AI Investment Primer: A Practical Guide to Appraising Artificial Intelligence Dealflow (Partea a II-a)

Rezumat

Într-o postare anterioară, am trecut printr-un text de bază în domeniul AI pentru investitorii interesanți să pună bani de lucru în spațiu. În special, am discutat câteva elemente esențiale pe care fiecare investitor ar trebui să le cunoască pentru a lua decizii de investiții mai informate:

• Ce este AI?
• Ce are special valul actual de AI?
• Care sunt cele patru componente critice ale unei aplicații AI de succes?

După cum s-a discutat, lumea a fost martoră la o explozie de interes pentru acest subiect. Și, deloc surprinzător, dolarii de investiții au urmat o cale similară. Potrivit CB Insights, ofertele și dolari pentru startup-urile AI au crescut din 2012, cu o creștere uriașă de 60% a capitalului investit la 5 miliarde de dolari în 2016. Statista a estimat că în 2017, startup-urile globale de AI au primit 15,2 miliarde de dolari în investiții, o valoare exponențială. Creștere de 300% față de 2016. În plus, marile companii de tehnologie smulg startup-uri AI pentru a merge înainte în cursa AI.

Această postare ulterioară se dorește a fi un ghid mai practic pentru investitorii care evaluează perspectivele de investiții în spațiu. În special, voi parcurge cei cinci pași critici pentru a evalua o investiție legată de inteligența artificială:

1. Dorința clientului (aceasta afacere rezolvă o problemă utilă a clienților?)
2. Viabilitatea comercială (va face afacerea suficienți bani?)
3. Fezabilitate tehnică (poate funcționa cu adevărat, la scară?)
4. Neînțelegeri frecvente (și predispuse la hype) legate de AI
5. Măsuri financiare și de afaceri

Vă rugăm să rețineți: voi folosi exemplele unor companii binecunoscute cotate la bursă. Nu susțin și nu descurajez cititorii să investească în aceste companii.

Pasul 1: Dorinta clientului

În opinia mea, acest pas este cel mai important dintre cei cinci evidențiați în acest articol. Pentru început, trebuie să vă întrebați - Ce problemă (probleme) încearcă să rezolve afacerea cu tehnologia AI? De exemplu, mașinile cu conducere autonomă pot îmbunătăți experiența de mobilitate făcând-o mai sigură, mai convenabilă etc. Traducerea automată facilitează comunicarea între oameni. În schimb, o afacere AI nu este de dorit atunci când:

• Vizează o problemă de care nu multor oameni îi pasă sau pentru care nu pot plăti.
• Vizează un punct de durere, dar prea multe probleme trebuie rezolvate pentru a aborda acel punct de durere.
• Încearcă să rezolve prea multe probleme în același timp.

O altă problemă dificilă se referă la momentul în care o companie încearcă să rezolve o problemă esențială . Prin aceasta, vreau să spun că _ soluția problemei are o toleranță foarte scăzută la eroare_ . De exemplu, dacă eroarea software-ului AI al unui vehicul autonom este de 0,001%, chiar dacă aceasta este în mod obiectiv deja o rată de eroare foarte scăzută, aceasta nu este totuși tolerabilă. 0,001% înseamnă că poate avea 1 accident la fiecare 1000 de ore pe care le conduce și poate provoca pierderi de vieți omenești. Dimpotrivă, dacă primiți recomandarea Amazon sau Netflix greșită chiar și doar 1% din timp, nimeni nu va muri. Riscurile și profiturile potențiale pentru proiectele esențiale pentru misiune, cum ar fi mașinile cu conducere autonomă sau aplicațiile medicale (de exemplu, diagnosticul medical, roboții chirurgicali), sunt ambele mai mari decât cele fără misiune critică, ceea ce face ca această problemă să fie mai dificilă de gestionat.

