Investeren in Kunstmatige Intelligentie (AI) – Alles wat je moet weten

Kunstmatige Intelligentie (AI) is een vakgebied dat geen introductie nodig heeft. AI heeft de staart van de Moore’s Law gevolgd, die stelt dat de snelheid en capaciteit van computers elke twee jaar naar verwachting verdubbelen. Sinds 2012 is de hoeveelheid rekenkracht die wordt gebruikt in de grootste AI‑trainingsruns exponentieel toegenomen met een verdubbeling elke 3 tot 4 maanden, met als resultaat dat de hoeveelheid computerbronnen die aan AI worden toegewezen, sinds 2012 met 300.000 × is gegroeid. Geen andere industrie kan zich vergelijken met deze groeistatistieken.

We zullen verkennen welke AI‑gebieden deze versnelling aansturen, welke bedrijven het best gepositioneerd zijn om van deze groei te profiteren, en waarom het belangrijk is.

Typen Machine Learning

Machine learning is een subveld van AI dat in wezen machines programmeert om te leren. Er zijn meerdere typen machine learning‑algoritmen, de veruit populairste is deep learning, dit houdt in dat data wordt gevoed in een kunstmatig neuraal netwerk (ANN). Een ANN is een zeer rekenintensief netwerk van wiskundige functies die samengevoegd zijn in een formaat geïnspireerd op de neurale netwerken die in het menselijk brein worden gevonden.

Hoe meer big data er in een ANN wordt gevoed, hoe nauwkeuriger de ANN wordt. Bijvoorbeeld, als je probeert een ANN te trainen om kattenfoto’s te herkennen, en je voedt het netwerk met 1.000 kattenfoto’s, zal het netwerk een nauwkeurigheid van ongeveer 70 % hebben; als je dit verhoogt naar 10.000 foto’s, kan de nauwkeurigheid stijgen tot 80 %; als je het verhoogt tot 100.000 foto’s, dan heb je de nauwkeurigheid van het netwerk tot 90 % verhoogd, en zo verder.

Hierin ligt een van de kansen: bedrijven die het veld van AI‑chipontwikkeling domineren, zijn van nature rijp voor groei.

Er zijn veel andere soorten machine learning die veelbelovend zijn, zoals reinforcement learning, dit is het trainen van een agent door herhaling van acties en bijbehorende beloningen. Door reinforcement learning kan een AI‑systeem tegen zichzelf concurreren met de bedoeling zijn prestaties te verbeteren. Bijvoorbeeld, een programma dat schaken speelt, zal herhaaldelijk tegen zichzelf spelen, waarbij elke speelsessie de prestaties in het volgende spel verbetert.

Momenteel gebruiken de beste AI‑typen een combinatie van zowel deep learning als reinforcement learning, wat algemeen wordt aangeduid als deep reinforcement learning. Alle toonaangevende AI‑bedrijven in de wereld, zoals Tesla (TSLA ), gebruiken een vorm van deep reinforcement learning.

Hoewel er andere belangrijke machine learning‑systemen worden ontwikkeld, zoals meta-learning, is voor de eenvoud deep learning en zijn meer geavanceerde verwant deep reinforcement learning waar beleggers het meest mee bekend moeten zijn. De bedrijven die voorop lopen in deze technologische vooruitgang zullen het best gepositioneerd zijn om te profiteren van de enorme exponentiële groei die we in AI waarnemen.

Datawetenschap & Big Data

Als er één onderscheidende factor is tussen bedrijven die zullen slagen en marktleiders worden, en bedrijven die zullen falen, dan is het big data. Alle soorten machine learning zijn sterk afhankelijk van data science, dit wordt het best beschreven als een proces om de wereld te begrijpen aan de hand van patronen in data. In dit geval leert de AI van data, en hoe meer data, hoe nauwkeuriger de resultaten. Er zijn enkele uitzonderingen op deze regel door wat overfitting wordt genoemd, maar dit is een zorg waar AI‑ontwikkelaars zich van bewust zijn en voorzorgsmaatregelen nemen om te compenseren.

Het belang van big data is de reden waarom bedrijven zoals Tesla een duidelijk marktvoordeel hebben op het gebied van autonome voertuigtechnologie. Elke Tesla die in beweging is en autopilot gebruikt, voedt data naar de cloud. Dit stelt Tesla in staat om deep reinforcement learning en andere algoritme‑aanpassingen te gebruiken om het algehele autonome voertuigssysteem te verbeteren.

Dit is ook de reden waarom bedrijven zoals Google zo moeilijk te verdringen zijn voor concurrenten. Elke dag die verstrijkt, is een dag waarop Google data verzamelt van haar talloze producten en diensten, waaronder zoekresultaten, Google Adsense, Android mobiele apparaten, de Chrome‑webbrowser en zelfs de Nest‑thermostaat. Google verdrinkt in meer data dan elk ander bedrijf ter wereld. Dit is nog zonder de talloze moonshots waarin ze betrokken zijn.

Door te begrijpen waarom deep learning en datawetenschap belangrijk zijn, kunnen we vervolgens afleiden waarom de onderstaande bedrijven zo krachtig zijn.

