На фоне недавнего распространения искусственного интеллекта (ИИ), Маркус Лу из Visual Capitalist визуализировал данные от Квид (доступ через Stanford’s Отчет об индексе ИИ 2024 года), отметив 15 лучших стран, где наблюдается наибольшая активность стартапов ИИ за последнее десятилетие.
Цифры на этом графике представляют число финансируемых стартапов ИИ в этой стране за период времени с 2013 по 2023 год. Учитывались только компании, которые получили более $1,5 миллионов частных инвестиций.
Данные и основные моменты
В следующей таблице перечислены все цифры, представленные на приведенном выше графике.
Из этих данных мы видим, что США, Китай и Великобритания зарекомендовали себя как основные очаги инноваций в области ИИ.
С точки зрения финансирования США значительно опережают, а частные инвестиции в ИИ составляют $335 млрд в период с 2013 по 2023 год. ИИ-стартапы в Китае выросли $104 млрд за тот же период времени, в то время как в Великобритании поднялись $22 млрд.
Дальнейший анализ показывает, что США еще больше увеличивают этот разрыв. Например, в 2023 году частные инвестиции в США выросли на 22% по сравнению с 2022 годом. Между тем, в Китае инвестиции упали (-44%) и в Великобритании тоже (-14,1%) за тот же промежуток времени.
Куда же идут все эти деньги?
Привлечение большинства денег - это инфраструктура, исследования и управление ИИ, который относится к стартапам, которые создают приложения ИИ (например, OpenAI's ChatGPT).
Вторая по величине область это обработка естественного языка (NLP), это тип ИИ, который позволяет компьютерам понимать и интерпретировать человеческий язык. Эта технология имеет множество вариантов использования для предприятий, в особенности это финансовые услуги, где NLP может обеспечить поддержку чат-ботов поддержки клиентов и автоматизированных консультантов.
Поскольку в 2023 году в стартапы, ориентированные на НЛП, было инвестировано $8 миллиардов долларов, инвесторы, похоже, прекрасно осведомлены о потенциале этой технологии.
Стартапы - это чьи-то надежды... поймать фортуну за хвост. Ибо там, где холодный расчет - стартап особо и не нужен: деньги под гарантированный успех потратят и без всякой шумихи.
Но анализ структуры затрат - вещь очень даже интересная. То есть деньги стартапов сейчас палят преимущественно на железо, научные разработки и - вау! - на "управление стартапами". Вот эту бы статью детализировать по суммам - многое открылось бы :-)
Продолжаем наблюдать.
Комментарии
Не понял вывод автора.
ChatGPT превратится в поисковик
Следующий шаг - сам начнёт генерировать контент, без всякой глобальной сети. Как водится с нужной повесточкой и рекламой
Да ладно.
Он начнет генерировать бред.
Как, впрочем, и сейчас.
Причем, он будет генерить верифицируемый бред. Ибо бред тот будут называть фактами
В моём понимании поисковик на базе gpt будет знать каждого своего пользователя... Иначе говоря, выдача по запросу, вероятно, станет индивидуальной... но то домыслы. Надо дождаться официальной презентации.
Вполне возможно дата анонса выбрана не случайно.
Это и сейчас происходит в поисковике Яндекс, например.
Кроме того, вероятно, Алиса подслушивает.
Не раз бывало, что я разговаривал про какой-то товар, а потом мне подсовывалась соответствующая реклама.
Впрочем, это может и смартфон делать.
НС - это и есть поисковик в чистом виде.
Яндекс-ЖПТ уже превратился в поисковик. Ещё недели две назад. В Яндех-браузере. Мультимодальность есть. Контекст понимает, смысел картинок осознает. Почему в перечне нет России?
Россия, видать, на Луне или на Марсе.
в России с инвестициями плохо. И главный парадокс, с деньгами то в России всё хорошо, но с инвестициями плохо. Инвесторы российские как пугливые лани, чуть что непонятно и сразу в кусты прыгать. А с таким подходом новое создавать сложно
И это частные инвесторы, бОльший конформизм государства то понятен(да и там другие задачи, очевидно)
Сбер с тобой не согласен.
Сбер знает о высокой активности венчурных инвестиций в России? о_О
А можно ссылку посмотреть?
Хотя, сдается мне, вы путаете вклады обычных граждан в акции больших окологосударственных компаний и венчурные инвестиции дядек с деньгами в высокорисковые "инновационные" проекты
вы так говорите, как будто это что то плохое. Гарантированный успех есть только там где прибыльность мизерная. А если искать прибыльность высокую, то там и риски будут высокие
Главное в ИИ - это чрезвычайно хитроумные программы, которые прикрывают пустоту нейросетей относительно наличия интеллекта.
НС - это просто особая таблица, заточенная на быстрый ассоциативный поиск.
Причем, каждая НС - строго по одной тематике.
Остальное - это очень квалифицированные программисты, которые ухитряются из этого довольно небольшого багажа создать видимость чуть ли не мира роботов Азимова.
Ну, положим, программы там порой - и не так, чтобы очень умные...
