07.12.2022

Не слишком ли высоки начальные инвестиции в ИИ независимо от его стоимости?

1 min read

Это выдержка из статьи Эндрю Нг из Landing AI, которую он написал в ноябре 2021 года:
«Компании-разработчики программного обеспечения добились успеха в том, чтобы заставить пользователей адаптироваться к универсальным продуктам. Тем не менее, машинное обучение может помочь программному обеспечению захватывать и взаимодействовать с богатым разнообразием физического мира. Вместо того, чтобы заставлять каждый город строить улицы одинакового состава, ширины, цвета, разметки и т. д., мы можем создать алгоритмы обучения, которые позволят нам перемещаться по улицам мира во всем их разнообразии.
Когда я захожу на фабрику, я поражаюсь тому, как две производственные линии, производящие один и тот же продукт, могут быть совершенно разными, потому что они были построены с разницей в несколько лет, когда были доступны разные детали. Каждой фабрике нужна собственная обученная модель для распознавания своих конкретных условий, и предстоит еще много работы, чтобы сделать машинное обучение полезным в таких средах.

Это одна из причин, по которой сложно разработать самоуправляемый автомобиль. Создать транспортное средство, способное безопасно передвигаться по местности, было бы намного проще, если бы каждый город строился по узкой спецификации. Вместо этого самоуправляемые системы должны быть в состоянии управлять улицами любой ширины, стоп-сигналами в любой конфигурации и множеством других переменных. Это сложная задача даже для самых сложных систем машинного обучения».
Так что же это означает, когда речь идет об инвестициях в искусственный интеллект? А как насчет поставщика… как мы определяем цены на услуги, которые мы предоставляем?

Это была постоянная борьба. Вы мало что об этом слышите, потому что немногие компании, занимающиеся искусственным интеллектом, на самом деле создают производственные системы — большая часть мира все еще находится в стадии исследований и разработок (НИОКР). Компании, которые могут позволить себе инвестировать в такого рода исследования и разработки, — это более крупные организации, у которых есть бюджет для такого уровня инноваций. Они часто не сообщают о своих выводах или процессе до сих пор, потому что это те же компании, которые очень закрыты для публичного обсуждения того, что они делают, и это понятно.
Затем идет наплыв ИИ или стартапов в области машинного обучения, которые СМИ изображают как взрыв на рынке, создающий впечатление, что каждый день рождается что-то новое. Похоже, многие предлагают одно и то же, так что конкуренция большая, так что выбирайте сами, верно? Я имею в виду, что это виджет, который вы раскручиваете за несколько тысяч долларов, он решает нашу проблему, и мы переходим к следующему, верно?

Неправильный. Мертвая ошибка.
Это недоразумение приводит многих к шоку, когда дело доходит до инвестирования в проект, который включает использование искусственного интеллекта посредством машинного обучения… особенно если он включает один из самых сложных методов машинного обучения; образы. Решение проблем с помощью компьютерного зрения особенно сложно из-за размера данных, а также из-за того, что нужно очистить эти данные, чтобы сделать их пригодными для использования в ваших моделях ИИ. См. приведенный выше пример Эндрю об автономных транспортных средствах. Это не универсальное решение, как отмечает Эндрю, поскольку оно относится, скажем, к фабрике, производящей одно и то же на нескольких линиях. Каждая из них — это новые модели ИИ.
Что становится очень интересным, так это стоимость. Если вы знакомы с концепцией сложных процентов, у нас в вооруженных силах есть термин, называемый множителем силы, и это своего рода ИИ. Значение часто намного больше, чем мы ожидаем. В качестве примера мы построили Farmwave. Одной из его задач является измерение потерь урожая на машинах, движущихся по полю. Стоимость этого только в США, только в кукурузе и всего за 1 год составляет более 2 миллиардов долларов. А теперь подумайте обо всех других корпусах и всех других странах… вас там триллионы. Но вы никогда не добьетесь 100% принятия рынком… скажем, 50%. Это все еще большое число. Все еще слишком много? Хорошо, пусть проникновение на рынок составит 25%, и это все равно будет исчисляться миллиардами. Это решает одну проблему, но очень быстро складывается.

Однако такая ценность часто требует значительных инвестиций. Некоторые из самых ярких умов и некоторые из самых востребованных консалтинговых компаний придут к крупным операциям в таком месте, как Toyota (только пример), и внесут небольшую корректировку в свой процесс, что эквивалентно миллионам долларов экономии в год.
Вот почему мы делаем консультации частью нашего процесса в Cadre. Мы хотим помочь вам понять, что вы получаете за свои инвестиции. Как это повлияет на продукты или услуги вашей компании? Какой будет рентабельность инвестиций и общая ценность для вашей компании? А как насчет ваших клиентов… и, возможно, их?
Над этим нужно много работать. По моему мнению, сообществу ИИ нужно многое обучить. Компании должны лучше понимать эти концепции, иначе шок от наклеек продолжится, и прогресс не будет достигнут.