Pasul 2: Viabilitatea comercială

Pentru companiile mature care cheltuiesc bani pentru a dezvolta o aplicație AI, ar trebui să aibă un caz de afaceri solid pentru a justifica investiția inițială. De exemplu, CEO-ul IBM, Virginia Rometty, dorește ca IBM Watson să genereze venituri anuale de 10 miliarde USD înainte de 2024. Pentru un startup AI, mai ales dacă este pre-venit, o întrebare importantă pe care o pun mereu este: este piața suficient de mare pentru tipul de probleme. firma rezolva? De exemplu, dacă compania dezvoltă o aplicație AI pentru o țară foarte specifică într-o anumită industrie cu un potențial de piață maxim de 1 milion USD pe an, ați investi în ea?

Un alt aspect pe care trebuie sa il ai in vedere este orizontul investitional . Tehnologia AI mai profundă durează mai mult pentru a dezvolta produsul. De exemplu, Waymo (compania de vehicule cu conducere autonomă a Google) a testat această tehnologie din 2009 și încă nu a lansat un produs comercial. Companiile cu tehnologie AI mai profundă pot, de asemenea, să dureze mult timp pentru a obține recunoașterea pieței și randamentele ulterioare ale investițiilor. Luați ca exemplu Nvidia (NASDAQ: NVDA). Nvidia furnizează cele mai populare cipuri, GPU-uri, pentru calcularea algoritmilor de rețea neuronală utilizați în multe aplicații de viziune computerizată, inclusiv în mașinile autonome. Privind graficul prețului acțiunilor de mai jos, se poate observa în mod clar faimosul model „curba S” pe care îl vedeți în multe afaceri inovatoare. Dar momentul este semnificativ: dacă ai investit în Nvidia de la IPO-ul său în 1999, nu ai fi văzut o întoarcere frumoasă decât după 2016, când AI-ul de deep learning a devenit „la modă”.

Pasul 3: Fezabilitatea tehnică

După cum am discutat în celălalt articol al meu, cred că există patru componente cheie pentru succesul unui produs de învățare automată (inclusiv învățarea profundă): probleme bine definite și de dorit, date curate și bine etichetate, algoritmi robusti și putere de calcul extinsă. Ultimele trei determină fezabilitatea tehnică a afacerii AI. Aici voi discuta pe scurt ce înseamnă aceste componente și cum se poate efectua due diligence ca investitor.

În primul rând, dezvoltarea unui algoritm de învățare automată necesită acces la date curate și bine etichetate. Acest lucru se datorează faptului că, după cum sa menționat anterior, acești algoritmi sunt construiți prin alimentarea diferitelor modele statistice cu o cantitate mare de date care sunt bine etichetate pentru a stabili relațiile predictive necesare. Pe măsură ce cercetați afacerea AI, trebuie să știți dacă aceștia au acces la date utilizabile, cum le-au obținut și dacă pot continua să obțină astfel de date . Sau, dacă nu au deja datele, care este planul lor de a colecta astfel de date? Tendința de democratizare a datelor de consum și inițiative precum open banking-ul va oferi o mulțime de oportunități pentru noi aplicații AI.

În al doilea rând, o afacere AI trebuie să dezvolte algoritmi robusti și scalabili. Pentru a realiza acest lucru, există trei elemente obligatorii: cantitatea mare de date bine etichetate discutate mai sus, talentul potrivit și încrederea că învățarea profundă este tehnologia potrivită pentru a rezolva problema. Prin urmare, o întrebare cheie este: poate afacerea să atragă talentul potrivit ? Talentele de top în domeniul AI, în special cercetătorii de date și inginerii și programatorii deja experimentați cu AI, sunt smulse de giganți din tehnologie precum Google, Facebook, Microsoft și IBM, lăsând foarte puține pentru alte corporații și startup-uri. Pentru a atrage talente de top, nu numai că ar trebui să fie pregătiți să plătească salarii mari (de exemplu, angajații laboratorului Google DeepMind câștigă în medie ~345.000 USD pe an), au nevoie și de o viziune convingătoare. În plus, trebuie să vă întrebați dacă învățarea profundă este cea mai potrivită tehnologie pentru a rezolva problema comercială. De exemplu, pentru o aplicație robo-advisor pentru alocările de active ale investitorilor de retail, un program bazat pe reguli poate fi mult mai puțin costisitor de dezvoltat și mai ușor de implementat decât un algoritm de învățare profundă . În schimb, un algoritm de învățare automată cu capacitatea de a învăța din greșelile și victoriile trecute și care poate continua să se îmbunătățească singur, este un candidat mai bun pentru un algoritm de investiții în fonduri speculative. În prezent, domeniile care au înregistrat cele mai multe progrese și care sunt cele mai potrivite pentru tehnologiile de învățare profundă sunt procesarea limbajului natural (de exemplu, traducerea automată), viziunea computerizată (de exemplu, recunoașterea facială, mașini fără șofer) și jocul (de exemplu, AlphaGo, decizia de investiție evolutivă). realizarea).

