Binabago ang Takdang Panahon ng mga Diskubre sa Pamamagitan ng Paggamit ng Artipisyal na Intelihensiya (AI)

Mula sa Manwal na Pananaliksik Patungo sa Awtomasyon gamit ang AI

Sa loob ng ilang panahon, ang mga siyentipikong pag-unlad ay nakasalalay lamang sa talino ng mga magagaling na siyentista at hindi sa Artipisyal na Intelihensiya (AI). Kinailangan nilang idisenyo at subukan ang kanilang hipotesis nang mano-mano sa pamamagitan ng mga pasadyang eksperimento. Kadalasan, ito ay isang napakabagal na proseso, na tumatagal ng mga taon mula sa unang ideya hanggang sa aktwal na resulta.

Kamakailan, ang mas mataas na antas ng awtomasyon ay nagbigay-daan sa pagbawas ng manu-manong paggawa sa pangunahing pananaliksik. Halimbawa, Next-Generation Sequencing (NGS) ay nagpayag ng pag-sekwens ng genome sa loob lamang ng ilang araw at sa mas mababang gastos, noong ang unang pag-sekwens ng human genome noong 2003 ay nagkakahalaga ng $3B at tumagal ng isang dekada upang makamit.

NGS Sequencer- Pinagmulan: Illumina

Ang awtomasyon ay nagbigay-daan upang ang pisikal na hakbang sa pananaliksik ay maisagawa sa napakalaking sukat at mas mababang gastos. Ngunit ang intelektwal na pagsisikap, halimbawa, ang pagsusuri ng datos mula sa genome sequencing, ay patuloy na umaasa lamang sa utak ng tao at mga modelong matematikal na tinutulungan ng computer. Hanggang sa naging bagong tagapagbago ng laro ang AI.

Tumutulong sa Utak ng Tao

Habang umuunlad ang agham, lalong nagiging kumplikado ang datos. Ang paghahanap ng bagong materyal ay nakasalalay sa medyo simpleng proseso, tulad ng paghahalo ng mga elemento na hindi pa nasubukan na magkasama dati.

Ngunit ang mga advanced na agham ng materyales, halimbawa sa teknolohiyang baterya o semiconductor, ay nangangailangan ng manipulasyon ng mga sangkap sa antas ng nanometro, at minsan pa sa antas ng indibidwal na atom. Ito ay nagiging napakakumplikado para sa utak ng tao na ganap na maunawaan ang lahat ng magagamit na datos.

Halimbawa, ang paghahanap ng tamang materyal para sa bagong disenyo ng baterya ay maaaring magsangkot ng pagpili mula sa 32 milyong potensyal na inorganikong materyales. Ito ang hamon na kinaharap ni Vijay Murugesan, ang pinuno ng grupo ng materyal na agham sa PNNL (Pacific Northwest National Laboratory).

Dati, kinakailangan ang mga matalinong hula, magaspang na modelo ng computer, at manu-manong pagsubok upang paikliin ang mga posibilidad at ito ay tumatagal ng mga taon. Sa halip, nagtatag ang PNNL ng pakikipagtulungan sa Microsoft (MSFT ) upang magamit ang kadalubhasaan ng higanteng teknolohiya sa AI.

Pagtuturo ng Kimika sa Maramihang AI

Matagal nang nagtatrabaho ang Microsoft sa ganitong mga aplikasyon, sa pamamagitan ng programang AI4Science nito. Halimbawa, ang MatterGen generative AI nito ay “nagpapahintulot ng malawak na disenyo ng materyales na ginabayan ng mga katangian”.

Pinagmulan: Microsoft

Sa pakikipagtulungan sa PNNL, partikular na nag-develop ang Microsoft ng ilang magkaibang AI upang suriin ang lahat ng mga maaaring gamitin na elemento at ang kanilang mga kombinasyon.

Mayroon din itong AI na nakatuon sa paghahanap kung aling mga materyales ang matatag. At isang AI na sumusuri sa mga molekula batay sa kanilang reaktibidad. At isa pang AI na hinuhusgahan ang kakayahan ng mga molekula na magdala ng enerhiya.

