Where is AI Used?
Nowadays, AI is used mostly in all industries. You are using AI in day to day of your life from buying products on Amazon or reading articles on Google News or Watching Netflix or using Google Photos to save your memories. We are surrounded by AI and its uses to make our lives better.
Google Products Using Machine Learning
- Google Photos: Searching your photos through tags, organising the similar photos together by recognising the face of the person or improving the quality of images and many more…
- Google Translate: For translating from one language to another.
- Youtube: Giving recommendations on based one videos you watched.
- Google Lens: For searching the information differently, it uses OCR to understand from images or read the documents.
- Google Assistant: AI Conversational agent, which can help you do a lot thing by just invoking it with “Ok, Google or Hey Google”. It is the best example of Speech recognition.
- Gmail: Gmail, has features like Smart Reply can help to reduce your lot of work, it can also recommend you the next coming words in your sentence which you can use.
What is Symbolic AI(or Classical AI)?
It is a branch of AI research that concerns itself with attempting to explicitly represent human knowledge in facts and rules. On the given set of heavy complex rules and facts, we can make a machine which can perform like human intelligence.
Ex: Early Chess Games, were hardcoded in our PCs and can play with us because they were hardcoded by some set of rules and facts.
Can It solve Image Classification, Speech Recognition tasks?
Here comes, Machine Learning
So what exactly is ML?
The art and science of :
- Giving Computers the ability to learn
- To make decisions from data
- Without being explicitly programmed
Classical Learning Vs Machine Learning
In traditional programming or classical programming, we were giving the set of rules and data to it and based on that it gives us the relevant answers. We hardcode the software do a specific set of task. But, Machine Learning changes the way we are working until now. It takes some data and answers and based on it makes some rules and do a specific task which it is made for.
Why Machine Learning?
- Massive Global Demand
- Data is Power!
- It’s fun as Hell!
High-Level Overview to Perform Machine Learning
- Input Data Points
- Examples of the expected output
- A way to measure whether the algorithm is doing “Good Job or Not”.
- Inputs are the coordinates of our points
- The expected output is the colours of the points
- A way to measure whether our algorithm is doing a good job could be, for instance, the percentage of points that are being correctly classified.
3 Types of ML
- Supervised Learning: Using Labeled Data
- Unsupervised Learning: Using Unlabeled Data
- Reinforcement Learning: Software agents interact with an environment
What is Deep Learning?
Intro
- It is a subfield of ML
- It is a mathematical framework for learning representations from data
- A multistage way to learn data representations.
- We use “Neural Networks”, to gain deeper insights into our data by stacking different layers on top of each other.
- It works the same as like a human brain works
Why Deep Learning?
- Hardware
Because of the increase in computation power, we can easily perform deep learning tasks with more speed and in less time we can train our deep learning models. All thanks to “Cloud”.
Google also has its TPUs to perform deep learning tasks with the speed of more than 10 GPUs of Nvidia Titan X.
- Datasets
With the increase in the use of the internet, the data is been gathered in a large amount which can be used in Deep Learning, because deep learning needs a large dataset to perform better results.
- Algorithmic advances
There is a lot of advancements in the algorithms of Deep Learning, because of the increasing community of Machine Learning. Image Net is a great example.
Neural Networks
Deep Learning is done with the help of neural networks. They work the same as the human brains works. Below picture shows the similarity of Biological Neuron with Artifical Neural Networks.
It is made of different layers which are stacked together on top of each other to make neural networks learn the representations and complex features from data.
Example,
This example is from MNIST Dataset, where we pass an image and it goes through different layers to understand the different representations and complex features of the data and then predicts the underlying result. Image classification is done with the help of Convolutional Neural Networks.
What DL has solved,
- Near-human-level image classification
- Near-human-level speech recognition
- Near-human-level handwriting transcription
- Improved machine translation
- Improved text-to-speech conversion
- Digital assistants such as Google Assistant and Amazon Alexa
- Near-human-level autonomous driving Improved ad targeting, as used by Google, Baidu, and Bing
- Improved search results on the web
- Superhuman Go-playing
What makes DL different?
Feature Engineering: Because it completely automates what used to be the most crucial step in a machine-learning workflow
Три термина в сфере AI, которые должны знать все бизнес-менеджеры
Разработки в области искусственного интеллекта (Artificial Intelligence — AI) — сегодня весьма горячая тема. Как показал недавний отчет MIT Sloan Management Review, почти 85% руководителей считают, что AI «позволит их компаниям обрести или поддерживать конкурентные преимущества».
