Επένδυση στην Τεχνητή Νοημοσύνη (AI) – Όλα όσα πρέπει να γνωρίζετε

Η Τεχνητή Νοημοσύνη (AI) είναι ένας τομέας που δεν χρειάζεται εισαγωγή. Η AI έχει ακολουθήσει το νόμο του Μουρ, ο οποίος αναφέρει ότι η ταχύτητα και η δυνατότητα των υπολογιστών αναμένεται να διπλασιάζονται κάθε δύο χρόνια. Από το 2012, η ποσότητα υπολογιστικής ισχύος που χρησιμοποιείται στις μεγαλύτερες εκπαιδευτικές εκτελέσεις AI αυξάνεται εκθετικά με διπλασιασμό κάθε 3 έως 4 μήνες, με αποτέλεσμα η ποσότητα των πόρων υπολογιστών που διατίθενται στην AI να έχει αυξηθεί κατά 300.000 φορές από το 2012. Κανένας άλλος κλάδος δεν μπορεί να συγκριθεί με αυτά τα στατιστικά ανάπτυξης.

Θα εξερευνήσουμε ποιους τομείς της AI οδηγούν αυτήν την επιτάχυνση, ποιες εταιρείες είναι καλύτερα τοποθετημένες για να εκμεταλλευτούν αυτήν την ανάπτυξη και γιατί είναι σημαντικό.

Τύποι Μηχανικής Μάθησης

Μηχανική μάθηση είναι ένας υποτομέας της AI που ουσιαστικά προγραμματίζει τις μηχανές να μαθαίνουν. Υπάρχουν πολλοί τύποι αλγορίθμων μηχανικής μάθησης, ο πιο δημοφιλής κατά πολύ είναι η βαθιά μάθηση, η οποία περιλαμβάνει την τροφοδοσία δεδομένων σε ένα Τεχνητό Νευρωνικό Δίκτυο (ANN). Ένα ANN είναι ένα πολύ υπολογιστικά απαιτητικό δίκτυο μαθηματικών συναρτήσεων που συνδέονται μαζί σε μορφή εμπνευσμένη από τα νευρωνικά δίκτυα που βρίσκονται στον ανθρώπινο εγκέφαλο.

Όσο περισσότερα μεγάλα δεδομένα τροφοδοτούνται σε ένα ANN, τόσο πιο ακριβές γίνεται το ANN. Για παράδειγμα, αν προσπαθείτε να εκπαιδεύσετε ένα ANN να μαθαίνει πώς να αναγνωρίζει εικόνες γατών, αν τροφοδοτήσετε το δίκτυο με 1000 εικόνες γατών, το δίκτυο θα έχει μικρό επίπεδο ακρίβειας ίσως 70%, αν το αυξήσετε σε 10.000 εικόνες, το επίπεδο ακρίβειας μπορεί να αυξηθεί στο 80%, αν το αυξήσετε σε 100.000 εικόνες, τότε έχετε αυξήσει την ακρίβεια του δικτύου στο 90% και παραπέρα.

Αυτή είναι μια από τις ευκαιρίες, οι εταιρείες που κυριαρχούν στον τομέα της ανάπτυξης τσιπ AI είναι φυσικά έτοιμες για ανάπτυξη.

Υπάρχουν πολλοί άλλοι τύποι μηχανικής μάθησης που δείχνουν υποσχέσεις, όπως η ενισχυτική μάθηση, η οποία είναι η εκπαίδευση ενός πράκτορα μέσω επανάληψης ενεργειών και σχετικών ανταμοιβών. Χρησιμοποιώντας την ενισχυτική μάθηση, ένα σύστημα AI μπορεί να ανταγωνίζεται τον εαυτό του με σκοπό τη βελτίωση της απόδοσής του. Για παράδειγμα, ένα πρόγραμμα που παίζει σκάκι θα παίζει εναντίον του εαυτού του επανειλημμένα, με κάθε περίπτωση του παιχνιδιού να βελτιώνει την απόδοσή του στο επόμενο παιχνίδι.

