AI przenosi się z „danych” na „wiedzę”

Rewolucja w dziedzinie sztucznej inteligencji (AI) rozpoczęła się ponad pół wieku temu. W ciągu ostatniej dekady sztuczna inteligencja wyrosła z akademickiej dziedziny naukowej i zaczęła być praktyczną częścią naszego codziennego życia. Najpopularniejsze strategie biznesowe AI, które widzimy, opierają się na danych. Uważamy, że zastrzeżone dane są obecnie najbardziej strategiczną fosą dla firm zajmujących się sztuczną inteligencją, ale w nadchodzących latach staną się mniej unikalnym zasobem, przez co zróżnicowanie danych zastrzeżonych będzie mniej zrównoważone. Dlatego spodziewamy się przesunięcia punktu ciężkości ze strategii AI opartych na danych na strategie AI oparte na wiedzy.

Postęp w zakresie dużych zbiorów danych, ułatwiony dzięki wdrożeniu wielu czujników, łączności z Internetem oraz ulepszeniu sprzętu i oprogramowania w zakresie mocy obliczeniowej, zdolności komunikacyjnych i cyfrowej pamięci masowej, umożliwił sztucznej inteligencji skalowanie od małych akademickich projektów badawczych po aplikacje produkcyjne w dużych przedsiębiorstwach. Zasadniczo duże zbiory danych wymagały zaawansowanych modeli sztucznej inteligencji do analizowania i pozyskiwania wiedzy i spostrzeżeń, podczas gdy modele sztucznej inteligencji wymagały masa krytyczna dużych zbiorów danych do szkolenia i optymalizacji. Dlatego obecnie dane są często postrzegane jako wystarczająca fosa strategiczna dla startupów AI. Jako inwestorzy kapitału wysokiego ryzyka obserwujemy to zjawisko rutynowo. W ostatnich latach widzieliśmy wiele startupów, które stawiają pozyskiwanie danych w centrum swojej strategii biznesowej. Coraz więcej takich firm zwraca uwagę na unikalne zbiory danych, które zdobyły, oraz długoterminową strategię pozyskiwania dodatkowych, zastrzeżonych danych - jako trwałą barierę wejścia. Co więcej, ponieważ narzędzia AI i platformy AI-as-a-service utowarowiły rozwój modeli AI, a dane publiczne stały się wszechobecne, dostrzegalna potrzeba budowy i obrony fosy danych stała się namacalna.

W dzisiejszym ekosystemie technologicznym rynki coraz częściej nagradzają firmy wiodącymi programami sztucznej inteligencji i kontrolą nad zastrzeżonymi danymi - jako istotną i trwałą przewagę konkurencyjną. Firmy takie jak Google i Netflix przez długi czas opracowywały i nadzorowały ogromne i wiarygodne zbiory danych, podczas gdy wiele innych firm bezskutecznie walczyło o ich sukces. Przykładem jest masowe zakłócenie działania konkurencyjnych dostawców usług medialnych i firm produkcyjnych, które zostały przechytrzone przez Netflix '' wyrafinowana strategia dotycząca danych.

Niemniej jednak, ze względu na spodziewany postęp w zakresie możliwości i chęci wymiany danych, uważamy, że w ciągu dekady fosy danych zastrzeżonych będą mniej trwałe. Chociaż dane nadal będą napędzać silnik wartości AI, strategie biznesowe AI będą w coraz większym stopniu koncentrować się na wiedzy.

Wznoszenie piramidy wartości AI, w kierunku warstwy wiedzy

Piramida wartości AI jest oparta na danych i napędzana wiedzą. Chociaż dzisiaj „toniemy w informacjach, ale żądni wiedzy”, spodziewamy się przesunięcia w górę piramidy wartości AI, w kierunku warstwy wiedzy. Rzeczywiście, zaczęliśmy dostrzegać postępy, które będą wspierać i przyspieszać ten trend poprzez tworzenie wymiany danych. Spodziewamy się, że wymiana danych będzie ułatwiona dzięki połączeniu zwiększonej wykonalności i chęci dzielenia się utowarowionymi danymi w zamian za cenną wiedzę. Podsumowując, dane staną się obfitsze, bardziej dostępne, wiarygodne, ustandaryzowane i niedrogie - idealna definicja idealnego towaru. Wykorzystanie danych jako trwałej bariery wejścia będzie w przyszłości trudniejsze.

Większa wykonalność udostępniania danych zostanie przyspieszona przez rozprzestrzenianie się źródeł danych za pośrednictwem Internet przedmiotów (IoT). Ponadto istnieją nowe techniki, protokoły i standardy gromadzenia, udostępniania i wymiany danych. Patrząc w przyszłość, zwiększona możliwość udostępniania danych stanie się naprawdę znacząca, gdy pojawi się zachęta i rosnąca skłonność do tego. Ponieważ sztuczna inteligencja podważa i zakłóca dziedzictwo konkurencyjne bariery wejściawiele organizacji nieustannie próbuje zbierać własne zastrzeżone dane i zarabiać na nich. Niestety, to gromadzenie i wykorzystywanie danych nie jest ani łatwe, ani owocne i dlatego tworzy strategiczny dysonans. Dzieje się tak, ponieważ chociaż sztuczna inteligencja jest coraz bardziej niezbędna dla większości organizacji, nie jest to część ich starszych umiejętności ani podstawowej wiedzy. Ponadto cchroniczny i trwały niedobór inżynierów, programiści, liderzy produktów i menedżerowie przeszkoleni w zakresie sztucznej inteligencji zaostrzają ten dysonans i prowadzą do preferowania rozwiązania w zakresie udostępniania danych w celu wymiany wiedzy.

Przykładem połączenia zdolności i chęci tworzenia poprzez wymianę danych w celu generowania wiedzy jest nowa propozycja przez Unię Europejską w celu stworzenia „jednolitego rynku danych”, aby umożliwić ludziom, firmom i organizacjom podejmowanie lepszych decyzji w oparciu o wgląd w dane nieosobowe aby konkurować z obecnymi gigantami technologicznymi.

Innym czynnikiem przyczyniającym się do tego, że fosy danych stają się mniej zrównoważone, jest wynalezienie nowatorskich rozwiązań danych, które umożliwiają wykorzystanie mniejszych zestawów danych do modeli szkoleniowych. Rozwiązania w zakresie danych syntetycznych (na przykład z generatywnymi sieciami adwersyjnymi) i inne techniki minimalizacji, takie jak powiększanie danych, mogą pozwolić firmom na tworzenie przełomowych produktów AI bez ogromnych ilości danych.

Przeczytaj całą historię tutaj…