Впрочем, до сих пор существует немало путаницы в терминологии и названиях программных приложений, которые применяют компании, даже в тех сферах, где AI занимает господствующие позиции. Нередко можно слышать, что бизнес-профессионалы используют AI и другие термины, такие как «машинное обучение» и «глубинное обучение», в качестве синонимов, хотя в действительности между ними существуют серьезные отличия.
AI — это следующая эра информационных технологий, и для бизнес-мира важно понять, как раскрыть его потенциал. На недавнем мероприятии в Facebook Live Роб Хай (Rob High), вице-президент и главный технический директор IBM Watson, и Эми Вебб (Amy Webb), профессор стратегического предвидения в Школе бизнеса NYU Stern School of Business и основатель института Future Today, пришли к выводу, что AI не является «серебряной пулей», и что реальная ценность технологии формируется путем индивидуального сочетания инструментов, предназначенных для решения конкретной бизнес-задачи.
Ставки для компаний, которые хотят инвестировать в AI, достаточно высокие, а недостаточное понимание в этой области может привести к неудачному внедрению и медленному возврату инвестиций. Итак, что же на самом деле означают все эти термины?
Искусственный интеллект
Научные исследования в области AI появились еще после Второй мировой войны, однако изначально технология взяла за цель имитации человеческого разума. В рамках исследований ученые пытались создать систему, которая бы могла последовать тому, как человек рассуждает, оценивает важность различных обстоятельств и делает внутренние выводы. Впоследствии исследователи поняли, что наш мозг гораздо сложнее, чем считалось ранее. И хотя люди в целом достаточно хорошо делают определенные вещи, есть задачи, выполнение которых им просто не под силу. Например, врач не может прочитать и проанализировать миллионы статей, опубликованных на платформе PubMed, так быстро, как это способна сделать система искусственного интеллекта. Цель технологий AI заключается в том, чтобы дополнить человеческие способности, а не скопировать или заменить их. Подобно тому, как строители используют бульдозеры и экскаваторы вместо простой кирки и лопаты, так и искусственный интеллект позволяет нам обрабатывать огромные объемы данных, открывать закономерности и принимать лучшие решения, основываясь на результатах анализа.
Конечная цель AI — это то, что мы можем назвать «расширенным интеллектом», который поможет вдохновить человека на использование систем анализа огромных объемов данных с целью генерации лучших идей и альтернативных решений. Кроме того, система поможет оценить наши когнитивные предубеждения с тех точек зрения, которые в противном случае мы бы могли и не увидеть.
Машинное обучение
Машинное обучение (Machine learning — ML) — алгоритмический метод, который существует уже много десятилетий. На базовом уровне ML способен прогнозировать тенденции или распознавать шаблоны в массиве данных при условии, что исследователи описали модель предыдущих образцов таких шаблонов. Например, если у вас есть ряд чисел, которые вы можете связать с каким-либо значительным процессом, и если этот шаблон ранее повторялся, вы можете научить алгоритмы ML распознавать такие шаблоны и потом использовать их для прогнозирования того, будет снова достигнут аналогичный результат.
Для компаний технология машинного обучения играет очень важную роль. Благодаря ML предприятия могут оценивать поведение покупателей, чтобы спрогнозировать их запросы в будущем. В результате бизнес-менеджеры получают возможность откорректировать в случае необходимости свою стратегию.
Компании применяют ML для решения самых разнообразных задач. Например, розничные магазины могут использовать машинное обучение в системах прогнозирования, которые должны учитывать как прошлые, так и текущие (с точностью до мелочей) рыночные тенденции. А финансовые сервисы задействуют системы рекомендаций продуктов на основе ML, учитывающие текущие процентные ставки и рыночные тенденции.
Глубинное обучение
Глубокое обучение (Deep learning — DL) — это наиболее инновационная технология в широком наборе алгоритмов машинного обучения. DL является алгоритмическим методом, что моделируется по принципу нервных структур в мозге человека. Этот термин иногда называют «нейронными сетями», потому что исследователи были вдохновлены синапсами и нейронами в человеческом мозге и механизмом, с помощью которого нейроны возбуждаются и заставляют синапсы собирать и распространять энергию этого нейрона.
Технология DL использует искусственные нейронные сети, чтобы резко увеличить количество сегментов данных, которые она способна обработать, включая неструктурированные изображения и звуки. Этот многомерный подход похож на то, как люди в реальности чувствуют мир. Благодаря обучению нейронных сетей и избранным наборам качественных данных, DL предлагает широкие перспективы для мощного анализа с использованием AI в различных отраслях.