AI-bedrijven om in te investeren

Er zijn drie huidige marktleiders die zeer moeilijk te challengen zullen zijn.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc (GOOG ) is het moederbedrijf voor alle Google‑producten, waaronder de Google‑zoekmachine. Een korte historieles is nodig om uit te leggen waarom ze zo’n marktleider in AI zijn. In 2010 werd een Brits bedrijf DeepMind opgericht met als doel verschillende machine learning‑technieken toe te passen op het bouwen van algemene leeralgoritmen.

In 2013 nam DeepMind de wereld stormachtig over met verschillende prestaties, waaronder wereldkampioen worden in zeven Atari‑spellen door gebruik te maken van deep reinforcement learning.

In 2014 kocht Google DeepMind voor $500 Million, kort daarna in 2015 werd DeepMind’s AlphaGo het eerste AI‑programma dat een professionele menselijke Go‑speler versloeg, en het eerste programma dat een Go‑wereldkampioen versloeg. Voor wie niet bekend is met Go, wordt het door velen beschouwd als het meest uitdagende spel dat bestaat.

DeepMind wordt momenteel beschouwd als een marktleider in deep reinforcement learning, en een toonaangevende kandidaat voor het bereiken van Artificial General Intelligence (AGI), een futuristisch type AI met als doel uiteindelijk menselijk niveau van intelligentie te bereiken of te overtreffen.

We moeten nog rekening houden met de andere soorten AI waarin Google momenteel actief is, zoals Waymo, een marktleider in autonome voertuigtechnologie, tweede alleen na Tesla, en de geheimzinnige AI‑systemen die momenteel worden gebruikt in de Google‑zoekmachine.

Google is momenteel betrokken bij zoveel niveaus van AI, dat het een uitputtend artikel zou vergen om ze allemaal te behandelen.

Tesla (NASDAQ: TSLA)

Zoals eerder vermeld maakt Tesla gebruik van big data van haar vloot on‑road voertuigen om data van haar autopilot te verzamelen. Hoe meer data er wordt verzameld, hoe meer het kan verbeteren met deep reinforcement learning; dit is vooral belangrijk voor wat wordt beschouwd als edge cases, oftewel scenario’s die niet vaak voorkomen in het echte leven.

Bijvoorbeeld, het is onmogelijk om elk type scenario dat zich op de weg kan voordoen te voorspellen en te programmeren, zoals een koffer die in het verkeer rolt, of een vliegtuig dat uit de lucht valt. In dit geval is er zeer weinig specifieke data, en moet het systeem data uit vele verschillende scenario’s associëren. Dit is een ander voordeel van het hebben van een enorme hoeveelheid data; terwijl het de eerste keer kan zijn dat een Tesla in Houston een scenario tegenkomt, is het mogelijk dat een Tesla in Dubai iets soortgelijks heeft meegemaakt.

Tesla is ook een marktleider in batterijtechnologie, en in elektrische technologie voor voertuigen. Beide vertrouwen op AI‑systemen om het bereik van een voertuig te optimaliseren voordat een herlaadbeurt nodig is. Tesla staat bekend om zijn frequente over‑the‑air updates met AI‑optimalisaties die de prestaties en het bereik van zijn voertuigvloot met enkele procentpunten verbeteren.

Also al is dit niet voldoende, Tesla ontwerpt ook zijn eigen AI‑chips, wat betekent dat het niet langer afhankelijk is van chips van derden, en ze chips kunnen optimaliseren om vanaf de basis te werken met hun volledige zelfrijdende software.

NVIDIA (NASDAQ: NVDA)

NVIDIA (NVDA ) is het bedrijf dat het best gepositioneerd is om te profiteren van de huidige stijging in de vraag naar GPU (Graphics Processing Unit)-chips, aangezien zij momenteel verantwoordelijk zijn voor 80 % van alle GPU-verkopen.

Hoewel GPU’s aanvankelijk werden gebruikt voor videogames, werden ze snel overgenomen door de AI‑industrie, specifiek voor deep learning. De reden waarom GPU’s zo belangrijk zijn, is dat de snelheid van AI‑berekeningen sterk wordt verhoogd wanneer berekeningen parallel worden uitgevoerd. Bij het trainen van een deep learning ANN zijn invoerwaarden nodig, en dit hangt sterk af van matrixvermenigvuldigingen, waarbij parallelisme cruciaal is.

NVIDIA brengt voortdurend nieuwe AI‑chips uit die geoptimaliseerd zijn voor verschillende use‑cases en eisen van AI‑onderzoekers. Het is deze constante drang tot innovatie die NVIDIA als marktleider behoudt.

Kies een effectenmakelaar

De eerste stap in je reis moet het kiezen van een effectenmakelaar zijn. Een makelaar die wij aanbevelen is Firstrade.

Samenvatting

Het is onmogelijk om alle bedrijven die op enige wijze betrokken zijn bij AI op te sommen; wat belangrijk is, is het begrijpen van de machine learning‑technologieën die verantwoordelijk zijn voor het grootste deel van de innovatie en groei die de industrie heeft meegemaakt. We hebben 3 marktleiders belicht, er zullen nog veel meer volgen. Om op de hoogte te blijven van AI, moet je actueel blijven met AI‑nieuws, AI‑hype vermijden, en beseffen dat dit vakgebied voortdurend evolueert.