Ang kombinasyong ito ng AI ay hindi dinisenyo upang hanapin ang lahat ng posibleng solusyon sa isang ibinigay na problema. Sa halip, tinitingnan nito ang napakalaking dami ng mga posibilidad (sa sampu-sampung milyong) at sinusubukang paikliin ito sa ilang magagandang kandidato.

Ang pamamaraang ito ay nagbawas ng 32 milyong potensyal na materyales hanggang 500,000 na kandidato, at pagkatapos ay hanggang 800.

Ito ay lubos na naiiba sa purong computer-based na pamamaraan ng matematikal na modelo, na sa halip ay susubukang kalkulahin gamit ang “brute force” ang mga kemikal na katangian ng isang materyal, madalas sa pamamagitan ng pagsasagawa ng simulation atom sa atom. Sa halip, ang AI ay gumagawa ng isang matalinong “hula” kung ano ang dapat gumana gamit ang mga analohiya, halos katulad ng paraan ng tao. Maliban na ang pangkat ng mga AI ay nakapag-screen ng 32 milyong ideya sa loob ng mas mababa sa 80 oras.

Ang pagbawas ng mga buwan o taon ng trabaho sa ilang araw o linggo ay isang ganap na rebolusyon sa bilis ng pag-unlad ng agham.

Kung ilalapat nang mas malawakan, maaari nitong ganap na baguhin ang bilis ng pag-unlad ng teknolohiya sa mga lipunang pantao.

Pag-iimbak ng Mahahalagang Resurso

Kapag ang listahan ay napaliit na lamang sa 800 na kandidato, maaaring gamitin ng mga mananaliksik ang mas karaniwang pamamaraan ng High-Performance Computing (HPC). Pinahintulutan nito ang pagkalkula ng lahat ng posibleng estado ng enerhiya ng 800 na kandidato. Pagkatapos ay ginamit ang kombinasyon ng dedikadong AI at HPC upang i-simulate ang galaw ng bawat atom at molekula sa loob ng bawat materyal.

Sa paggamit ng HPC sa iilang daang kandidato lamang, nakaligtas ang PNNL ng maraming oras at pera, dahil ang pamamaraang ito ay labis na nangangailangan ng kapangyarihan ng pag-compute. Ito ay nagbawas ng listahan ng kandidato sa 150 lamang.

Mula roon, ang pagsusuri ng gastos, availability, at iba pang praktikal na konsiderasyon ay nagbawas ng orihinal na 32 milyong kandidato hanggang sa 23 lamang. Nakakatuwang malaman na sa 23, 5 ay kilala na, na nagpapakita ng kahalagahan ng pamamaraan, dahil “na-discover muli” nito ang 5 materyales nang independiyente.

Ang dating metodolohiya ng pananaliksik ay labis na umaasa sa magastos at mabagal na HPC. Ang AI na pamamaraan ay sa halip nagbawas ng HPC sa 10% lamang ng kabuuang oras ng pag-compute. Ang katotohanang ang AI computation ay cloud-based, sa halip na gumamit ng mamahalin at bihirang oras ng supercomputer ng mga institusyong pananaliksik, ay nakatulong din upang maging mas epektibo.

Ang Mga Susunod na Hakbang

Ang pakikipagtulungan sa pagitan ng Microsoft at PNNL sa materyal ng baterya ay simula lamang ng isang multi-taong kasunduan sa kolaborasyon. Sa huli, layunin na makalikha ng sapat na datos na ang pag-alam kung anong bagong materyal ang gagamitin sa pagdidisenyo ng bagong baterya ay magiging kasing simple ng pagtatanong lamang sa AI system tungkol dito.

“Ang bisyon na aming pinagtatrabahuhan ay mga generative na materyales kung saan maaari akong humiling ng listahan ng mga bagong compound ng baterya na may mga ninanais kong katangian,” – Nathan Baker, Product Leader for Azure Quantum Elements.