Хотя искусственный интеллект использует алгоритмические методы ML и DL, важно помнить, что сам AI — гораздо более широкий термин. Ведь AI объединяет специфические формы алгоритмических методов для решения конкретной проблемы или выполнения поставленной задачи.
Не привязывайтесь к одной технологии: ищите оптимальную комбинацию
ML и DL доставляет много преимуществ, но бизнес не должен пытаться удовлетворить все свои проблемы только одной технологией. Реальная ценность заключается в индивидуальном сочетании этих инструментов. Например, если у продавца есть большой объем данных о автомобильный трафик, и менеджеры захотят экстраполировать информацию из этих данных для прогнозирования трафика в курортном сезоне, именно технология машинного обучения окажется наиболее полезной. Однако если тот же розничный продавец захочет сопоставить данные о трафике с типами погоды, более целостную картину предложит глубинное обучение.
Сервисы AI, предлагаемых IBM Watson, способны предоставить рекомендации, как именно следует использовать алгоритмы ML или DL. Инженеры этих сервисов уже выяснили, где наилучшим образом использовать методы ML, DL и другие методики, чтобы упростить для предприятий создание приложений AI, наиболее подходящих для их конкретных задач.
Исследуйте все нюансы. Искусственный интеллект поможет обновить метод ведения бизнеса, но только если руководители компаний найдут время, чтобы осознать все нюансы этих мощных технологий. И хотя хорошее понимание AI, ML и DL является важным шагом в правильном направлении, это только начало путешествия. Работникам, ответственным за принятие решений, понадобится время, чтобы подумать о том, как AI может помочь им в фундаментальном переосмыслении и оптимизации своего бизнеса.
Компании, которые считают, что могут еще подождать и посмотреть, что будет дальше, окажутся в невыгодном положении. Помните, что даже если вы не готовитесь к внедрению AI, ваши конкуренты уже делают это. Искусственный интеллект — не какая-то далекая перспектива, он актуален и сегодня.
Подборка полезных Al-проектов для бизнеса: что нейросети могут делать компаниям уже сейчас
Фото: itcrumbs.ru
В декабре 2022 года за неделю существования проект ChatGPT, разработанный компанией OpenAl, получил 1 миллион пользователей. Аудитория новой технологии продолжает расти, а задачи, с которыми может справиться нейросеть, усложняются. Теперь искусственный интеллект даже пишет бизнес-планы. Помимо ChatGPT есть и другие Al-проекты, способные упростить работу бизнеса. Основатель и владелец разработчика крупных IT-решений «Неотех» Феликс Хачатрян поделился с «Про бизнес» подборкой доступных сервисов, которые смогут помочь вашей компании.
Феликс Хачатрян
IT-предприниматель, инвестор и руководитель студии «Неотех»
Что такое Al-проекты
AI (от англ. «artificial intelligence») — это искусственный интеллект, способной имитировать поведение человека и выполнять сложные задачи. Al-проекты способны анализировать информацию, обучаться на полученном ранее опыте, а также проявлять творческие способности.
Подмножеством искусственного интеллекта являются нейросети. Это математическая модель, работа которой основана на искусственных нейронах. Их используют для выявления закономерностей в данных, прогнозирования и принятия решений. С помощью нейросетей компании выполняют задачи, которые раньше были под силу только их сотрудникам. Например, определить целевую аудиторию или спрогнозировать стоимость акций компании.
По исследованиям McKinsey & Company 60% финтех-компаний уже в 2020 году использовали в работе Al-проекты. И с каждым днем вслед за IT-гигантами искусственный интеллект внедряют все больше представителей малого и среднего бизнеса. Делюсь сервисами, которые могут помочь вам в оптимизации бизнес-процессов.
Rationale Al
Rationale Al — это искусственный интеллект, помогающий владельцам бизнеса, менеджерам и частным лицам принимать трудные решения.
Как помогает бизнесу:
Алгоритмы GPT и контекстного обучения перечислят плюсы и минусы каждого решения компании, проведут многокритериальный, причинно-следственный и SWOT-анализ, чтобы помочь руководителю взвесить варианты.
Цена:
$ 0 в месяц — Тариф Free: 60 кредитов, 1 решение, 1 человек.
$ 9.99 в месяц — Тариф Lite: 100 кредитов, несколько запросов, 3 человека.
$ 40 в месяц — Тариф Standard: 500 кредитов, умеренное количество запросов, 10 человек.
$ 100 в месяц — Тариф Max: 2000 кредитов, наиболее полный доступ к сервису, 50 человек.
