एआई स्टॉक्स
आर्टिफिशियल इंटेलिजेंस (एआई) में निवेश - वह सब कुछ जो आपको जानना आवश्यक है
कृत्रिम बुद्धिमत्ता (एआई) एक ऐसा क्षेत्र है जिसे किसी परिचय की आवश्यकता नहीं है। एआई ने मूर के नियम की आड़ ली है, जो राज्यों कि कंप्यूटर की गति और क्षमता हर दो साल में दोगुनी होने की उम्मीद की जा सकती है। 2012 के बाद से, सबसे बड़े एआई प्रशिक्षण रन में उपयोग की जाने वाली गणना की मात्रा तेजी से बढ़ रही है हर 3 से 4 महीने में दोगुना हो जाता है, अंतिम परिणाम यह हुआ कि 300,000 के बाद से AI को आवंटित कंप्यूटिंग संसाधनों की मात्रा 2012 गुना बढ़ गई है। कोई भी अन्य उद्योग इन विकास आँकड़ों की तुलना नहीं कर सकता है।
हम पता लगाएंगे कि एआई के कौन से क्षेत्र इस तेजी का नेतृत्व कर रहे हैं, कौन सी कंपनियां इस वृद्धि का लाभ उठाने के लिए सबसे अच्छी स्थिति में हैं और यह क्यों मायने रखता है।
मशीन लर्निंग के प्रकार
मशीन लर्निंग एआई का एक उपक्षेत्र है जो सीखने के लिए अनिवार्य रूप से प्रोग्रामिंग मशीनें है। मशीन लर्निंग एल्गोरिदम कई प्रकार के होते हैं, जो अब तक सबसे लोकप्रिय है ध्यान लगा के पढ़ना या सीखना, इसमें डेटा को एक में फीड करना शामिल है कृत्रिम तंत्रिका नेटवर्क (एएनएन)। एएनएन मानव मस्तिष्क में पाए जाने वाले तंत्रिका नेटवर्क से प्रेरित प्रारूप में एक साथ जुड़े गणितीय कार्यों का एक बहुत ही गणना गहन नेटवर्क है।
अधिक बड़ा डेटा इसे एएनएन में डाला जाता है, एएनएन उतना ही अधिक सटीक हो जाता है। उदाहरण के लिए, यदि आप बिल्ली के चित्रों की पहचान करना सीखने के लिए एक एएनएन को प्रशिक्षित करने का प्रयास कर रहे हैं, यदि आप नेटवर्क को 1000 बिल्ली के चित्र खिलाते हैं तो नेटवर्क में सटीकता का एक छोटा स्तर शायद 70% होगा, यदि आप इसे 10000 चित्रों तक बढ़ाते हैं, तो सटीकता का स्तर 80% तक बढ़ सकता है, यदि आप इसे 100000 चित्रों तक बढ़ाते हैं, तो आपने नेटवर्क की सटीकता को 90% तक बढ़ा दिया है, और आगे।
यहां अवसरों में से एक निहित है, जो कंपनियां एआई चिप विकास के क्षेत्र में हावी हैं, वे स्वाभाविक रूप से विकास के लिए तैयार हैं।
मशीन लर्निंग के कई अन्य प्रकार हैं जो आशाजनक दिखते हैं, जैसे सुदृढीकरण सीखना, यह एक एजेंट को कार्यों की पुनरावृत्ति और संबंधित पुरस्कारों के माध्यम से प्रशिक्षण दे रहा है। सुदृढीकरण सीखने का उपयोग करके एक एआई सिस्टम अपने प्रदर्शन को बेहतर बनाने के इरादे से खुद के खिलाफ प्रतिस्पर्धा कर सकता है। उदाहरण के लिए, शतरंज खेलने वाला एक प्रोग्राम बार-बार अपने ही खिलाफ खेलेगा, गेमप्ले के प्रत्येक उदाहरण में यह सुधार होगा कि यह अगले गेम में कैसा प्रदर्शन करेगा।
वर्तमान में एआई के सर्वोत्तम प्रकार गहन शिक्षण और सुदृढीकरण शिक्षण दोनों के संयोजन का उपयोग करते हैं जिसे आमतौर पर कहा जाता है गहरी सुदृढीकरण सीखने. टेस्ला जैसी दुनिया की सभी प्रमुख एआई कंपनियां किसी न किसी प्रकार की गहन सुदृढीकरण शिक्षा का उपयोग करती हैं।
जबकि अन्य प्रकार की महत्वपूर्ण मशीन लर्निंग प्रणालियाँ हैं जो वर्तमान में उन्नत हो रही हैं जैसे मेटा-लर्निंगसरलता के लिए, डीप लर्निंग और इसके ज़्यादा उन्नत रूप, डीप रीइन्फोर्समेंट लर्निंग, निवेशकों के लिए सबसे ज़रूरी हैं। जो कंपनियाँ इस तकनीकी प्रगति में सबसे आगे हैं, वे एआई में हो रही भारी घातीय वृद्धि का फ़ायदा उठाने के लिए सबसे बेहतर स्थिति में होंगी।
डेटा साइंस और बिग डेटा