Mahalaga ring pansinin na ang kasalukuyang pamamaraan ay nakasalalay sa klasikong computing. Ngunit ang AI programming at software ng Microsoft ay dinisenyo upang ma-upgrade sa paggamit ng quantum computing sa sandaling maging sapat na ang teknolohiyang ito.

Magbibigay ito ng hindi pa nagagawang kapangyarihan sa pag-compute para sa mga paksa tulad ng kemikal at biyolohikal na simulation, na nagpapataas ng kapangyarihan ng pag-compute ng ilang antas (x100-10,000). Kaya nasa napakaunang yugto pa lamang tayo ng AI na gumagana sa pagdidisenyo ng mga bagong molekula at materyales.

Mga Larangan ng Aplikasyon

Ang unang eksperimento ay nakatuon sa mga materyales ng baterya. Ngunit maraming iba pang larangan ang malamang na makinabang mula sa ganitong advanced na pag-unawa sa kimika, pati na rin ang pag-aapply ng AI sa iba pang agham, na lahat ay nasa pipeline na ng Microsoft:

• Semiconductor.
• Quantum computing at cryptography.
• Visual and audio
• Molecular biology at genomics.
• Biotech at mga parmasyutiko sa pangkalahatan.
• Renewables at pagbabago ng klima.
• Agrikultura at Ekolohiya.
• Ekonomiks.
• Agham panlipunan.
• Teoretikal na matematika.

Ang bawat isa sa mga larangang ito ay nakaranas ng paghihirap sa pananaliksik dahil sa napakalaking dami ng datos at komplikasyon ng mga isyu. Katulad ng pilotong proyekto sa mga baterya, bawat isa ay maaaring makinabang mula sa pag-unawa ng AI.

Mga Stock ng Agham na Pinapatakbo ng AI

1. Microsoft

MSFT Tsart ng Presyo

Ang Microsoft ay nasa sentro ng industriya ng teknolohiya halos mula pa nang ito ay itinatag kasama ang patuloy na namamayani nitong operating system na Windows. Ngayon ay nangunguna rin ito sa enterprise software (Office365, Teams, LinkedIn, Skype, GitHub), gaming (Xbox at maramihang pagkuha ng mga video game studio), at sa cloud (Azure).

Kamakailan, nagkaroon ito ng maganda na pag-unlad sa AI. Kabilang dito ang ilang consumer-grade na AI tulad ng Bing Image Creator at ang pagpapalalim ng pakikipagtulungan sa OpenAI. Kabilang din dito ang mga inisyatibo na mas nakatuon sa negosyo, tulad ng Copilot para sa Microsoft 365 at Microsoft Research. Ang Copilot ay ngayon na inilunsad sa retail at mas maliliit na kumpanya rin.

Nakuha ng Microsoft ang reputasyon bilang isang enterprise-centered na higanteng teknolohiya, kumpara sa mga kumpanyang mas nakatuon sa consumer tulad ng Apple (AAPL ) o Facebook. Sa pagtaas ng kahalagahan ng AI sa mga modelo ng negosyo, ang preexisting na presensya ng Microsoft sa cloud at enterprise services ay dapat magbigay dito ng kalamangan sa pag-deploy ng AI sa malawakang sukat at sa pagkuha ng mga customer.

Ang pakikipagtulungan/pagkakaroon ng quasi-ownership sa mga lider ng AI development tulad ng OpenAI ay magpapatibay din sa posisyon ng Microsoft bilang isang AI powerhouse.

2. NVIDIA

NVDA Tsart ng Presyo

Ang Nvidia (NVDA ) ay unang nagkaroon ng namamayani na posisyon sa merkado ng graphics card (GPU), na kadalasang ginagamit para sa high-end gaming at 3D modeling. Ang mga GPU ay kayang magsagawa ng mga kalkulasyon nang sabay-sabay at naiiba sa mga processor (CPU) sa aspetong ito.