În al treilea rând, afacerea trebuie să aibă capacitatea de a dobândi o putere de calcul extinsă . După cum am discutat în detaliu în articolul meu anterior, puterea de calcul fie din cloud computing, fie din propriile servere GPU este costisitoare. Există două întrebări cheie pe care trebuie să le puneți pentru diligență în acest aspect: 1) Câtă putere de calcul este o sarcină tipică necesară pentru această afacere? Este o astfel de putere de calcul disponibilă astăzi? Acest lucru este deosebit de important pentru aplicațiile care necesită procesare în timp real, dar care au doar spațiu disponibil limitat pe dispozitivul real pentru a găzdui GPU-uri și baterii (de exemplu, drone). 2) Își poate permite afacerea o astfel de putere de calcul? De exemplu, Kaifu Lee spune o poveste interesantă în cartea sa, Artificial Intelligence, conform căreia un startup de deep learning în care a investit a cheltuit 7 milioane RMB (~1 milion USD) în primele 3 luni doar pentru a cumpăra servere de calcul deep learning. El subliniază în continuare că astăzi, o sarcină tipică de formare a modelului de învățare profundă necesită unul sau mai multe computere care au patru până la opt GPU-uri de mare capacitate. Multe sarcini de viziune pe computer necesită sute și mii de clustere GPU și emit de 10 ori mai multă căldură decât un server normal. Unele dintre echipele de startup din aceste domenii au trebuit să reproiecteze sistemele AC sau să cumpere bucăți uriașe de gheață pentru a răci serverele.

Pasul 4: Neînțelegeri frecvente (și predispuse la hype) legate de AI

1. Unele companii doar dezvoltă noi afaceri digitale (de exemplu, automatizarea proceselor pentru bănci) sau algoritmi de învățare non-mașină bazați pe reguli, dar susțin că sunt AI , din cauza atenției și a evaluării mai bune pe care o primește afacerea cu AI. În diligența dumneavoastră, puteți încerca să aflați aceste deghizări punându-le întrebări, cum ar fi ce tehnologii de bază folosesc? Dacă nu au angajat o echipă întreagă de cercetători de date și ingineri AI, deoarece susțin că folosesc „AI”, fie prin contractare cu alte companii tehnologice, fie interne, atunci poate fi un semnal roșu.
2. Uneori, învățarea automată + intervenția umană pot funcționa mai bine decât doar AI. De exemplu, recent, compania chineză de tehnologie de traducere, iFlytek, a declanșat o controversă când s-a descoperit că dispozitivul lor presupus de traducere automată simultană a fost doar ascultarea și copierea vocii unui traducător simultan uman. iFlytek a explicat mai târziu că traducerea în timp real nu este posibilă în prezent la viteza și acuratețea necesare. Ei cred că combinația dintre inteligența umană și cea a mașinilor aduce cea mai bună soluție pentru rezultate.
3. În cele din urmă, principala mea lecție învățată din experiența mea de startup (de asemenea, o poveste de avertizare pentru antreprenori și investitori aspiranți) este că există o mare diferență între prototipurile științifice de inteligență artificială și soluțiile scalabile din punct de vedere comercial . În mod obișnuit, un prototip științific poate fi dezvoltat de un cercetător de date talentat folosind un software rapid de prototipare (de exemplu MatLab), în doar câteva luni folosind, de exemplu, 1000 până la 10.000 de puncte de date. Un prototip scalabil din punct de vedere comercial, așa cum s-a discutat mai devreme, necesită: 1) fonduri pentru a angaja specialiști în inteligență artificială (sacienți de date, arhitecți, ingineri software, manageri de produs), 2) formare seturi de date cu zeci de milioane de puncte de date, 3) program de calculator (de ex. Python, C++ etc.), 4) fonduri pentru a cumpăra servere de computer pentru învățare profundă sau soluții de cloud computing pe Amazon AWS, Google Cloud, Microsoft Azure etc.