Σήμερα οι καλύτεροι τύποι AI χρησιμοποιούν συνδυασμό βαθιάς μάθησης και ενισχυτικής μάθησης σε αυτό που συνήθως αναφέρεται ως βαθιά ενισχυτική μάθηση. Όλες οι κορυφαίες εταιρείες AI στον κόσμο, όπως η Tesla, χρησιμοποιούν κάποιο τύπο βαθιάς ενισχυτικής μάθησης.

Αν και υπάρχουν άλλοι σημαντικοί τύποι συστημάτων μηχανικής μάθησης που προωθούνται αυτή τη στιγμή, όπως η μεταμάθηση, για λόγους απλότητας η βαθιά μάθηση και ο πιο προχωρημένος της ξάδερφος, η βαθιά ενισχυτική μάθηση, είναι αυτά με τα οποία οι επενδυτές πρέπει να είναι πιο εξοικειωμένοι. Οι εταιρείες που βρίσκονται στην πρώτη γραμμή αυτής της τεχνολογικής προόδου θα είναι καλύτερα τοποθετημένες για να εκμεταλλευτούν την τεράστια εκθετική ανάπτυξη που παρακολουθούμε στην AI.

Επιστήμη Δεδομένων & Μεγάλα Δεδομένα

Αν υπάρχει ένας διαχωριστικός παράγοντας μεταξύ των εταιρειών που θα πετύχουν και θα γίνουν ηγέτες της αγοράς, και των εταιρειών που θα αποτύχουν, αυτό είναι τα μεγάλα δεδομένα. Όλοι οι τύποι μηχανικής μάθησης εξαρτώνται σε μεγάλο βαθμό από την επιστήμη δεδομένων, η οποία περιγράφεται καλύτερα ως μια διαδικασία κατανόησης του κόσμου από τα πρότυπα στα δεδομένα. Σε αυτήν την περίπτωση η AI μαθαίνει από τα δεδομένα, και όσο περισσότερα δεδομένα, τόσο πιο ακριβή είναι τα αποτελέσματα. Υπάρχουν κάποιες εξαιρέσεις από αυτόν τον κανόνα λόγω του τι ονομάζεται υπερεκπαίδευση, αλλά αυτό είναι ένα ζήτημα που γνωρίζουν οι προγραμματιστές AI και λαμβάνουν προφυλάξεις για να το αντισταθμίσουν.

Η σημασία των μεγάλων δεδομένων είναι ο λόγος που εταιρείες όπως η Tesla έχουν σαφή πλεονέκτημα στην αγορά όσον αφορά την τεχνολογία αυτόνομων οχημάτων. Κάθε Tesla που βρίσκεται σε κίνηση και χρησιμοποιεί αυτόματο πιλότο τροφοδοτεί δεδομένα στο σύννεφο. Αυτό επιτρέπει στην Tesla να χρησιμοποιεί βαθιά ενισχυτική μάθηση και άλλες βελτιώσεις αλγορίθμων για να βελτιώσει το συνολικό σύστημα αυτόνομων οχημάτων.

Αυτός είναι επίσης ο λόγος που εταιρείες όπως η Google θα είναι τόσο δύσκολο για ανταγωνιστές να τις απομακρύνουν. Κάθε μέρα που περνά είναι μια μέρα που η Google συλλέγει δεδομένα από τα αμέτρητα προϊόντα και υπηρεσίες της, συμπεριλαμβανομένων των αποτελεσμάτων αναζήτησης, του Google Adsense, των κινητών συσκευών Android, του προγράμματος περιήγησης Chrome και ακόμη και του θερμοστάτη Nest. Η Google κατακλύζεται από περισσότερα δεδομένα από οποιαδήποτε άλλη εταιρεία στον κόσμο. Αυτό δεν υπολογίζει καν όλα τα φιλόδοξα έργα στα οποία συμμετέχει.

Κατανοώντας γιατί η βαθιά μάθηση και η επιστήμη δεδομένων είναι σημαντικές, μπορούμε να συμπεράνουμε γιατί οι παρακάτω εταιρείες είναι τόσο ισχυρές.