Ang disenyo ng hardware nito ay napatunayang napakabagay para sa cryptocurrency mining (lalo na ang Bitcoin), na nagdulot ng malakas na pagtaas ng paglago para sa kumpanya.

Ngayon, lumalabas na ito ay kasing lakas para sa pagsasanay ng AI, ginagawa ang hardware ng Nvidia bilang gulugod ng AI revolution.

Ang Nvidia ay ngayon nagde-develop ng custom computing systems para sa iba’t ibang AI applications, mula sa self-driving car, hanggang sa speech at conversational AIs, generative AIs, o cybersecurity.

Malamang na hindi pa tapos ang Nvidia sa paghahanap ng mga bagong use case para sa hardware ng AI nito, tulad ng ipinakita ng Microsoft research kasama ang PNNL. Halimbawa, ang Nvidia ay ngayon nagde-develop ng isang buong hanay ng solusyon para sa drug discoveries, pati na rin ng AI-powered na mga medikal na device at AI-assisted na medikal na imaging.

Pinagmulan: NVidia

Malamang na sa napakahabang panahon, ang mga kakompetensya ng Nvidia ay maaaring magsimulang seryosong hamunin ang unang kalamangan ng kumpanya. Ngunit para sa nalalapit na hinaharap, dahil sa pagputok ng pangangailangan para sa AI-dedicated na kapangyarihan sa pag-compute, mananatiling pangunahing supplier ang Nvidia para sa lahat ng bagong AI-training data centers na itinatayo.

3. CrowdStrike

CRWD Tsart ng Presyo

Habang mas lalong umaasa ang mundo sa AI at digitalization, mas magiging mahalaga ang konektadong cybersecurity.

Itinatag ang CrowdStrike (CRWD ) na may cloud-first na lapit sa cybersecurity. Ang alok ng kumpanya ay sumasaklaw sa lahat ng kategorya ng banta sa cybersecurity, at kabilang sa mga kliyente nito ang 15 sa 20 pinakamalaking bangko sa US, 70 sa Fortune 100 na kumpanya, at 556 sa Global 2000.

Ang paglago ng CrowdStrike ay sinusuportahan ng mabilis na lumalawak na total addressable market (TAM), na inaasahang lalaki ng 13% CAGR sa susunod na 2 taon. Sa karagdagang mga alok na nasa development pa, inaasahan ng kumpanya na palawakin ang TAM mula sa kasalukuyang $76B hanggang $158B pagsapit ng 2026.

Pinagmulan: CrowdStrike

Isa pang salik sa paglago ng CrowdStrike ay ang pagpapalawak ng negosyo sa mga umiiral nang kliyente. Kapag nagsimula ang isang kliyente sa kahit isang cybersecurity module, karaniwang nagdadagdag pa ito ng higit pang mga module, kung saan 62% ng mga kliyente ay gumagamit ng 5 o higit pang mga module at 23% ay gumagamit ng 7 o higit pang mga module.

Ang dinamika na ito ay lumilikha ng kapaligiran na nagpapahintulot sa CrowdStrike na palakihin ang kanilang margin kapag ang relasyon ay umunlad nang sapat na katagal, na may kahanga-hangang kabuuang gross margin na 78% noong 2023.

Ang paglipat sa cloud ay karamihan pa rin nangyayari para sa maraming malalaking kumpanya. Ito ay lumilikha ng malaking oportunidad para sa isang market leader tulad ng CrowdStrike upang tulungan silang ilipat ang kanilang cybersecurity strategy sa cloud din.

Dapat ding makita ng kumpanya ang paglago ng kanilang internasyonal na negosyo, kung saan 3/4 ng mga kumpanya sa Global 2000 ay hindi pa nakapasok sa ecosystem ng CrowdStrike.

Ang cloud-first na lapit ng CrowdStrike ay nagbigay-daan sa kanila na mabilis na makakuha ng market share at ngayon ay ginagaya na ng lahat ng malalaking kumpanya ng cybersecurity. Kaya, nais ng mga mamumuhunan na bigyang-pansin ang kakayahan ng CrowdStrike na mapanatili ang kanilang kalamangan sa kabila ng pagtaas ng mga kontra-atake mula sa industriya.

