Investering i kunstig intelligens (AI) – Alt du trenger å vite

Kunstig intelligens (AI) er et felt som ikke trenger noen introduksjon. AI har fulgt Moore’s lov, som angir at hastigheten og kapasiteten til datamaskiner kan forventes å dobles hvert andre år. Siden 2012 har mengden beregningskraft som brukes i de største AI‑treningskjøringene økt eksponentielt med en dobling hver 3 til 4 måneder, med resultatet at mengden databehandlingsressurser som er tildelt AI har vokst med 300 000‑fold siden 2012. Ingen annen industri kan sammenlignes med disse vekststatistikkene.

Vi vil utforske hvilke AI‑områder som driver denne akselerasjonen, hvilke selskaper som er best posisjonert til å dra nytte av denne veksten, og hvorfor det er viktig.

Typer maskinlæring

Maskinlæring er et delområde av AI som i hovedsak handler om å programmere maskiner til å lære. Det finnes flere typer maskinlæringsalgoritmer, den klart mest populære er dyp læring, som innebærer å mate data inn i et kunstig nevralt nettverk (ANN). Et ANN er et svært beregningsintensivt nettverk av matematiske funksjoner som er koblet sammen i et format inspirert av nevrale nettverk i den menneskelige hjerne.

Jo mer store data som mates inn i et ANN, desto mer presist blir ANN. For eksempel, hvis du prøver å trene et ANN til å lære å identifisere kattebilder, og du gir nettverket 1000 kattebilder, vil nettverket ha en lav nøyaktighet på kanskje 70 %, hvis du øker til 10 000 bilder kan nøyaktigheten øke til 80 %, og hvis du øker til 100 000 bilder, har du nettopp økt nøyaktigheten til 90 % og videre.

Her ligger en av mulighetene: selskaper som dominerer feltet AI‑brikkutvikling er naturlig klare for vekst.

Det finnes mange andre typer maskinlæring som viser løfter, som forsterkningslæring. Dette er trening av en agent gjennom gjentatte handlinger og tilhørende belønninger. Ved å bruke forsterkningslæring kan et AI‑system konkurrere mot seg selv med mål om å forbedre ytelsen. For eksempel vil et program som spiller sjakk spille mot seg selv gjentatte ganger, og hver spillrunde forbedrer hvordan det presterer i neste spill.

For øyeblikket bruker de beste AI‑typene en kombinasjon av både dyp læring og forsterkningslæring i det som vanligvis kalles dyp forsterkningslæring. Alle de ledende AI‑selskapene i verden, som Tesla (TSLA ), bruker en form for dyp forsterkningslæring.

Selv om det finnes andre viktige maskinlæringssystemer som for tiden utvikles, som meta‑læring, er det for enkelhets skyld dyp læring og dens mer avanserte kusine dyp forsterkningslæring det investorene bør kjenne best til. Selskapene som står i frontlinjen av denne teknologiske utviklingen vil være best posisjonert til å dra nytte av den enorme eksponentielle veksten vi ser i AI.

Data Science og Big Data

Hvis det er én differensieringsfaktor mellom selskaper som vil lykkes og bli markedsledere, og selskaper som vil mislykkes, er det store data. Alle typer maskinlæring er sterkt avhengige av datavitenskap, som best kan beskrives som en prosess for å forstå verden gjennom mønstre i data. I dette tilfellet lærer AI fra data, og jo mer data, desto mer nøyaktige blir resultatene. Det finnes noen unntak fra denne regelen på grunn av det som kalles overtilpasning, men dette er en bekymring AI‑utviklere er klar over og tar forholdsregler for å kompensere.

Viktigheten av store data er grunnen til at selskaper som Tesla har en klar markedsfordel når det gjelder autonom kjøretøyteknologi. Hver eneste Tesla som er i bevegelse og bruker autopilot, sender data til skyen. Dette gjør det mulig for Tesla å bruke dyp forsterkningslæring og andre algoritmejusteringer for å forbedre det samlede autonome kjøretøysystemet.

Dette er også grunnen til at selskaper som Google vil være så vanskelige for konkurrenter å avsette. Hver dag som går er en dag Google samler inn data fra sine utallige produkter og tjenester, inkludert søkeresultater, Google Adsense, Android‑mobilenheter, Chrome‑nettleseren og til og med Nest‑termostaten. Google drukner i mer data enn noe annet selskap i verden. Dette er uten å telle alle de store prosjektene de er involvert i.

Ved å forstå hvorfor dyp læring og datavitenskap er viktige, kan vi deretter konkludere med hvorfor selskapene nedenfor er så kraftfulle.