Εταιρείες AI για Επένδυση

Υπάρχουν τρεις τρέχοντες ηγέτες της αγοράς που θα είναι πολύ δύσκολο να αμφισβητηθούν.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc είναι η μητρική εταιρεία για όλα τα προϊόντα της Google, που περιλαμβάνει τη μηχανή αναζήτησης Google.  Μια σύντομη ιστορική αναδρομή είναι απαραίτητη για να εξηγήσει γιατί είναι τόσο ηγέτης στην AI. Το 2010, μια βρετανική εταιρεία DeepMind ιδρύθηκε με στόχο την εφαρμογή διαφόρων τεχνικών μηχανικής μάθησης για την κατασκευή γενικών αλγορίθμων μάθησης.

Το 2013, η DeepMind κατέκτησε τον κόσμο με διάφορα επιτεύγματα, συμπεριλαμβανομένου του να γίνει παγκόσμιος πρωταθλητής σε επτά παιχνίδια Atari χρησιμοποιώντας βαθιά ενισχυτική μάθηση.

Το 2014, η Google εξέκτησε τη DeepMind για 500 εκατομμύρια δολάρια, λίγο αργότερα το 2015 το AlphaGo της DeepMind έγινε το πρώτο πρόγραμμα AI που νίκησε έναν επαγγελματία παίκτη Go, και το πρώτο πρόγραμμα που νίκησε έναν παγκόσμιο πρωταθλητή Go. Για όσους δεν γνωρίζουν το Go, θεωρείται από πολλούς το πιο απαιτητικό παιχνίδι που υπάρχει.

Η DeepMind θεωρείται επί του παρόντος ηγέτης της αγοράς στην βαθιά ενισχυτική μάθηση, και ένας κορυφαίος υποψήφιος για την επίτευξη Τεχνητής Γενικής Νοημοσύνης (AGI), ενός μελλοντικού τύπου AI με στόχο τελικά να επιτύχει ή να ξεπεράσει την ανθρώπινη νοημοσύνη.

Πρέπει ακόμη να λάβουμε υπόψη τους άλλους τύπους AI στα οποία η Google συμμετέχει αυτή τη στιγμή, όπως το Waymo, ηγέτης στην τεχνολογία αυτόνομων οχημάτων, δεύτερος μόνο από την Tesla, και τα μυστικά συστήματα AI που χρησιμοποιούνται αυτή τη στιγμή στη μηχανή αναζήτησης Google.

Η Google είναι αυτή τη στιγμή εμπλεκόμενη σε τόσα πολλά επίπεδα AI, που θα απαιτούσε εκτενή εργασία για να καλυφθούν όλα.

Tesla (NASDAQ: TSLA)

Όπως αναφέρθηκε προηγουμένως, η Tesla εκμεταλλεύεται τα μεγάλα δεδομένα από τον στόλο των οχημάτων της που βρίσκονται στο δρόμο για τη συλλογή δεδομένων από το αυτόματο πιλότο. Όσο περισσότερα δεδομένα συλλέγονται, τόσο περισσότερο μπορεί να βελτιωθεί χρησιμοποιώντας βαθιά ενισχυτική μάθηση, κάτι που είναι ιδιαίτερα σημαντικό για όσα θεωρούνται «ακραίες περιπτώσεις», δηλαδή σενάρια που δεν συμβαίνουν συχνά στην πραγματική ζωή.

Για παράδειγμα, είναι αδύνατο να προβλεφθεί και να προγραμματιστεί κάθε τύπος σεναρίου που μπορεί να συμβεί στο δρόμο, όπως ένα βαλίτσα που κυλάει στην κίνηση ή ένα αεροπλάνο που πέφτει από τον ουρανό. Σε αυτήν την περίπτωση υπάρχουν πολύ λίγα συγκεκριμένα δεδομένα, και το σύστημα πρέπει να συνδέσει δεδομένα από πολλά διαφορετικά σενάρια. Αυτό είναι ένα ακόμη πλεονέκτημα του να διαθέτει κανείς τεράστιο όγκο δεδομένων· ενώ μπορεί να είναι η πρώτη φορά που μια Tesla στο Χιούστον αντιμετωπίζει ένα σενάριο, είναι δυνατόν μια Tesla στο Ντουμπάι να έχει αντιμετωπίσει κάτι παρόμοιο.