Pasul 5: Valori financiare și de afaceri

În cele din urmă, ar trebui să verificați cu atenție statisticile financiare ale afacerii AI și perspectivele sale de afaceri non-financiare și să le evaluați așa cum ați proceda pentru orice alte companii de tehnologie. Consultați exemplul de analiză, așa cum este ilustrat în tabelul de mai jos.

Măsurile tradiționale financiare și nefinanciare pentru a evalua afacerea includ veniturile, venitul net/fluxurile de numerar, rata de creștere a veniturilor, ratele (P/E, P/S etc.), macroeconomie, concurenți, reglementări etc. Companiile de tehnologie au, de asemenea, propriile lor caracteristici unice. Un exemplu este că rata de creștere poate fi mai importantă decât profitabilitatea. Pentru startup-urile tehnologice aflate în stadiu incipient, statisticile utilizatorilor, cum ar fi utilizatorii activi și rezervările, sunt mai importante decât veniturile sau fluxurile de numerar. Evaluările pot fi mai mari din cauza cererii pentru astfel de investiții. De exemplu, raportul P/E pentru Nvidia (NVDA) este de ~30x P/E, în timp ce McDonald's (MCD) se tranzacționează la ~20x.

Există multe cărți de investiții despre cum să evaluezi o companie, așa că nu am de gând să aprofundez aici prea în detaliu. Dacă este o companie publică, puteți obține aceste detalii din dosare publice, cum ar fi rapoarte financiare, sau de la furnizori de date de piață, cum ar fi Google Finance sau Bloomberg. Dacă este o companie privată, puteți contacta conducerea companiei pentru a obține detaliile necesare.

Concluzie

Pe scurt, în opinia mea, cred că cele mai dorite atribute pentru o investiție în IA pe termen scurt și mediu (și, prin urmare, ceea ce face o investiție bună în IA), sunt: ​​1) rezolvarea unei probleme dezirabile bine definite și 2) non- critică pentru misiune (nimeni nu va muri dacă eșuează). Aceste cazuri includ domeniile de servicii inteligente pentru clienți, cum ar fi chatbot-urile (nu doar bazate pe reguli), diagnosticarea imagistică medicală, recunoașterea facială, traducerea automată, consilierii financiari AI, jocurile pe computer etc. Desigur, pe termen lung, riscul ridicat /recompensă mare problemele critice pentru misiune (de exemplu, mașini fără șofer) sunt premiile asupra cărora mulți au ochii . Odată ce determinați că au o problemă de dorit de rezolvat, le puteți analiza viabilitatea comercială, fezabilitatea tehnică, statisticile financiare și valorile de afaceri.

De asemenea, trebuie să vă gândiți la verticalele specifice de AI în care doriți să investiți. Diferitele verticale de AI au o urgență diferită a cererii clienților și pregătirea tehnologică și, prin urmare, randamente și riscuri diferite ale investițiilor. Puteți investi în hardware vs. software vs. platformă vs. servicii și în diferite industrii, cum ar fi financiar, educație, asistență medicală, industria. Într-un articol următor, voi discuta despre cum puteți începe să investiți în AI, inclusiv cele mai promițătoare verticale și tehnologii, stilul de investiție (pasiv vs. activ) și zonele geografice (SUA vs. China vs. restul lumii).