Investera i artificiell intelligens (AI) – Allt du behöver veta

Artificiell intelligens (AI) är ett område som inte kräver någon introduktion. AI har följt Moore's lag som anger att hastigheten och kapaciteten hos datorer förväntas fördubblas varannan år. Sedan 2012 har mängden beräkningskraft som används i de största AI‑träningskörningarna ökat exponentiellt med en fördubbling var 3‑4:e månad, vilket har lett till att de beräkningsresurser som avsatts för AI har vuxit med 300 000 gånger sedan 2012. Ingen annan industri kan jämföras med dessa tillväxtstatistik.

Vi kommer att utforska vilka AI‑områden som driver denna acceleration, vilka företag som är bäst positionerade för att dra nytta av denna tillväxt, och varför det är viktigt.

Typer av maskininlärning

Maskininlärning är ett delområde av AI som i princip handlar om att programmera maskiner att lära sig. Det finns flera typer av maskininlärningsalgoritmer, den mest populära är utan tvekan djupinlärning, vilket innebär att data matas in i ett artificiellt neuronnätverk (ANN). Ett ANN är ett mycket beräkningsintensivt nätverk av matematiska funktioner som är sammankopplade i ett format inspirerat av de neurala nätverk som finns i den mänskliga hjärnan.

Ju mer stordata som matas in i ett ANN, desto mer exakt blir ANN. Till exempel, om du försöker träna ett ANN att lära sig att identifiera kattbilder, och du matar nätverket med 1000 kattbilder får nätverket en låg noggrannhet på kanske 70 %, om du ökar till 10 000 bilder kan noggrannheten öka till 80 %, om du ökar till 100 000 bilder har du just ökat nätverkets noggrannhet till 90 % och så vidare.

Här ligger en av möjligheterna – företag som dominerar området för AI‑chiputveckling är naturligtvis redo för tillväxt.

Det finns många andra typer av maskininlärning som visar lovande resultat, såsom förstärkningsinlärning, vilket innebär att en agent tränas genom upprepning av handlingar och tillhörande belöningar. Genom att använda förstärkningsinlärning kan ett AI‑system tävla mot sig självt med avsikt att förbättra sin prestation. Till exempel kommer ett program som spelar schack att spela mot sig självt upprepade gånger, där varje spelomgång förbättrar hur det presterar i nästa spel.

För närvarande använder de bästa AI‑typerna en kombination av både djupinlärning och förstärkningsinlärning i det som vanligtvis kallas djup förstärkningsinlärning. Alla ledande AI‑företag i världen, såsom Tesla (TSLA ), använder någon form av djup förstärkningsinlärning.

Även om det finns andra viktiga maskininlärningssystem som för närvarande utvecklas, såsom meta‑inlärning, för enkelhetens skull är det djupinlärning och dess mer avancerade kusin djup förstärkningsinlärning som investerare bör vara mest bekanta med. Företagen som ligger i framkant av denna teknologiska utveckling kommer att vara bäst positionerade för att dra nytta av den enorma exponentiella tillväxt vi bevittnar inom AI.

Data Science & Stordata

Om det finns en differentieringsfaktor mellan företag som kommer att lyckas och bli marknadsledare, och företag som kommer att misslyckas, så är det stordata. Alla typer av maskininlärning är starkt beroende av data science, vilket bäst kan beskrivas som en process för att förstå världen genom mönster i data. I detta fall lär sig AI från data, och ju mer data desto mer exakta blir resultaten. Det finns vissa undantag från denna regel på grund av det som kallas överanpassning, men detta är ett bekymmer som AI‑utvecklare är medvetna om och vidtar försiktighetsåtgärder för att kompensera.

Vikten av stordata är varför företag som Tesla har en klar marknadsfördel när det gäller autonom fordonsteknik. Varje Tesla som är i rörelse och använder autopilot matar data till molnet. Detta möjliggör för Tesla att använda djup förstärkningsinlärning och andra algoritmjusteringar för att förbättra det övergripande autonoma fordonssystemet.

Detta är också anledningen till att företag som Google kommer att vara så svåra för utmanare att avsätta. Varje dag samlar Google in data från sina otaliga produkter och tjänster, inklusive sökresultat, Google Adsense, Android‑mobila enheter, Chrome‑webbläsaren och till och med Nest‑termostaten. Google dränker sig i mer data än något annat företag i världen. Detta räknar inte med alla de moonshots de är involverade i.

Genom att förstå varför djupinlärning och data science är viktiga, kan vi sedan dra slutsatsen varför företagen nedan är så kraftfulla.