ExcelFormulaBot
ExcelFormulaBot — это сервис для преобразования текстовых инструкций в Excel-формулы.
Как помогает бизнесу:
ExcelFormulaBot можно интегрировать в Google Sheets или Excel, где сервис поможет компании за секунды преобразовать текстовый запрос в Excel-формулу или при необходимости объяснит формулу текстом.
Также можно переводить текстовые инструкции в язык программирования Microsoft Office VBA или в SQL-запросы с возможностью создания, просмотра и объединения нескольких таблиц. Это поможет компании работать с базами данных и тем самым сэкономит их время.
Цена:
$ 0 в месяц — Тариф Free: 5 формул.
$ 7 в месяц — Тариф Premium: неограниченное количество формул.
$ 63 в месяц — Тариф Business: неограниченное количество формул, 5+ пользователей.
⇒ Как искусственный интеллект определяет будущее компании? Где и как использовать AI в ближайшие годы? 27 апреля 2023 эта тема станет одной из ключевых на HI-TECH FORUM: EVOLUTION, самой большой конференции «Про бизнес».
Заряди свой бизнес силой HI-TECH!
OtterPilot
OtterPilot — это сервис для проведения онлайн-собраний.
Как помогает бизнесу:
Сервис записывает встречи в режиме реального времени. Также он автоматически преобразовывает собрания на английском в текстовый формат. Однако и для пользователей, говорящих на других языках, можно найти полезные функции. Например, оставляйте комментарии, выделяйте ключевые моменты и назначайте задачи прямо во время звонка в команде с коллегами.
Otter Assistant присоединяется к Zoom, Microsoft Teams и Google Meet для того, чтобы делать заметки и обмениваться ими, даже если у сотрудника не получается присутствовать на собрании. Также система прикрепляет слайды к нужным частям записей, чтобы все погрузились в контекст выступления.
Цена:
$ 0 — Тариф Basic: 300 минут транскрипции, 30 минут на разговор.
$ 8 в месяц — Тариф Pro: 1200 минут транскрипции, 90 минут на разговор.
$ 20 в месяц — Тариф Business: 6000 минут транскрипции, 4 часа на разговор.
Индивидуальный расчёт — Тариф Enterprise: 6000 минут транскрипции, 4 часа на разговор, единый вход для компании, дополнительные способы оплаты.
WordTune
WordTune — это сервис, который форматирует текст и приводит его к четкому, убедительному и аутентичному виду.
Как помогает бизнесу:
Ключевыми функциями WordTune являются изменение тона вашего текста с обычного на официальный, а также расширение или сокращение объема текста. Сервис может перевести текст с русского на английский, а затем редактировать полученный вариант.
Цена:
$ 0 — Тариф Free: 10 запросов в день на рерайт, изменение тона письма, изменение объема текста.
$ 9,99 в месяц — Тариф Premium: неограниченное количество запросов, можно делать рерайт абзацев, премиальная поддержка.
Индивидуальный расчёт — Тариф Premium for Teams: неограниченное количество запросов, можно платить как команда.
BetaTome
BetaTome — это сервис, который с помощью искусственного интеллекта создаёт презентации с нуля.
Как помогает бизнесу:
BetaTome создает презентации и другие формы контента по запросу компании. Сгенерированный нейросетью результат можно скорректировать по своему вкусу и получить качественный результат за пару кликов. Тем самым ваша компания сэкономит время на поиске изображений, оформлении слайдов и написании текстов для них.
Цена: бесплатный сервис, кредиты можно получить за приглашение друга по реферальной ссылке.
Notion Al
Notion AI — это сервис для генерации текстов.
Как помогает бизнесу:
Notion Al способен набрейнштормить идеи для компании, придумать с нуля рассказ, а еще написать пресс-релиз для СМИ или пост в ее социальные сети. С помощью таких сервисов бренды могут делать промо-проекты, например, как сервис Халва совместно с сервисом Барт поздравил пользователей с 8 марта.
Цена:
$ 0 — Тариф Free: ограниченное количество ответов.
$ 10 в месяц — Тариф Notion Al: неограниченное количество ответов, черновики, доступ ко всем заметкам, документам и проектам, текстовый редактор с перетаскиванием.
ai2sql.io
ai2sql.io — это инструмент, который автоматически создает SQL-запросы (Structured Query Language) из обычного текстового описания.
Как помогает бизнесу:
С помощью сервиса SQL-запросы может писать даже сотрудник и без технических навыков, тем самым экономя рабочее время инженеров и разработчиков.
Цена:
$ 0 — Тариф Free: ограниченный функционал.