Η Tesla είναι επίσης ηγέτης στην τεχνολογία μπαταριών, και στην ηλεκτρική τεχνολογία για οχήματα. Και τα δύο εξαρτώνται από συστήματα AI για τη βελτιστοποίηση της εμβέλειας ενός οχήματος πριν απαιτηθεί επαναφόρτιση. Η Tesla είναι γνωστή για τις συχνές ενημερώσεις over-the-air με βελτιώσεις AI που βελτιώνουν κατά μερικά ποσοστά την απόδοση και την εμβέλεια του στόλου οχημάτων της.

Όπως αν αυτό δεν ήταν αρκετό, η Tesla επίσης σχεδιάζει τα δικά της τσιπ AI, πράγμα που σημαίνει ότι δεν εξαρτάται πλέον από τσιπ τρίτων, και μπορεί να βελτιστοποιήσει τα τσιπ ώστε να λειτουργούν με το πλήρες λογισμικό αυτόνομης οδήγησης από την αρχή.

NVIDIA (NASDAQ: NVDA)

NVIDIA είναι η εταιρεία που βρίσκεται στην καλύτερη θέση για να εκμεταλλευτεί την τρέχουσα αύξηση της ζήτησης για τσιπ GPU (μονάδα επεξεργασίας γραφικών), καθώς είναι αυτή τη στιγμή υπεύθυνη για 80% όλων των πωλήσεων GPU .

Αν και τα GPU αρχικά χρησιμοποιούνταν για βιντεοπαιχνίδια, υιοθετήθηκαν γρήγορα από τη βιομηχανία AI ειδικά για τη βαθιά μάθηση. Ο λόγος που τα GPU είναι τόσο σημαντικά είναι ότι η ταχύτητα των υπολογισμών AI ενισχύεται σημαντικά όταν οι υπολογισμοί εκτελούνται παράλληλα. Κατά την εκπαίδευση ενός βαθιού ANN, απαιτούνται είσοδοι και αυτό εξαρτάται σε μεγάλο βαθμό από τις πολλαπλασιασμούς πινάκων, όπου η παράλληλη επεξεργασία είναι σημαντική.

Η NVIDIA κυκλοφορεί συνεχώς νέα τσιπ AI που είναι βελτιστοποιημένα για διαφορετικές περιπτώσεις χρήσης και απαιτήσεις των ερευνητών AI. Αυτή η συνεχής πίεση για καινοτομία διατηρεί τη NVIDIA ως ηγέτη της αγοράς.

Επιλέξτε Μεσίτη Μετοχών

Το πρώτο βήμα στο ταξίδι σας πρέπει να είναι η επιλογή ενός μεσίτη μετοχών. Ένας μεσίτης που προτείνουμε είναι η Firstrade.

Σύνοψη

Είναι αδύνατο να παρατεθούν όλες οι εταιρείες που συμμετέχουν με κάποιον τρόπο στην AI, το σημαντικό είναι η κατανόηση των τεχνολογιών μηχανικής μάθησης που είναι υπεύθυνες για το μεγαλύτερο μέρος της καινοτομίας και της ανάπτυξης που έχει παρατηρήσει η βιομηχανία. Έχουμε επισημάνει 3 ηγέτες της αγοράς, πολλά άλλα θα εμφανιστούν. Για να παραμένετε ενήμεροι για την AI, θα πρέπει να παρακολουθείτε τα Νέα AI, να αποφεύγετε το υπερβολικό ενθουσιασμό γύρω από την AI, και να κατανοείτε ότι αυτός ο τομέας εξελίσσεται συνεχώς.