. جيسون نيكولز هو ممارس Crosslake ومدير سابق لمنظمة العفو الدولية في Walmart. بار بلانتون هو الرئيس التنفيذي لشركة Crosslake.
صانعي القرار
مرحبًا بك في مجتمع VentureBeat!
DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص الفنيون الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.
إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.
يمكنك حتى التفكير في المساهمة بمقال خاص بك!
قراءة المزيد من DataDecisionMakers