AI‑företag att investera i

Det finns tre nuvarande marknadsledare som kommer att vara mycket svåra att utmana.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc (GOOG ) är moderbolaget för alla Google‑produkter, inklusive Google‑sökmotorn. En kort historielektion är nödvändig för att förklara varför de är en sådan marknadsledare inom AI. År 2010 lanserades det brittiska företaget DeepMind med målet att tillämpa olika maskininlärningstekniker för att bygga generella inlärningsalgoritmer.

År 2013 tog DeepMind världen med storm med olika prestationer, inklusive att bli världsmästare i sju Atari‑spel genom att använda djup förstärkningsinlärning.

År 2014 köpte Google DeepMind för 500 miljoner dollar, kort därefter, år 2015, blev DeepMinds AlphaGo det första AI‑programmet som besegrade en professionell mänsklig Go‑spelare, och det första programmet som besegrade en Go‑världsmästare. För dem som inte är bekanta med Go anses det av många vara det mest utmanande spelet som finns.

DeepMind anses för närvarande vara en marknadsledare inom djup förstärkningsinlärning, och en ledande kandidat för att uppnå Artificial General Intelligence (AGI), en futuristisk typ av AI med målet att så småningom nå eller överträffa mänsklig intelligensnivå.

Vi måste fortfarande ta hänsyn till de andra typerna av AI som Google för närvarande är involverade i, såsom Waymo, en marknadsledare inom autonom fordonsteknik, näst efter Tesla, samt de hemliga AI‑system som för närvarande används i Googles sökmotor.

Google är för närvarande involverat i så många nivåer av AI att det skulle kräva ett omfattande papper för att täcka dem alla.

Tesla (NASDAQ: TSLA)

Som tidigare nämnts Tesla utnyttjar stordata från sin flotta av bilar på vägarna för att samla in data från sin autopilot. Ju mer data som samlas in, desto mer kan den förbättras med hjälp av djup förstärkningsinlärning, vilket är särskilt viktigt för så kallade edge‑case‑scenarier, det vill säga situationer som sällan inträffar i verkligheten.

Till exempel är det omöjligt att förutsäga och programmera in varje typ av scenario som kan inträffa på vägen, såsom en resväska som rullar in i trafiken eller ett flygplan som faller från himlen. I detta fall finns mycket lite specifik data, och systemet måste associera data från många olika scenarier. Detta är en annan fördel med att ha en enorm mängd data; även om det kan vara första gången en Tesla i Houston stöter på ett scenario, är det möjligt att en Tesla i Dubai redan har stött på något liknande.

Tesla är också en marknadsledare inom batteriteknik, och inom elektrisk teknik för fordon. Båda dessa förlitar sig på AI‑system för att optimera ett fordons räckvidd innan en laddning krävs. Tesla är känt för sina frekventa on‑air‑uppdateringar med AI‑optimeringar som förbättrar prestanda och räckvidd för sin fordonsflotta med några procentenheter.

Som om detta inte vore tillräckligt, designar Tesla också sina egna AI‑chip, vilket innebär att de inte längre är beroende av tredjeparts‑chip och kan optimera chipen för att fungera med deras fullständiga självkörande mjukvara från grunden.

NVIDIA (NASDAQ: NVDA)

NVIDIA (NVDA ) är det företag som är bäst positionerat för att dra nytta av den nuvarande ökningen i efterfrågan på GPU‑chip (Graphics Processing Unit), eftersom de för närvarande står för 80 % av alla GPU‑försäljningar.

Medan GPU‑er ursprungligen användes för videospel, adopterades de snabbt av AI‑industrin, särskilt för djupinlärning. Anledningen till att GPU‑er är så viktiga är att hastigheten på AI‑beräkningar kraftigt förbättras när beräkningarna utförs parallellt. Vid träning av ett djupinlärnings‑ANN krävs indata, vilket starkt beror på matrismultiplikationer, där parallellism är viktig.

NVIDIA släpper ständigt nya AI‑chip som är optimerade för olika användningsfall och krav från AI‑forskare. Det är detta ständiga innovationspress som håller NVIDIA som en marknadsledare.

Välj en aktiemäklare

Det första steget i din resa bör vara att välja en aktiemäklare. En mäklare som vi rekommenderar är Firstrade.

Sammanfattning

Det är omöjligt att lista alla företag som är involverade i någon form av AI; det viktiga är att förstå de maskininlärningsteknologier som är ansvariga för den största delen av den innovation och tillväxt som branschen har bevittnat. Vi har lyft fram tre marknadsledare, många fler kommer att följa. För att hålla dig uppdaterad om AI bör du följa AI‑nyheter, undvika AI‑hype och förstå att detta område ständigt utvecklas.