$ 7 в месяц — Тариф Start: 100 SQL-запросов в месяц, добавление до 10 столов.
$ 17 в месяц — Тариф Pro: 300 SQL-запросов в месяц, добавление до 50 столов.
Вывод
Искусственный интеллект с каждым днем становится более доступным для компаний. Использование Al-проектов выделит вас из конкурентного рынка и поможет оптимизировать внутренние бизнес-процессы. Также искусственный интеллект способен увеличить лояльность ваших потребителей, дать рациональное решение вашей проблеме и придумать креатив.
AI для запуска стартапов. Как запускать проекты быстрее и дешевле, используя инструменты искусственного интеллекта
С 2013 по 2021 я сделал 2 небольших проекта с нуля. В последнем проекте вышел из операционки и продал сотрудникам в 2021г.(оборот за 2022г ок. 100 млн.р.)
С августа 2022 г. интересуюсь венчуром и совершаю факап.
В этой статье я расскажу о видах AI, которые могут помочь стартапам и поделюсь своим опытом.
Надеюсь, мои идеи помогут тем, кто начинает или планирует реализовать свою Идею.
В начале я хотел бы поделиться мыслями по поводу развития AI в целом.
Эрик Шмидт из The Atlantic недавно привел пример ожидающего нас будущего:
Если вы представляете ребенка, родившегося сегодня, вы даете ему детскую игрушку или медведя, и этот медведь оснащен искусственным интеллектом. И с каждым годом ребенок получает все лучшую игрушку. С каждым годом медведь становится умнее, и через десять лет ребенок и медведь, лучшие друзья, смотрят телевизор, и медведь говорит: «Мне не очень нравится это телешоу». И ребенок говорит: «Да, я с тобой согласен».
AI станет изюминкой нового вкуса глобализированной рабочей силы.
AI и гипермасштабируемая автоматизация будут волнами обрушиваться на нас.
«Развитие полноценного искусственного интеллекта может означать конец человеческой расы. […] Он взлетит сам по себе и будет переделывать себя со все возрастающей скоростью. Люди, которые ограничены медленной биологической эволюцией, не могут конкурировать и будут вытеснены».
«Машинный интеллект — это последнее изобретение, которое когда-либо понадобится человечеству».
— Ник Бостром. философ из Оксфордского университета
«Через несколько десятилетий машинный интеллект превзойдет человеческий, что приведет к Сингулярности — технологическим изменениям настолько быстрым и глубоким, что они представляют собой разрыв в ткани человеческой истории». (предсказывает к 2045 году.)
— Рэй Курцвейл, один из ведущих футуристов мира
ну и куда без Маска )
«ИИ не обязательно должен быть злом, чтобы уничтожить человечество — если у ИИ есть цель, а человечество просто окажется на пути, он, конечно, уничтожит человечество, даже не задумываясь об этом, без обид».
Я смотрю на это иначе, с позитивной стороны.
Проблематика стартапов.
факап в 6 мес.
В августе 2022 г я заинтересовался венчурной моделью.
Мне нравится в стартапах романтизм, что-то аутентичное, свое, когда твоя идея выходит на рынок как произведение, созданное тобой. Что-то в духе Айн Рэнд и Джека Лондона, про свободу воли и возможность свободного выбора.
Для многих, думаю предпринимательство – это творчество.
Последний мой проект по обслуживанию трансформаторных подстанций я делал 7 лет.
В 2021 г. было 46 контрактов с абонентскими платежами (Лента, Дикси, LG ), выстроена операционка и я уже не управлял проектом. Поехал отдыхать и заскучал, вышел из проекта продав сотрудникам.
Про проект лестно и приятно, что бизнес-модель я выбрал верно и компания растет.
1,5 года пробую, экспериментирую с идеями, привлекает web3.
Web3 в целом интересно как более честные и свободные деловые формы, оно дает возможность не зависеть от внешних условий.
За время реализации проектов понял, что в России нет венчурной культуры. Стартаперу просто некуда пойти со своей идеей. В основном я пытался что-то понять по комментариям в чатах о стартапах и web3.
Так стал сам становится стартап по ходу моего изучения о стартапах и web3. Делал его несколько месяцев в Notion, не зная заранее как должно выйти.
Я не стал исключением и начал совершать ошибки многих: делал продукт и даже не пытался что-то продать, забыв про то, как я действовал в прошлых бизнес-проектах и не создавал прибыль в самом начале. Чувствуя потребность в техническом партнере, инвесторе, менторе, я создавал платформу ради платформы.
Опыт построения стартапа позволяет увидеть много нового в отличие от ведения классических проектов.
