Между искусственным интеллектом (AI) и машинным обучением (ML) часто путают, но есть различия.
Например, ИИ - это широкое описание категории технологий, которые позволяют моделировать человеческие способности машин.
Между тем машинное обучение - это разновидность искусственного интеллекта. Обычно это включает в себя обработку больших объемов данных, которые затем применяются к алгоритмам. Таким образом, ML позволяет компьютерной системе распознавать объекты, предсказывать, когда машина выйдет из строя, или даже управлять автомобилем. Другими словами, это позволяет системам учиться и делать выбор с минимальным вмешательством человека.
Учтите, что машинное обучение не новость. Корни этой технологии восходят к 1950-м годам, когда она была разработана, чтобы помочь в таких вещах, как игра в шахматы.
Но только в последнее десятилетие машинное обучение стало революционным. Некоторые из причин этого включают развитие новых теорий, таких как глубокое обучение, которое является подмножеством машинного обучения, а также бурный рост объемов данных и развитие облачных вычислений.
Итак, насколько велика эта возможность для акций машинного обучения?
Это определенно массивно. По данным International Data Corporation (IDC), мировые расходы на технологии искусственного интеллекта, как ожидается, будут иметь пятилетний совокупный годовой темп роста (CAGR) 17,4% к 2024 году, а выручка достигнет 554,3 миллиарда долларов.
Тем не менее, вот пять акций машинного обучения, которые могут выиграть от значительного роста на мировом рынке ИИ.
Машинное обучение было основной задачей Alphabet . (GOOGL, 2347,58 долл. США) с момента основания. Имейте в виду, что исходный PageRank, который позволял эффективно выполнять поиск по веб-страницам в любом масштабе, был основан на сложных алгоритмах.
Но инвестиции GOOGL в машинное обучение за последнее десятилетие ускорились. Alphabet модернизировал свою инфраструктуру, нанял тысячи специалистов по данным и совершил множество приобретений.
В 2017 году генеральный директор Alphabet Сундар Пичаи сказал, что инвестиции технологического гиганта в машинное обучение «подпитывают инновации в Google», и что он доволен тем, как они переходят к «компании, ориентированной на ИИ».
Эта технология имеет решающее значение для многих приложений, например для оптимизации таргетинга рекламы, поддержки системы языкового перевода и поддержки Google Assistant. Машинное обучение также стало ключом к созданию облачной платформы.
Alphabet создала одну из первых платформ для разработки ИИ под названием TensorFlow. В 2015 году компания открыла исходный код библиотеки программного обеспечения для машинного обучения, что помогло сделать ее мировым стандартом. Среди ее крупных клиентов - Intel (INTC), General Electric (GE) и Coca-Cola (KO).
Безусловно, Alphabet - один из лидеров в разработке беспилотных автомобилей, ТОО. В основе этого лежит подразделение Waymo, которое в прошлом году привлекло 3 миллиарда долларов капитала. Ходят слухи, что это подразделение GOOGL будет выделено в ходе первичного публичного предложения (IPO) в течение ближайшего года или двух, что может стать хорошим стимулом для компании.
Определенно стоит следить за развитием машинного обучения.
Основанная в 1993 году компания Nvidia (NVDA, 678,79 долл. США) является пионером в области графических процессоров (графических процессоров) для более мощных игровых возможностей. Это стало возможным благодаря сложной параллельной обработке больших объемов данных.
Тем не менее, графические процессоры стали основными компьютерными платформами для специалистов по данным для создания моделей машинного обучения. В результате Nvidia добилась значительного роста своего бизнеса в сфере центров обработки данных.
Обратите внимание, что его чип A100 стал незаменимым помощником для крупномасштабных клиентов и крупных облачных клиентов. Он позволяет обучать ИИ и делать выводы на высокой скорости, хотя внедрение на рынок все еще находится на начальной стадии.
Подразделение самоуправляемых автомобилей NVDA действительно демонстрирует скачкообразный рост, но у компании есть продвинутая платформа, которая начинает получать поддержку от крупных клиентов, таких как Nio (NIO), SAIC (SAIC), Li Auto (LI). ), Zoox, Mercedes-Benz и Xpeng (XPEV).
Чтобы укрепить свое доминирующее положение с помощью систем микросхем на основе ИИ, Nvidia предприняла смелую попытку приобрести британского разработчика микросхем Arm за 40 миллиардов долларов. Это поможет NVDA проникнуть в такие категории, как Интернет вещей (IoT), смартфоны и периферийные вычисления.
Затем была покупка Mellanox, разработчика передовых сетевых систем. Сделка M&A поможет Nvidia расширить бизнес центров обработки данных.