В действительности - нужно более четко выделить область рассматриваемого ИИ. Если говорить о языковых моделях - то просто программы могут заметить закономерности, на которые человек с одной стороны - не обращает внимания, а с другой стороны - именно по ним идентифицирует собеседника как разумного. Пример ЧатГПТ показал, что выявление этих закономерностей просто требует большого объема данных и большого количества рассчитываемых параметров.
Аналогичные ситуации - и в других областях ИИ.
Я посмотрел описание шахматной программы с ИИ на НС.
Шахматы - это не сфера НС.
Хотя, казалось бы, запомни все позиции и лучшие ходы в них.
Это невозможно из-за огромного количества данных.
Нет, там стоит обычная программа с ограничением перебора по дереву.
Но в блоке выбора окончательной позиции и её оценки хитрым способом вставлены две НС.
И вот таким же хитрым способом используются НС во всех программах, якобы, ИИ.
Кстати, и с опознаванием лиц НС могут давать весьма спорные результаты.
Одни человек чуть ли не год отсидел из-за чрезмерного доверия оператора к НС.
У вас странное восприятие работы НС. НС не запоминает данные, она при обучении формирует внутри себя вероятности - а при работе выбирает решение на основании этих вероятностей. И - да - она может делать ошибки. Ибо - вероятности...
НС осуществляет поиск минимального расстояния от запомненных объектов до образца, который ей предъявляется.
А вот суть этого расстояния во многомерном пространстве, как НС его вычисляет - и определяется вероятностями, о которых вы говорите.
То есть, НС - это хитрая таблица, которая ориентируется во многомерном пространстве признаков и таким образом находит результат.
Более - ничего.
А ошибки она делает, когда несколько объектов оказываются на примерно одинаковом расстоянии от образца и явного экстремума нет.
Трактовка НС, как таблицы, сильно упрощает понимание механизма её работы.
Ну и? Дальше то что?
Механизм - в виде таблицы - на самом деле крайнее упрощение. В реальности может быть заметно сложнее, и функции могут быть нелинейными на каждом шаге и т.д.
Касательно ориентации в признаках - да, но, это могут быть не признаками объектов, а признаками переходов. Если про лингвистику - то переходов от звука к звуку, от токена - к токену. При этом ни сами токены, ни их смысл - ИИ ну никак не понятны, и не отслеживаются.
Таблица - это не означает линейный и даже детерминированный механизм действия.
Она может быть вообще волшебной.
Но - это таблица, и лучшее, что она сможет сделать - никогда не ошибаться.
Такое смысловое "понижение" НС полезно в смысле, что каждая задача может быть сформулирована таким образом: предположим, мы имеем таблицу, которая находит то-то и то-то.
Что мы сможем из этого извлечь и как развлечь публику.
Например, если таблица сможет определять вражеские танки по изображению с камеры, то это уже полезно, можно ставить эту программу на дрон (если поместится).
Так можно распараллелить задачу по нескольким группам разработчиков и быстрее достичь результата.
Более того, НС такого вида можно унифицировать по входу-выходу, что сделает их взаимозаменяемыми.
Ерунда. Так можно дообобщаться до "области памяти", которую можно программно интерпретировать как что угодно. И - да - все данные в цифровом виде - всегда хранятся в какой-нибудь области памяти. Приплыли.
Мы применяем другой уровень абстракции.
Который в данном случае сводится к таблице.
Необычной, но таблице.
Кстати, емкость этой таблицы определяется длиной всех регистров, которые запоминают коэффициенты.
А различимых объектов - куда меньше.
Но это тоже можно вычислить и доказать.
Ничего волшебного и непостижимого.
И никакой интеллект здесь даже не ночевал.
Но решение весьма сложных задач, которые раньше только человек решал - возможно.
Нет, не убедили.
Вы всего лишь описали, что любые данные могут храниться в линейной памяти. Это уже давно известно.
Проблема реально в алгоритмах интерпретации как хранимых данных, так и поступающих на обработку.
Здесь вообще нет речи о линейной памяти.
К тому же, в современном программировании линейные массивы употребляются редко.
Речь идет об объекте - таблица - механизм помещения в неё и извлечения - специфичен и основан на новых исследованиях.
А дальше встает вопрос использования таких таблиц.
Ни одна из них для конечного пользователя интереса не представляет.
Важна обвеска и интерфейс.
В нем и есть know how ИИ.
У вас интересная позиция.
Позвольте уточнить: а что вы называете "таблицей"?
Таблица - это объект, состоящий из неопределенного, но ограниченного количества строк, каждая из которых состоит из более, чем одного реквизита.
В таблице имеются один или более ключевых реквизитов, по которым ищется строка таблицы.
Остальные реквизиты имеют смысловое значение.
Для НС ключом таблицы является описание искомого объекта, заводимое на вход НС.
В строке таблицы имеется один реквизит - указатель на искомый объект.
Не, вы - точно не про программирование. Комментировать и уточнять дальше - увы, не готов. Ибо это - ну совсем другой мир - мир теней и скрытых смыслов. А мы - как-то более к реальности приближены...
Успехов вам!
Это и есть объектное программирование.
Спасибо за беседу.
Она была для меня интересной в смысле защиты своего подхода с грамотным оппонентом.