यदि सफल होने वाली और बाजार में अग्रणी बनने वाली कंपनियों और असफल होने वाली कंपनियों के बीच कोई एक अंतर है, तो वह यही है बड़ा डेटा. सभी प्रकार की मशीन लर्निंग पर बहुत अधिक निर्भर हैं डेटा विज्ञान, इसे डेटा में पैटर्न से दुनिया को समझने की प्रक्रिया के रूप में सबसे अच्छा वर्णित किया गया है। इस मामले में एआई डेटा से सीख रहा है, और जितना अधिक डेटा उतना अधिक सटीक परिणाम। जैसा कि कहा जाता है, इस नियम के कुछ अपवाद हैं ओवरफिटिंग, लेकिन यह एक चिंता का विषय है जिसके बारे में एआई डेवलपर्स जागरूक हैं और इसकी भरपाई के लिए सावधानी बरतते हैं।
बड़े डेटा का महत्व यही है कि जब स्वायत्त वाहन प्रौद्योगिकी की बात आती है तो टेस्ला जैसी कंपनियों को स्पष्ट बाजार लाभ होता है। प्रत्येक टेस्ला जो गति में है और ऑटो-पायलट का उपयोग करके क्लाउड में डेटा फीड कर रहा है। यह टेस्ला को समग्र स्वायत्त वाहन प्रणाली को बेहतर बनाने के लिए गहन सुदृढीकरण सीखने और अन्य एल्गोरिदम बदलावों का उपयोग करने में सक्षम बनाता है।
यही कारण है कि चुनौती देने वालों के लिए Google जैसी कंपनियों को गद्दी से उतारना इतना कठिन होगा। प्रत्येक दिन वह दिन होता है जब Google अपने असंख्य उत्पादों और सेवाओं से डेटा एकत्र करता है, इसमें खोज परिणाम, Google Adsense, Android मोबाइल डिवाइस, Chrome वेब ब्राउज़र और यहां तक कि Nest थर्मोस्टेट भी शामिल है। Google दुनिया की किसी भी अन्य कंपनी की तुलना में सबसे अधिक डेटा डूब रहा है। यह उन सभी चन्द्रमाओं की गिनती भी नहीं कर रहा है जिनमें वे शामिल हैं।
यह समझकर कि गहन शिक्षा और डेटा विज्ञान क्यों मायने रखता है, हम यह अनुमान लगा सकते हैं कि नीचे दी गई कंपनियां इतनी शक्तिशाली क्यों हैं।
निवेश करने के लिए एआई कंपनियां
तीन मौजूदा बाज़ार नेता हैं जिन्हें चुनौती देना बहुत मुश्किल होगा।
अल्फाबेट इंक (NASDAQ: GOOGL)
वर्णमाला इंक सभी Google उत्पादों के लिए छत्र कंपनी है जिसमें Google खोज इंजन भी शामिल है। यह समझाने के लिए एक संक्षिप्त इतिहास पाठ आवश्यक है कि वे एआई में इतने बाज़ार नेता क्यों हैं। 2010 में, एक ब्रिटिश कंपनी Deepmind सामान्य प्रयोजन शिक्षण एल्गोरिदम के निर्माण की दिशा में विभिन्न मशीन लर्निंग तकनीकों को लागू करने के लक्ष्य के साथ लॉन्च किया गया था।
2013 में, डीपमाइंड ने गहन सुदृढीकरण शिक्षा का उपयोग करके सात अटारी खेलों में विश्व चैंपियन बनने सहित विभिन्न उपलब्धियों के साथ दुनिया में तहलका मचा दिया।
2014 में, Google $500 मिलियन में डीपमाइंड का अधिग्रहण कियाइसके तुरंत बाद, 2015 में डीपमाइंड का अल्फ़ागो एक पेशेवर मानव गो खिलाड़ी को हराने वाला पहला एआई प्रोग्राम बन गया, और एक गो विश्व चैंपियन को हराने वाला पहला प्रोग्राम भी। जो लोग गो से परिचित नहीं हैं, उनके लिए यह अब तक का सबसे चुनौतीपूर्ण खेल माना जाता है।
डीपमाइंड को वर्तमान में माना जाता है बाजार का नेता गहन सुदृढीकरण सीखने में, और उपलब्धि के लिए एक अग्रणी दावेदारआर्टिफिशियल जनरल इंटेलिजेंस (एजीआई), एआई का एक भविष्यवादी प्रकार जिसका लक्ष्य अंततः मानव स्तर की बुद्धिमत्ता को प्राप्त करना या उससे आगे निकलना है।
हमें अभी भी अन्य प्रकार के AI पर विचार करने की आवश्यकता है जिसमें Google वर्तमान में शामिल है Waymo, ऑटोमोनस वाहन प्रौद्योगिकी में एक मार्केट लीडर, टेस्ला के बाद दूसरा, और वर्तमान में Google खोज इंजन में उपयोग किए जाने वाले गुप्त AI सिस्टम।
Google वर्तमान में AI के इतने स्तरों में शामिल है कि उन सभी को कवर करने के लिए एक विस्तृत पेपर की आवश्यकता होगी।