AI-selskaper å investere i

Det finnes tre nåværende markedsledere som vil være svært vanskelige å utfordre.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc (GOOG ) er paraplyfirmaet for alle Google‑produkter, inkludert Google‑søkemotoren. En kort historisk gjennomgang er nødvendig for å forklare hvorfor de er en så sterk markedsleder innen AI. I 2010 ble det britiske selskapet DeepMind lansert med mål om å anvende ulike maskinlæringsteknikker for å bygge generelle læringsalgoritmer.

I 2013 tok DeepMind verden med storm med ulike prestasjoner, inkludert å bli verdensmester i syv Atari‑spill ved bruk av dyp forsterkningslæring.

I 2014 kjøpte Google DeepMind for 500 millioner dollar, kort tid etter i 2015 ble DeepMinds AlphaGo det første AI‑programmet som beseiret en profesjonell menneskelig Go‑spiller, og det første programmet som beseiret en Go‑verdensmester. For de som ikke er kjent med Go, anses det av mange som det mest utfordrende spillet som finnes.

DeepMind regnes i dag som en markedsleder innen dyp forsterkningslæring, og som en ledende kandidat for å oppnå Artificial General Intelligence (AGI), en futuristisk type AI med mål om etter hvert å oppnå eller overgå menneskelig intelligensnivå.

Vi må fortsatt ta hensyn til de andre AI‑typene Google er involvert i, som Waymo, en markedsleder innen autonom kjøretøyteknologi, kun overgått av Tesla, samt de hemmelige AI‑systemene som nå brukes i Google‑søkemotoren.

Google er i dag involvert i så mange nivåer av AI at det ville kreve et omfattende papir å dekke dem alle.

Tesla (NASDAQ: TSLA)

Som tidligere nevnt utnytter Tesla store data fra sin flåte av kjøretøy på veien for å samle inn data fra autopiloten. Jo mer data som samles inn, desto mer kan de forbedre seg ved hjelp av dyp forsterkningslæring, noe som er spesielt viktig for såkalte edge‑cases, altså scenarier som sjelden forekommer i virkeligheten.

For eksempel er det umulig å forutsi og programmere inn hver eneste type scenario som kan oppstå på veien, som en koffert som ruller inn i trafikken, eller et fly som faller fra himmelen. I slike tilfeller er det svært lite spesifikk data, og systemet må knytte data fra mange ulike scenarioer. Dette er en annen fordel ved å ha en enorm mengde data; selv om det kan være første gang en Tesla i Houston møter et slikt scenario, kan en Tesla i Dubai ha opplevd noe lignende.

Tesla er også en markedsleder innen batteriteknologi, og innen elektrisk teknologi for kjøretøy. Begge disse er avhengige av AI‑systemer for å optimalisere rekkevidden til et kjøretøy før en lading er nødvendig. Tesla er kjent for sine hyppige over‑the‑air‑oppdateringer med AI‑optimaliseringer som forbedrer ytelse og rekkevidde for kjøretøyflåten med noen prosentpoeng.

Som om ikke dette var nok, designer Tesla også sine egne AI‑brikker, noe som betyr at de ikke lenger er avhengige av tredjepartsbrikker, og de kan optimalisere brikkene til å fungere med deres fullstendige selvkjørende programvare fra bunnen av.

NVIDIA (NASDAQ: NVDA)

NVIDIA (NVDA ) er selskapet som er best posisjonert til å dra nytte av den nåværende økningen i etterspørselen etter GPU‑brikker (grafikkprosesseringsenheter), da de for tiden står for 80 % av alle GPU‑salg.

Selv om GPU‑er opprinnelig ble brukt til videospill, ble de raskt tatt i bruk av AI‑industrien, spesielt for dyp læring. Grunnen til at GPU‑er er så viktige, er at hastigheten på AI‑beregninger økes betydelig når beregningene utføres parallelt. Under trening av et dyp lærings‑ANN kreves innganger, og dette avhenger sterkt av matrismultiplikasjoner, hvor parallellitet er viktig.

NVIDIA slipper kontinuerlig nye AI‑brikker som er optimalisert for ulike bruksområder og krav fra AI‑forskere. Det er dette konstante presset for innovasjon som holder NVIDIA som en markedsleder.

Velg en aksjemegler

Det første steget i din reise bør være å velge en aksjemegler. En megler vi anbefaler er Firstrade.

Oppsummering

Det er umulig å liste opp alle selskapene som er involvert i en form for AI; det som er viktig er å forstå maskinlæringsteknologiene som er ansvarlige for mesteparten av innovasjonen og veksten som industrien har opplevd. Vi har fremhevet tre markedsledere, og mange flere vil komme. For å holde deg oppdatert på AI, bør du følge med på AI‑nyheter, unngå AI‑hype, og forstå at dette feltet stadig er i utvikling.