توضح 4 VCs سبب وجود سبب وجيه للتفاؤل بشأن سوق بدء التعلم الآلي

عندما تتحدث حول الاستثمارات في الشركات الناشئة في مجال الذكاء الاصطناعي مقابل الشركات الناشئة في مجال التعلم الآلي ، من المهم التمييز بين “الذكاء الاصطناعي” و “التعلم الآلي”. غالبًا ما تُستخدم هذه العبارات بالتبادل ، لكنها تحمل معنى مختلفًا قليلاً.

التعلم الآلي ، أو ML ، هو طريقة لتدريب نماذج الذكاء الاصطناعي حتى يتمكنوا من تعلم كيفية اتخاذ القرارات. بعبارة أخرى ، يتضمن تعلم الآلة نماذج تدريبية لحل مهام محددة من خلال التعلم من البيانات وإجراء التنبؤات. الذكاء الاصطناعي ، من ناحية أخرى ، هو المفهوم الأوسع للأنظمة التي تحاكي الإدراك البشري.

لذا فإن ML هو حقل فرعي من الذكاء الاصطناعي ولكنه ليس نفس الشيء.

يوضح Lonne Jaffe ، العضو المنتدب في Insight Partners ، أن Insight يستخدم إطار عمل “ثلاثي الطبقات” لفك تعريف بدء تشغيل ML.

---

نحن نوسع نطاق عدساتنا ، ونبحث عن المزيد من المستثمرين للمشاركة في استطلاعات TechCrunch + ، حيث نقوم باستطلاع آراء كبار المتخصصين حول التحديات في صناعتهم.

إذا كنت مستثمرًا وترغب في المشاركة في استطلاعات الرأي المستقبلية ، فقم بملئها هذا من.

---

في الطبقة الأولى ، كما يقول ، توجد شركات البنية التحتية الأساسية – المنتجات التي يبني بها الشخص نظام ML. في الطبقة الثانية توجد تطبيقات تسعى إلى معالجة حالة استخدام معينة أو سير عمل باستخدام ML. أما الطبقة الثالثة ، في الوقت نفسه ، فتتألف من الشركات الناشئة في تعلم الآلة التي تظهر داخل الصناعة باعتبارها “لاعبًا حقيقيًا” في تلك الصناعة – فكر في الشركات الناشئة التي تصبح بنكًا مبتدئًا ، حتى لو كان جوهر الشركة الناشئة هو موهبة التعلم الآلي.

وفقًا لهذا الإطار ، تتراوح أمثلة الشركات الناشئة ML من Weights & Biases ، التي توفر أدوات لإنشاء نماذج الذكاء الاصطناعي ومراقبتها ، إلى Iterative Health ، وهي شركة رعاية صحية تستفيد من نظام ML مصمم لتحديد الأورام السرطانية من تنظير القولون.

سوق ML كبير جدًا ، مع وجود تقرير من Grand View Research التي تقدر قيمتها بـ 49.6 مليار دولار في عام 2022 ويمكن أن تنمو بمعدل نمو سنوي مركب بنسبة 33.5٪ بحلول عام 2030. وقد تم البناء لبعض الوقت: أظهر استطلاع 2021 من قبل Dresner للخدمات الاستشارية أن 59٪ من جميع الشركات الكبيرة تنشر ML ، حيث تدعي 50٪ من تلك المنظمات أن لديها 25 نموذجًا أو أكثر من نماذج ML قيد الاستخدام اليوم.

لماذا تنمو هذه المنطقة بسرعة كبيرة؟ 451 Research ، مجموعة البحث والتطوير التكنولوجي داخل S&P ، تم طرحها مؤخرًا تقرير أن الموجة الأولى من اعتماد ML ركزت على جعل الأنظمة والعمليات القديمة أكثر ذكاءً – مثل ذكاء الأعمال ودعم العملاء والمبيعات والتسويق والأمن. ولكن الآن ، مع نضوج هذه التطبيقات ، تحول الاهتمام إلى تطبيقات ML الأكثر تخصصًا والخاصة بالصناعة والمربحة ، لا سيما في التمويل وتجارة التجزئة والتصنيع والرعاية الصحية.

يعتقد Jerry Chen ، الشريك في Greylock ، أننا بدأنا للتو في رؤية ما سيكون عليه الجيل القادم من شركات ML. قال لـ TechCrunch +: “إن الدورة تسير بقوة”. “أشعر بالفضول لمعرفة كيفية دخول الشركات القائمة واللاعبين في مجال التكنولوجيا أو التنافس أو الشراكة مع الشركات الناشئة. على وجه الخصوص ، أعتقد أننا سنشهد بعض شراكات الانتقال إلى السوق المثيرة للاهتمام في الأشهر القليلة المقبلة “.

ولكن ماذا عن النظام البيئي الأوسع لرأس المال الاستثماري؟ هل رأس المال الجريء متفائل بشكل عام بمستقبل ML؟

للحصول على فكرة أفضل ، قامت TechCrunch + باستطلاع آراء المستثمرين بما في ذلك Chen و Jaffe حول حالة الاستثمار في ML اليوم. لقد تطرقنا إلى صحة مشهد تمويل غسل الأموال ، وما إذا كانت الضجة حول ML ، والتي كانت قوية جدًا منذ عدة سنوات ، قد بدأت في التلاشي. كما سألنا المستثمرين عن التحديات التي تقف في طريق تبني تقنية ML وما قد تبدو عليه الأشهر القليلة القادمة من حيث نمو السوق.

تحدثنا مع:

(ملاحظة المحرر: تم تعديل الردود التالية من أجل الطول والوضوح.)

---

لون جافي ، العضو المنتدب ، إنسايت بارتنرز

ما مدى قوة سوق جمع الأموال لمشروع ML اليوم وكيف تطورت حتى الآن في عام 2023؟

أثار إصدار ChatGPT قبل خمسة أشهر شعلة ابتكار الشركات الناشئة حول ML ، إلى جانب ديناميكية متجددة لجمع التبرعات. لقد انتقلنا من أنظمة التنبؤ – مثل أنظمة التصنيف أو التوصية – إلى أنظمة الإنشاء. بينما كان التمويل يتدفق إلى أنظمة غسل الأموال التوليدية ، كان هناك أيضًا الكثير من التقدم في أنظمة غسل الأموال “التقليدية” والتمييزية ، مثل أنظمة التنبؤ أو التصنيف.

لقد كنا نشطين بشكل خاص مؤخرًا في أنظمة التعلم الآلي للرؤية الحاسوبية التطبيقية في مجال الرعاية الصحية ، والتي قد يتطابق بعضها قريبًا أو حتى يتجاوز أداء الطبيب البشري عبر مجالات معينة. على سبيل المثال ، تستخدم شركة Overjet الناشئة في مجال طب الأسنان الذكاء الاصطناعي لتحليل الأشعة السينية للأسنان لمساعدة أطباء الأسنان على تحديد ما إذا كانت السن بحاجة إلى حشو أو تاج ، مما يحسن نتائج المرضى.