Когда вы говорите об инвестициях в стартапы в области искусственного интеллекта и стартапы в области машинного обучения, важно различать понятия «ИИ» и «машинное обучение». Эти фразы часто используются как взаимозаменяемые, но они несут в себе несколько разный смысл.
Машинное обучение, или ML, — это метод обучения моделей ИИ, чтобы они могли научиться принимать решения. Другими словами, ML подразумевает обучение моделей для решения конкретных задач путем изучения данных и составления прогнозов. ИИ, с другой стороны, является более широким понятием для систем, которые имитируют человеческое познание.
Таким образом, машинное обучения — это подобласть ИИ, но не одно и то же.
Лонн Джаффе, управляющий директор компании Insight Partners, объясняет, что компания Insight использует «трехслойную» структуру для раскрытия определения ML-стартапа.
На первом уровне, по его словам, находятся компании с основной инфраструктурой — продуктами, с помощью которых человек создает систему ML. На втором уровне находятся приложения, которые пытаются решить конкретную задачу или рабочий процесс с помощью ML. На третьем уровне находятся ML-стартапы, которые проявляют себя в отрасли как «фактический игрок» в этой отрасли — подумайте о стартапах, которые становятся стартап-банком, даже если ядром стартапа по-прежнему являются ML-таланты.
Согласно этой схеме, примеры ML-стартапов варьируются от Weights & Biases, которая предоставляет инструменты для создания и мониторинга моделей ИИ, до Iterative Health, медицинской компании, которая использует ML-систему, предназначенную для выявления раковых полипов по результатам колоноскопии.
Рынок ML довольно велик: согласно отчету Grand View Research, его стоимость в 2022 году составит 49,6 миллиардов долларов США, а к 2030 году он может расти с темпом роста 33,5%. И этот рост продолжается уже некоторое время — исследование Dresner Advisory Services, проведенное в 2021 году, показало, что 59% всех крупных предприятий внедряют ML, причем 50% этих организаций утверждают, что на сегодняшний день используют 25 или более моделей ML.
Почему эта область развивается так быстро? 451 Research, группа технологических исследований и разработок в составе S&P, в своем недавнем отчете утверждает, что первая волна внедрения машинного обучения была направлена на то, чтобы сделать более интеллектуальными унаследованные системы и процессы, такие как бизнес-аналитика, поддержка клиентов, продажи и маркетинг, а также безопасность. Но теперь, по мере развития этих приложений, внимание переключилось на более нишевые, отраслевые и прибыльные приложения машинного обучения, особенно в сфере финансов, розничной торговли, производства и здравоохранения.
Джерри Чен, партнер компании Greylock, считает, что мы только начинаем видеть, каким будет следующее поколение ML-компаний. «Цикл идет полным ходом», — сказал он в интервью TechCrunch+. «Мне интересно посмотреть, как действующие компании и технологические игроки будут вступать, конкурировать или сотрудничать со стартапами. В частности, я думаю, что в ближайшие несколько месяцев мы увидим несколько интересных партнерств по выходу на рынок».