В современных нейронных сетях нет таких таблиц, как вы их описываете. Есть тензоры, это тоже таблицы, но они без ключей.
Разумеется.
Я не занимался НС.
Но то, что это - всего-навсего таблица, очевидно.
Сложная, но тем не менее.
И талица никогда не сможет стать разумной.
Разумны те, кто их комбинирует, достигая высокого правдоподобия ИИ.
Пока вы рассуждаете на тему "разумный - не разумный" в соседней статье подсчитывают, сколько будет стоить заменить человека роботом, в терминах "сколько центов в час труд будет стоить к какому году".
Статья вот: https://aftershock.news/?q=node/1375890
У нас в ЭНИМСе ещё в 80-х годах оценивали создание завода автомата.
Ещё тогда это было возможно, но экономически нецелесообразно.
Если человека заменить роботами, то автомобили нужно отдавать бесплатно, некому будет их покупать.
Или платить людям халявные деньги, тогда человечество через 100 лет исчезнет.
Этот вывод не вытекает ни из чего и в челом притянут за уши.
Халявные деньги платят уже сейчас, например, за второго ребенка. Другой пример - бесплатные столовые для бомжей. Человечество от этого не исчезнет. Существенно больше платить не будут.
И я могу предположить, почему это было экономически нецелесообразно. С появлением ИИ эта проблема в конце концов будет снята.
Если люди не будут работать, то у них не будет денег, они не смогут ничего покупать.
Безусловный базовый доход.
Это то, что должны платить, если работать будут роботы.
Экономически нецелесообразно было потому, что люди дешевле.
Когда это изменится, человечество может начать обратный отсчет.
Такие профессии, как "технолог" и "прораб" останутся. Появятся новые - "дрессировщик роботов".
Я тут подумал, как мог бы измениться условный Макдональдс. Сейчас в нем работают, допустим, человек 15 персонала и менеджер. Персонал занят так: один уборщик, 3-4 кассира, остальные складывают булки. Весь персонал в конце концов заменят на роботов. Возможно, менеджера и охранника заменят последними. Но заменят. Точка общепита останется без людей.
Но, появится огромный региональный офис сети, в котором будут:
Этот центральный офис будет ну может раз в 10-20 меньше, чем сейчас работает в ресторанах. Но все равно рабочих мест будет достаточно много. Возможно, тем, кто сейчас работает кассирами, рабочих мест и не найдется. Но более-менее амбициозные люди без работы не останутся.
Вы правы,таблица не понимает смысла хранимых в ней объектов.
Дальше - искусство алгоритмистов и программистов (в мое время это было одно и то же, сейчас не так).
Можно скомбинировать несколько НС (таблиц) и так далее.
И вот сложная программа со многими НС приобретает вид чего-то разумного.
Реальная польза от всего этого - диссертации и диссертации.
Данные НС запоминает путем изменения коэффициентов в обратных связях так, чтобы получить минимальное расхождение с образцами.
То есть, не сами фотографии запоминаете, а метод, которым эти фотографии опознаются, то есть, формирует понятие расстояния между объектами во многомерном пространстве.
При этом незнакомый объект может дать неопределенный результат, похожий на любой образец и даже на несколько.
Создается механизм что помещает неструктурированные данные в ОДНО многомерное пространство, а уж как он это делает дело десятое. Ну и вы сильно упрощаете. Распознавание картинок несет в себе два механизма. Механизм уменьшения размерности(свертки) векторов с выделением пиковых признаков, и помещение этих признаков в многомерное пространство.
Это всего лишь означает, что выбранный вами классификатор не подразумевает нового варианта. Или отобранные вами признаки не описывают искомый объект целиком.
Да, методы предварительной обработки фотографии - сродни дактилоскопии.
Я упрощаю для удобства обсуждения.
Каждый такой вопрос - диссертация и не одна.
Заметьте, в отличие от квантовой механики, в НС все коэффициенты после обучения стабильны и постоянны.
Они ине меняются до следующего обучения.
В это время НС - это конечный автомат.
Не согласен. Это зависит от реализации.
Например, всякие общедоступные ГПТ - сразу обозначают сколько токенов помнят. В период "общения" с ними - они корректируют коэффициенты с учетом предыстории общения.
Но базовая версия - да, корректируется только при плановом обучении.
Видов архитектур и их комбинаций уже под сотню. А люди все вспоминают полносвязанную сеть 70х годов )
И все равно в каждый момент времени это таблица.
Любую математику можно представить геометрией или "таблицей". Но что это меняет?
Это подтверждает то, что НС мыслить не может и не сможет.
Это не интеллект, но хороший помощник интеллекту.
Вроде, логарифмической линейки.
А почему не точки на многомерной плоскости )? Процес обучения можно представить в виде шарика под которым тягают плоскость в надежде подогнать под него самую глубокую лунку )
Точки на многомерной плоскости (пространстве) - это объекты, которые помнит НС.
А их быстрое нахождение - то, за что мы ценим НС.
В процессе бучения эти шарики рассовываются в этом многомерном пространстве, чтобы потом их было легко доставать.
Страницы