Самым интересным были люди, увлеченные и разные.
Я решил создать платформу для основателей по принципу «заплати другому». Каждый участник вносит свои наработки по теме создания и развития проектов (ресурсы, инструменты, люди). То есть то, что у него сработало или являлось ценным в предыдущем опыте.
И тем самым база ресурсов растет в одном месте с релевантным и быстрым поиском, и каждый новый участник получает больше, чем принес, увеличивая общую ценность базы. Я делал образовательную платформу для основателей с уклоном в web3. Хотел, чтобы она была живая- то есть, знание в ней было актуальным и его можно было применить к своему проекту сразу же.
Прошел акселератор https://getvc.org/ (сейчас стал клубом будущих единорогов с Голдманом и Ноготковым на борту)
Попитчил в Разведке https://razvedka-boem.ru/?ysclid=ldr4sheh37658593299
Привлек 10к$
Сделал прототип
Но главное -это познакомился с интересными людьми.
В конце статьи я поделился несколькими инструментами, которые будут полезны стартапам и начинающим.
Я хочу научиться быстро тестировать и запускать проекты от стадии гипотез до mvp. Для стартапа – это крайне важно: быстрее найти ту гипотезу, которая сработает.
AI и технологии web3 могут ускорить эти процессы и этапы ранних стадий, компенсировать пробелы знаний и частично заменить отсутствие компетенций, даже команды.
выделяю такие AI:
открытый AI
общий AI
научный AI
творческий AI
персональный AI
ниже опишу как они могут помочь при старте проекта
Открытый AI.
Я наблюдаю в своем окружении и проживаю сам 2 основные проблемы:
1. Отсутствие Идеи
2. Проблема ее реализации
вот несколько инструментов, которые могут помочь в тестах гипотез, исследовании рынка, выявлении действительной потребности.
https://www.trustfinta.com/ — ваш второй пилот по сбору средств. Он также предлагает инструмент на базе искусственного интеллекта на основе GPT-3, чтобы помочь основателям собирать средства с помощью персонализированных сценариев
генерация и тест Идей:
https://www.bizideas.ai/- генерация гипотез стартапа
https://ideabuddy.com/- инновационное программное обеспечение для бизнес-планирования, которое помогает предпринимателям, стартапам и командам создавать бизнес-модели, разрабатывать и тестировать свои идеи
— Домен на GoDaddy (5 мин)
— Идеи логотипа на Looka (5 мин)
— Брендовые активы на Figma (30 мин)
— Веб-страница на Webflow (5 часов)
— Бекенд-данные на Airtable (1 час)
— Собирать лиды на Typeform (20 мин)
— CRM клиента на Copper (1 час)
— SEO оптимизация на Ahrefs (2 часа)
— Отзыв клиента на Cannny (1 час)
— Сбор платежей на Stripe (2 часа)
— Маркетинговые дизайны на Canva (2 часа)
— Рабочий процесс автоматизации на Zapier (1 час)
— Рассылка каждую неделю на Substack (1 день)
— Чатбот лендинг страницы на Intercom (1 час)
— Дорожная карта продукта и задания на Trello (1 час)
— Начальный маркетинг на Product Hunt (3 часа)
— Пошаговая инструкция по Notion (2 часа)
— Электронный маркетинг на Intuit Mailchimp (1 час)
— Early MVP приложение на Bubble, Softr, Flutterflow (6 дней)
Вам не нужно тратить 3-6 месяцев на кодирование для запуска. Старт через 10 дней и меньше 300 долларов!
И. Адизес утверждает, что ни один менеджер не может удовлетворить все потребности своей организации, что для эффективного управления необходима команда лидеров, которые, работая вместе, могут справиться с самыми сложными задачами и проблемами.
Согласно исследованию около 100 тыс. чел. от
https://hbr.org/2022/10/4-types-of-innovators-every-organization-needs
выделяют 4 типа инноваторов, которые нужны каждой организации.
Они имеют разные врожденные предрасположенности, но одинаковы по отношению к процессу создания, к инновациям.
Фаундер, зачастую, начинает один. Нужно заниматься исследованием рынка, тестом гипотез, выявлением потребностей, продуктом, искать инвестиции, создавать команду. Иметь комбинацию способностей, которые на старте необходимы.
Важна скорость, важно время и нужно быть эффективным.
Вы все время находитесь в режиме повышенной неопределенности.
А в эру цифровой революции нужно разбираться в сразу нескольких областях и делать это быстро, быть прибыльным сразу, особенно в России, где нет венчурной культуры
Нужно это как-то или чем-то компенсировать.