टेस्ला (NASDAQ: TSLA)
जैसा कि पहले कहा गया टेस्ला अपने ऑटो-पायलट से डेटा एकत्र करने के लिए, यह अपने सड़क पर चलने वाले वाहनों के बेड़े से बड़े डेटा का लाभ उठा रहा है। जितना अधिक डेटा एकत्र किया जाएगा, उतना ही यह डीप रीइन्फोर्समेंट लर्निंग का उपयोग करके बेहतर प्रदर्शन कर सकता है। यह विशेष रूप से उन मामलों के लिए महत्वपूर्ण है जिन्हें एज केस कहा जाता है, जिन्हें ऐसे परिदृश्य कहा जाता है जो वास्तविक जीवन में अक्सर नहीं होते।
उदाहरण के लिए, सड़क पर घटित होने वाले हर प्रकार के परिदृश्य में भविष्यवाणी करना और प्रोग्राम करना असंभव है, जैसे ट्रैफ़िक में लुढ़कता हुआ सूटकेस, या आसमान से गिरता हुआ विमान। इस मामले में बहुत कम विशिष्ट डेटा है, और सिस्टम को कई अलग-अलग परिदृश्यों से डेटा को संबद्ध करने की आवश्यकता है। बड़ी मात्रा में डेटा होने का यह एक और फायदा है, जबकि यह पहली बार हो सकता है कि ह्यूस्टन में टेस्ला को ऐसे परिदृश्य का सामना करना पड़ा हो, यह संभव है कि दुबई में टेस्ला को कुछ इसी तरह का सामना करना पड़ा हो।
टेस्ला भी मार्केट लीडर है बैटरी तकनीक, और वाहनों के लिए विद्युत प्रौद्योगिकी में। ये दोनों रिचार्ज की आवश्यकता से पहले वाहन की रेंज को अनुकूलित करने के लिए एआई सिस्टम पर निर्भर करते हैं। टेस्ला अपने लगातार प्रयोग के लिए जाना जाता है ऑन-एयर अपडेट एआई अनुकूलन के साथ इसके वाहन बेड़े के प्रदर्शन और रेंज में कुछ प्रतिशत सुधार हुआ है।
मानो यह पर्याप्त नहीं था, टेस्ला भी है अपने स्वयं के एआई चिप्स डिजाइन कर रहा है, इसका मतलब है कि यह अब तीसरे पक्ष के चिप्स पर निर्भर नहीं है, और वे जमीन से ऊपर तक अपने पूर्ण स्व-ड्राइविंग सॉफ़्टवेयर के साथ काम करने के लिए चिप्स को अनुकूलित कर सकते हैं।
एनवीडिया (NASDAQ: एनवीडीए)
NVIDIA क्या कंपनी GPU (ग्राफिक्स प्रोसेसिंग यूनिट) चिप्स की मांग में मौजूदा वृद्धि का लाभ उठाने के लिए सबसे अच्छी स्थिति में है, क्योंकि वे वर्तमान में इसके लिए जिम्मेदार हैं सभी जीपीयू का 80% बिक्री।
जबकि GPU का इस्तेमाल शुरू में वीडियो गेम के लिए किया जाता था, उन्हें AI उद्योग द्वारा विशेष रूप से डीप लर्निंग के लिए जल्दी से अपनाया गया। GPU के इतने महत्वपूर्ण होने का कारण यह है कि जब कम्प्यूटेशन समानांतर रूप से किए जाते हैं तो AI कम्प्यूटेशन की गति बहुत बढ़ जाती है। डीप लर्निंग ANN को प्रशिक्षित करते समय, इनपुट की आवश्यकता होती है और यह काफी हद तक इस पर निर्भर करता है मैट्रिक्स गुणन, जहां समानता महत्वपूर्ण है।
NVIDIA लगातार नए AI चिप्स जारी कर रहा है जो AI शोधकर्ताओं के विभिन्न उपयोग मामलों और आवश्यकताओं के लिए अनुकूलित हैं। नवप्रवर्तन का यह निरंतर दबाव ही है जो NVIDIA को बाज़ार में अग्रणी बनाए हुए है।
एक स्टॉक ब्रोकर चुनें
आपकी यात्रा में पहला कदम एक स्टॉक ब्रोकर चुनना होना चाहिए। एक ब्रोकर जिसकी हम अनुशंसा करते हैं वह है फर्स्ट्रेड.
सारांश
उन सभी कंपनियों को सूचीबद्ध करना असंभव है जो एआई के किसी न किसी रूप में शामिल हैं, जो महत्वपूर्ण है वह मशीन लर्निंग प्रौद्योगिकियों को समझना है जो उद्योग में देखे गए अधिकांश नवाचार और विकास के लिए जिम्मेदार हैं। हमने 3 मार्केट लीडरों पर प्रकाश डाला है, कई और भी आएंगे। एआई से अपडेट रहने के लिए आपको अद्यतित रहना चाहिए एआई समाचार, एआई प्रचार से बचें, और समझें कि यह क्षेत्र लगातार विकसित हो रहा है।
