AI aktier
Investering i kunstig intelligens (AI) – alt hvad du behøver at vide
Kunstig intelligens (AI) er et felt, der ikke kræver nogen introduktion. AI har ridet på Moores lovs halefrakker, som stater at hastigheden og kapaciteten af computere kan forventes at blive fordoblet hvert andet år. Siden 2012 er mængden af computere, der bruges i de største AI-træningsløb, steget eksponentielt med en fordobling hver 3. til 4. måned, med det endelige resultat, at mængden af computerressourcer allokeret til AI er vokset med 300,000x siden 2012. Ingen anden industri kan sammenligne med disse vækststatistikker.
Vi vil undersøge, hvilke områder inden for AI, der fører denne acceleration, hvilke virksomheder der er bedst positioneret til at drage fordel af denne vækst, og hvorfor det betyder noget.
Typer af maskinlæring
Maskinelæring er et underområde af AI, som i det væsentlige er programmering af maskiner til at lære. Der er flere typer af maskinlæringsalgoritmer, den mest populære er langtfra dyb læring, indebærer dette at føre data ind i en Kunstigt neuralt netværk (ANN). En ANN er et meget beregningsintensivt netværk af matematiske funktioner forbundet i et format inspireret af de neurale netværk, der findes i den menneskelige hjerne.
Jo flere big data der føres ind i en ANN, jo mere præcis bliver ANN. For eksempel, hvis du forsøger at træne en ANN til at lære at identificere kattebilleder, hvis du fodrer netværket med 1000 kattebilleder, vil netværket have et lille nøjagtighedsniveau på måske 70 %, hvis du øger det til 10000 billeder, niveauet af nøjagtighed kan stige til 80%, hvis du øger det med 100000 billeder, så har du netop øget nøjagtigheden af netværket til 90%, og fremefter.
Heri ligger en af mulighederne, virksomheder, der dominerer inden for udvikling af AI-chips, er naturligvis modne til vækst.
Der er mange andre typer af maskinlæring, der viser løfte, som f.eks forstærkning læring, dette er træning af en agent gennem gentagelse af handlinger og tilhørende belønninger. Ved at bruge forstærkningslæring kan et AI-system konkurrere mod sig selv med den hensigt at forbedre, hvor godt det præsterer. For eksempel vil et program, der spiller skak, spille mod sig selv gentagne gange, hvor hver forekomst af gameplayet forbedrer, hvordan det klarer sig i det næste spil.
I øjeblikket bruger de bedste typer AI en kombination af både dyb læring og forstærkende læring i det, der almindeligvis omtales som dyb forstærkende læring. Alle de førende AI-virksomheder i verden, såsom Tesla, bruger en form for dyb forstærkningslæring.
Mens der er andre typer vigtige maskinlæringssystemer, der i øjeblikket er ved at blive avanceret som f.eks meta-læringFor enkelhedens skyld er deep learning og dens mere avancerede fætter deep reinforcement learning det, investorer bør være mest bekendt med. De virksomheder, der er i spidsen for denne teknologiske udvikling, vil være bedst positioneret til at drage fordel af den enorme eksponentielle vækst, vi ser inden for AI.
Data Science & Big Data
Hvis der er én skelnen mellem virksomheder, der vil lykkes og blive markedsledere, og virksomheder, der vil fejle, er det big data. Alle typer maskinlæring er stærkt afhængige af datalogi, dette beskrives bedst som en proces til at forstå verden ud fra mønstre i data. I dette tilfælde lærer AI af data, og jo flere data, jo mere nøjagtige er resultaterne. Der er nogle undtagelser fra denne regel på grund af det, der hedder overmontering, men dette er en bekymring, som AI-udviklere er opmærksomme på og tager forholdsregler for at kompensere for.
Betydningen af big data er grunden til, at virksomheder som Tesla har en klar markedsfordel, når det kommer til teknologi til autonome køretøjer. Hver eneste Tesla, der er i bevægelse og bruger autopilot, fører data ind i skyen. Dette gør det muligt for Tesla at bruge dyb forstærkningslæring og andre algoritmejusteringer for at forbedre det overordnede autonome køretøjssystem.
Det er også grunden til, at virksomheder som Google vil være så svære for udfordrere at detronisere. Hver dag, der går, er en dag, hvor Google indsamler data fra dets utal af produkter og tjenester, dette inkluderer søgeresultater, Google Adsense, Android-mobilenhed, Chrome-webbrowseren og endda Nest-termostaten. Google drukner er mere data end nogen anden virksomhed i verden. Dette tæller ikke engang alle de måneskud, de er involveret i.
Ved at forstå, hvorfor deep learning og datavidenskab betyder noget, kan vi så udlede, hvorfor virksomhederne nedenfor er så stærke.
AI-virksomheder at investere i
Der er tre nuværende markedsledere, som bliver meget svære at udfordre.