Частично, тут могут помочь AI.
Adept . 68 млн$ инвестиций.
https://www.adept.ai/
занимается технологиями ИИ, целью которой является создание общего искусственного интеллекта.
Явное отличие Adept — это мозговой трест исследователей ИИ из DeepMind, Google и OpenAI.
«[Мы] обучаем нейронную сеть использовать все программные инструменты в мире, опираясь на огромное количество существующих возможностей, которые уже созданы людьми», генеральный директор Дэвид Луан
«Мы думаем, что способность ИИ читать и писать текст будет по-прежнему ценной, но способность делать что-то на компьютере будет значительно более ценной для предприятия… Модели, обученные работе с текстом, могут писать отличную прозу, но они могут не предпринимать действий в цифровом мире. Вы не можете попросить [их] забронировать вам рейс, выписать чек продавцу или провести научный эксперимент. Настоящий общий интеллект требует моделей, которые могут не только читать и писать, но и действовать, когда люди просят его что-то сделать».
что это дает стартапу:
мне кажется проекты no-code, которые будут позволять людям без специализированных узких знаний создавать и строить проекты, реализовывать свои идеи и не погружаясь в долгую разработку
ИИ революционизирует каждую область, и наука не является исключением.
Ни один человек или группа людей не может угнаться за лавиной информации, производимой многими современными физическими и астрономическими экспериментами. Некоторые из них ежедневно записывают терабайты данных – и поток только увеличивается.
В недавней статье ученые объясняют, как они использовали модель нейронной сети для прогнозирования генезиса структуры Вселенной. Один из «святых Граалей» современной науки.
Сундар Пичаи, генеральный директор Google, заявил, что ИИ сыграет решающую роль в решении некоторых из самых серьезных мировых проблем, включая здравоохранение и изменение климата.
Инструменты AI для работы с научными материалами:
SciSpace
https://typeset.io/ -объединяет всех заинтересованных сторон в экосистеме — читателей, исследователей, преподавателей, издателей и университеты. 200 млн. исследовательских работ, предлагаем более 100 тыс. шаблонов журналов и обрабатываем более 30 тыс. документов в месяц для исследователей.
https://www.semanticscholar.org/ -поисковая система для научных работ, которая использует ИИ . 210 млн. статей из всех областей науки
Scite
https://scite.ai/ -стартап из Бруклина, который помогает исследователям лучше находить и понимать исследовательские статьи
Perplexity Ask
https://perplexity.ai -новый поисковый интерфейс, использующий языковые модели OpenAI GPT 3.5 и Microsoft Bing для прямого ответа на любой заданный вами вопрос.
что это дает стартапу:
Возможность находить быстро и точечно научную или любую информацию или ознакомиться с исследованиями за несколько минут позволит принимать верные решения при собственных исследованиях рынка и аудитории. Перенимать опыт уже существующих рынков и проектов.
Творческий ИИ.
Творческий ИИ обещает мощные иллюзии и всепоглощающие миры!
Генеральный директор OpenAI Сэм Альтман ожидает, что самые большие потрясения произойдут в творческих отраслях.
Творческий ИИ — это противостояние тому факту, что неизвестное количество аспектов искусства, столь жизненно важных для нашего чувства свободы человека, можно свести к алгоритмам, к ряду внешних инструкций.
Парадокс Маровека о том, что чем сложнее и высокоуровневая задача, тем легче ее вычислить, полностью реализуется.
Творчество и ИИ объединяются, чтобы влиять на будущее искусства
deepmusic.ai
https://www.deepmusic.ai/
Проект имеет миссию «Мы формируем будущее музыки, чтобы выяснить, как и где ИИ может помочь творческим людям и использовать человеческие силы для создания чего-то нового.
Соучредители Кэрол Рейли , серийный технический предприниматель и генеральный директор, и обладательница премии Грэмми скрипачка Хилари Хан , вице-президент по творческому партнерству, объединились, чтобы дать возможность профессиональным художникам работать вместе с ИИ.
Искусственный интеллект и искусство могут показаться странной парой, но продажа на аукционе Christie’s два года назад созданной ИИ картины «Портрет Эдмона де Белами» за 432 500 долларов США привела к тому, что к этой паре стали относиться более серьезно.
Мишель Элам, профессор гуманитарных наук из Стэнфорда и заместитель директора HAI, называет цель сделать искусственный интеллект и искусство взаимовыгодными.
AIArtists.org
https://aiartists.org/
Крупнейшее в мире сообщество художников, изучающих искусственный интеллект.