4. Adobe

ADBE Tsart ng Presyo

Sa unang tingin, ang pag-usbong ng generative AI, lalo na ang paglikha ng imahe, ay maaaring maging banta sa may-ari ng mahahalagang graphic software tulad ng Photoshop, InDesign, After Effects, Lightroom, o Illustrator.

Ito ay makakalimot na ang Adobe (ADBE ) ay isang trailblazer sa industriya ng software, isa sa mga unang lumipat sa cloud-based subscription model, noong ang karaniwang praktis ng industriya ay nagbebenta ng pinakabagong bersyon ng software sa halagang libu-libong dolyar.

Ganun din ang katotohanan para sa AI, gamit ang Adobe Firefly. Ang tool na ito para sa AI image generation ay ngayon ay walang putol na isinasama sa iba pang software program ng Adobe, na nagbibigay-daan sa iyo na lumikha ng mga imahe mula sa simpleng teksto, gumawa ng masaganang imahe mula sa simpleng 3D model, o kahit “generative fill”, na nagpapalawak ng umiiral na imahe sa isang photorealistic na paraan.

Pinagmulan: Adobe

Sa pagbaba ng skill barrier ng AI para sa paglikha ng mga logo, magasin, o pag-modify ng mga imahe, ang alok at ang demand para sa orihinal na nilalaman ay malamang na lalago.

Sa pamamagitan ng pagyakap sa pagbabago at AI, malamang na mapanatili ng Adobe ang posisyon nito bilang nangungunang software package para sa lahat ng visual creative works, at kahit pa lalago pa ang saklaw nito.

5. Upstart

UPST Tsart ng Presyo

Ang Upstart (UPST ) ay isang lending marketplace na pinapagana ng AI, na inilunsad nang mas maaga bago pa naging sentro ng usapan sa teknolohiya ang AI noong 2023.

Ang proseso ng Upstart ay karamihan ay awtomatiko, kung saan 87% ng mga naaprubahang pautang ay ganap na napagdesisyunan sa pamamagitan ng awtomasyon.

Ang ideya sa likod ng Upstart ay ang umiiral na sistema ng credit score ay hindi epektibo at lipas na. Sa dami ng datos na magagamit, posible nang matukoy nang mas mabuti ang panganib ng pautang, at bilang resulta, makapagbigay ng mas murang pautang sa malaking bahagi ng populasyon.

Ibig sabihin, ang pamamaraan ng Upstart ay maaaring tukuyin ang mga taong may mataas na FICO score ngunit sa praktika ay may mataas na panganib na mag-default sa kanilang mga pautang. At kabaligtaran, ang mga taong may mababang FICO score ay hindi gaanong malamang na mag-default.

Pinagmulan: Upstart

Ang Total Addressable Market ay malaki, na may taunang $4T na nagmumula sa personal, auto, home, at maliliit na pautang sa negosyo.

Dahil sa pagtaas ng interest rates at pagbawas ng demand para sa mga pautang, naranasan ng Upstart ang ilang pagbaba sa kita at pagkalugi noong 2023, kasabay ng iba pang kumpanya sa industriya nito.

Ang pansamantalang pag-urong ng volume ng pautang ay hindi nakabagal sa pagpapalawak ng network ng lending partner ng Upstart, na may 100 bangko, tumaas mula 71 noong nakaraang taon at 10 lamang noong IPO noong 2020, at 61 na dealership, mula 39 noong unang bahagi ng 2023.

Kailangang umasa ang mga mamumuhunan sa Upstart na ang lumalaking network ay malinaw na senyales ng halaga ng teknolohiya ng Upstart at ng potensyal nito na maging isang malaking originator para sa mga pautang sa US market.

Ang patuloy na pag-unlad sa AI calculation ay maaaring magbigay din ng kalamangan sa napaka-competitive na loan rating market.