Alphabet Inc (NASDAQ: GOOGL)
Alfabet Inc er paraplyvirksomheden for alle Google-produkter, som inkluderer Google-søgemaskinen. En kort historielektion er nødvendig for at forklare, hvorfor de er så markedsledere inden for kunstig intelligens. I 2010, et britisk selskab DeepMind blev lanceret med det formål at anvende forskellige maskinlæringsteknikker til at bygge generelle indlæringsalgoritmer.
I 2013 tog DeepMind verden med storm med forskellige præstationer, herunder at blive verdensmester i syv Atari-spil ved at bruge dyb forstærkningslæring.
I 2014 Google erhvervede DeepMind for $500 millioner, kort efter i 2015 blev DeepMinds AlphaGo det første AI-program til at besejre en professionel menneskelig Go-spiller, og det første program til at besejre en Go-verdensmester. For dem, der ikke er bekendt med Go, betragtes det af mange som det mest udfordrende spil, der findes.
DeepMind betragtes i øjeblikket som en markedsleder i dyb forstærkende læring og en førende kandidat til at opnåKunstig generel intelligens (AGI), en futuristisk type AI med det mål i sidste ende at opnå eller overgå intelligens på menneskeligt niveau.
Vi skal stadig tage højde for de andre andre typer AI, som Google i øjeblikket er involveret i, f.eks Waymo, en markedsleder inden for automobilteknologi, kun næst efter Tesla, og de hemmelighedsfulde AI-systemer, der i øjeblikket bruges i Googles søgemaskine.
Google er i øjeblikket involveret i så mange niveauer af kunstig intelligens, at det ville tage et udtømmende papir for at dække dem alle.
Tesla (NASDAQ: TSLA)
Som tidligere nævnt Tesla udnytter big data fra sin flåde af vejkøretøjer til at indsamle data fra sin autopilot. Jo flere data der indsamles, desto mere kan den forbedre sig ved hjælp af dybdegående forstærkningslæring. Dette er især vigtigt for det, der betragtes som edge cases, det vil sige scenarier, der ikke forekommer ofte i virkeligheden.
For eksempel er det umuligt at forudsige og programmere i enhver type scenarie, der kan ske på vejen, såsom en kuffert, der ruller ind i trafikken, eller et fly, der falder ned fra himlen. I dette tilfælde er der meget få specifikke data, og systemet skal tilknytte data fra mange forskellige scenarier. Dette er en anden fordel ved at have en enorm mængde data, mens det kan være første gang, en Tesla i Houston støder på et scenarie, er det muligt, at en Tesla i Dubai kan være stødt på noget lignende.
Tesla er også førende på markedet batteriteknologi, og i elektrisk teknologi til køretøjer. Begge disse er afhængige af AI-systemer til at optimere rækkevidden af et køretøj, før en genopladning er påkrævet. Tesla er kendt for sine hyppige on-air opdateringer med AI-optimeringer, der forbedrer ydeevnen og rækkevidden af dens bilflåde med nogle få procentpoint.
Som om dette ikke var tilstrækkeligt, er Tesla det også at designe sine egne AI-chips, betyder det, at den ikke længere er afhængig af tredjepartschips, og de kan optimere chips til at fungere med deres fulde selvkørende software fra bunden.
NVIDIA (NASDAQ: NVDA)
NVIDIA er virksomheden bedst positioneret til at drage fordel af den nuværende stigning i efterspørgslen efter GPU (Graphics Processing Unit)-chips, da de i øjeblikket er ansvarlige for 80% af al GPU salg.
Mens GPU'er oprindeligt blev brugt til videospil, blev de hurtigt adopteret af AI-industrien specifikt til dyb læring. Grunden til, at GPU'er er så vigtige, er, at hastigheden af AI-beregninger er stærkt forbedret, når beregninger udføres parallelt. Mens du træner en deep learning ANN, kræves input, og dette afhænger i høj grad af matrix multiplikationer, hvor parallelitet er vigtig.
NVIDIA frigiver konstant nye AI-chips, der er optimeret til forskellige anvendelsestilfælde og krav fra AI-forskere. Det er dette konstante pres for at innovere, der fastholder NVIDIA som markedsleder.
Vælg en børsmægler
Det første skridt på din rejse bør være at vælge en børsmægler. En mægler, som vi anbefaler, er førsteklasse.
Resumé
Det er umuligt at liste alle de virksomheder, der er involveret i en eller anden form for kunstig intelligens, det vigtige er at forstå maskinlæringsteknologierne, der er ansvarlige for det meste af den innovation og vækst, som industrien har været vidne til. Vi har fremhævet 3 markedsledere, mange flere vil komme. For at holde dig ajour med AI, bør du holde dig opdateret med AI nyheder, undgå AI-hype og forstå, at dette felt er i konstant udvikling.