Мне нравится, что художники задаются вопросами и исследуют. Вот некоторые из них:
Будет ли ИИ нашим величайшим изобретением или последним?
Например, как ИИ может расширить творческие способности человека ?
Как мы можем использовать ИИ, чтобы отразить нашу человечность и узнать о себе?
Может ли ИИ быть автономно творческим и осмысленным?
Как ИИ может помочь нам узнать о нашем коллективном воображении?
Может ли ИИ сделать созидание сознательным?
Как художники могут строить творческие и импровизационные партнерские отношения с ИИ?
Что видит машина, когда смотрит на глубину и широту нашего человеческого опыта?
Fermat
https://fermat.ws/
Раскройте свой творческий потенциал с помощью ИИ на совместном холсте
creative.ai
дружная группа хакеров и художников, интересующихся генеративным дизайном.
инструменты для совместной работы. Каждый шаг — это эксперимент!
Ну красивое же сочетание — хакеры и художники.
что это дает стартапу:
Мне видится развитие инструментов и проектов, которые будут реализовывать потенциал искусства в полной мере и делать его удобным. Агрегировать мысли и идеи, заметки и что-то подмеченное в моменте в одном месте несколькими действиями и помогать не уйти вдохновениюx, сделать процесс вдохновения сознательным!
Инструменты могут помочь и аналитическим умам выразить свою красоту/идеи через визуальные формы, которых будет все больше.
Персональный ИИ.
Ваш личный ИИ — это цифровая версия вашего разума, который постоянно учится на основе ваших уникальных знаний, воспоминаний, вдохновения и опыта. Он работает, действует и реагирует так же, как и вы.
Разблокируйте оригинальные идеи за считанные секунды.
Один преподаватель в обсуждении поделился, что он сгружает в него свои материалы по предмету, тем самым подготавливает модель в дальнейшим к самостоятельной работе с группой студентов, подключив их к ней.
что это дает стартапу:
Такие штуки работают на вырост. Сначала ты кормишь его информацией, например все по одной профессиональной теме. Загружаешь ему все материалы и данные, свои идеи и цели. Потом он начинает давать плоды в виде подсказок и делает за тебя часть работы, полностью понимая, что ты хочешь. Такой вот кофаундер, который всегда за тебя и с тобой.
ДНК Инноватора.
HAI Human-centered Artificial Intelligence от СтэндфордскогоУниверситета https://hai.stanford.edu/
видит своей миссией — расширение человеческих возможностей
Эти исследовательские проекты соответствуют трем основным направлениям исследований:
Увеличение человеческих возможностей
Эксперименты Гугл.
https://experiments.withgoogle.com/experiments и https://cloud.google.com/ai-workshop/experiments
Эксперименты — это проекты, раздвигающие границы искусства, технологий, дизайна и культуры. Эксперименты вдохновляют, учат и радуют.
Гугл, Стэнфорд и К. Кристенсен в своей книге «Стать инноватором. 5 привычек лидеров, меняющих мир» схожи в том, что для поиска хорошей идеи нужно исследовать и проводить эксперименты.
Схема выглядит так:
Приведенные примеры AI и нашего взаимодействия с ним, на мой взгляд, способствуют тем способам, выраженным на схеме.
ИИ позволяют каждому быть «умнее» и быстрее. Но очень важно иметь возможность думать вместе, обсуждать свои идеи, пока еще не окрепшие метриками, с близкими по ценностям и увлеченными людьми. Можно быть одному и Гуглом, и Стэнфордом, но инструменты никогда не заменят человека с другим восприятием мира, творческое оно или научное. Можно упустить что-то кардинально новое для себя, большой пласт для идей и открытий, для успешных проектов.
Так что важно объединяться, экспериментировать и создавать новое!
Вот сервисы и ресурсы, которые могут помочь в развитии проектов:
1. СЕРВИСЫ ПО ПОИСКУ МЕНТОРОВ, ЭКСПЕРТОВ.
можно найти ментора с капой 32 млн$, продакта или прогера из Яндексов
для нетворка, общения и вопросов
Если кому интересна тема запуска проектов, ниже ресурсы для связи.
Я запускаю проект freesion.
Суть его- в исследовательском подходе и работе в мини-группах над реальными проектами и идеями, используя технологии AI и web3 и разность людей.
🟢 тестировать инструмент, экспериментировать с технологиями, проверять гипотезы
🟢 обмен ресурсами и наработками в небольшом комьюнити
🟢 предприниматели, инвесторы, it, креаторы и творческие ребята, люди из науки и искусства-вместе