В результате рост машинного обучения оставался впечатляющим. В последнем квартале выручка NVDA выросла на 84% по сравнению с аналогичным периодом прошлого года до рекордных 5,7 млрд долларов, а скорректированная прибыль увеличилась более чем вдвое и составила 3,66 доллара на акцию.
Качественные данные необходимы для эффективного машинного обучения, но это непростой процесс.
Для крупных предприятий данные фрагментированы по разрозненным хранилищам. Кроме того, существуют проблемы с очисткой наборов данных, которые, по большей части, обычно неструктурированы. Более того, традиционные базы данных, такие как базы данных Oracle (ORCL), не были созданы для сценариев использования машинного обучения, которые обычно являются довольно дорогостоящими.
Так что делать?
Что ж, облако помогло решить эти проблемы, и одним из лидеров в этой категории является Снежинка . (СНЕГ, 238,43 доллара). Компания создала облачную платформу, которая упрощает развертывание баз данных. Есть также преимущества кажущегося бесконечного масштабирования, большого количества интеграций и встроенных систем для машинного обучения.
BlackRock (BLK), который является одним из крупнейших в мире управляющих деньгами, является клиентом Snowflake. У фирмы есть система под названием Aladdin, которая используется для прогнозирования и оптимизации портфелей. SNOW также сыграл важную роль для интеграции источников данных, не относящихся к Aladdin, что позволило заметно повысить производительность и результаты инвестиций.
И да, это правда, что акции машинного обучения в этом году оказались в бедственном положении. Однако Snowflake - одна из самых быстрорастущих компаний-разработчиков программного обеспечения для предприятий.
В первом квартале выручка от продажи продуктов выросла на 110% по сравнению с аналогичным периодом прошлого года, а показатель удержания чистой выручки вырос на впечатляющие 168%. Есть также 104 клиента SNOW, которые ежегодно приносят доход более 1 миллиона долларов.
Основанная в 2015 году компания Lemonade (LMND, 96,88 долл. США) - страховая компания, построенная на основе машинного обучения. В настоящее время компания предлагает полисы для домовладельцев, арендаторов, домашних животных и страхование жизни.
Лимонад состоит из трех основных частей. Существует AI Maya, виртуальный помощник, который собирает информацию от клиентов, предоставляет расценки и управляет платежами.
Еще есть AI Jim, бот, который обрабатывает страховые случаи и сумел полностью автоматизировать треть из них. А для тех заявлений, которые нуждаются в человеке, процесс намного проще, поскольку большую часть тяжелой работы взял на себя AI Jim.
Наконец, у Lemonade есть CX.AI. Это система для ответов на обычные вопросы клиентов.
Благодаря этим технологиям Lemonade завоевал признание молодого поколения. Это, безусловно, сложный рынок, но он может иметь решающее значение для долгосрочного роста.
Это правда, что эти акции машинного обучения не из дешевых, с оценкой в 5,9 миллиарда долларов, но рыночные возможности огромны. В конце концов, Lemonade сейчас переходит в прибыльный сегмент автострахования, который, по оценкам, принесет в США в этом году около 300 миллиардов долларов премий.
Хотя все больше и больше компаний вкладывают средства в проекты машинного обучения, результаты зачастую далеко не обнадеживающие. Обычно эти идеи не выходят за рамки стадии проверки концепции по нескольким причинам, включая сложность алгоритмов, проблемы с данными и проблемы с набором специалистов по данным.
Из-за этого компании будут полагаться на помощь консалтинговых фирм, и одним из лидеров на этом рынке является Accenture . (ACN, $ 279,63). Компания имеет процветающую практику искусственного интеллекта, и она стала основным источником роста.
Масштаб компании, безусловно, является важным фактором ее лидерства, поскольку в Accenture работает 537 000 сотрудников, а ее производственные предприятия охватывают весь земной шар. Фирма также имеет опыт работы в большинстве отраслей.
В качестве примера того, как ACN улучшает возможности машинного обучения для компаний, британская телекоммуникационная компания Vodafone (VOD) использовала его для повышения качества обслуживания клиентов.
Accenture разработала систему для маршрутизации звонков клиентов по наиболее подходящим каналам для решения их проблем. Он также работает, чтобы предсказать, когда клиенты с наибольшей вероятностью позвонят, и отправят активные сообщения, чтобы попытаться решить проблемы заранее. Это помогло сократить количество входящих вызовов VOD на 1,5 миллиона и увеличить использование цифровых каналов на 26%
Хотя Accenture действительно пережила замедление роста во время пандемии COVID-19, компания смогла вернуться на правильный путь.
В последнем квартале выручка увеличилась на 8% по сравнению с аналогичным периодом прошлого года до 12,1 млрд долларов, а скорректированная прибыль выросла на 10% до 2,03 доллара на акцию. А в текущем квартале ожидается рост выручки от 10% до 13%.
