ستة ضرورات لبناء شركات تعتمد على الذكاء الاصطناعي أولاً
التغيير يحدث ببطء، ثم مرة واحدة – خاصة في الصناعات المعقدة مثل الرعاية الصحية.
قبل خمس سنوات فقط، كانت استثمارات رأس المال الاستثماري في مجال الذكاء الاصطناعي في مجال الرعاية الصحية ناشئة واستكشافية. بعد مرور نصف عقد وجائحة عالمية واحدة، نحن نعيش في حالة شجاعة وشجاعة أكثر طموحا عالم جديد يحدده الحماس الجامح للاستفادة من التقنيات الثورية مثل الذكاء الاصطناعي.
إن توجيه هذه التكنولوجيا نحو المشاكل المستعصية في السابق في الصناعات الرئيسية مثل الرعاية الصحية وعلوم الحياة وما بعدها هو من بين أعظم الفرص في هذا القرن.
كان عام 2022 هو العام الذي شهد فيه الجمهور الأوسع التطورات المادية في أبحاث الذكاء الاصطناعي التي نضجت من المختبر إلى الحياة. قامت ChatGPT بتثقيف أكثر من 100 مليون شخص على مستوى العالم حول المحولات في شهرين فقط.
ما كان في السابق مجالًا بحثيًا ناشئًا أصبح الآن التحول التالي في منصة رأس المال الاستثماري، ومع ذلك، يتساءل المستثمرون: “كيف سيتم بناء شركات الذكاء الاصطناعي لأجيال في مجال الرعاية الصحية وعلوم الحياة وما بعدها؟”
تعمل الشركات التي تعتمد الذكاء الاصطناعي أولاً على تطوير الذكاء الاصطناعي كعلم، في حين أن الشركات التي تدعم الذكاء الاصطناعي هي آلات التنفيذ والتوزيع. ينشئ النمطان الظاهريان للشركتين خنادق في طبقات مختلفة – تبتكر الشركات التي تعتمد الذكاء الاصطناعي أولاً فوق السيليكون مباشرة، بينما تخلق الشركات التي تدعم الذكاء الاصطناعي قيمة مؤسسية على مستوى التطبيق.
بالنسبة للمؤسسين، فإن معرفة نوع الشركة التي تقوم ببنائها أمر ضروري لتوظيف المواهب المناسبة، والشراكة مع المستثمرين المتوافقين، وتأمين رأس المال الكافي، ونشر نموذج أعمال قابل للتطبيق. تتطلب الشركات التي تعتمد الذكاء الاصطناعي أولاً فطنة بحثية عميقة في مجال الذكاء الاصطناعي، ومستثمرين على استعداد لإلقاء نظرة طويلة، ورأس مال أكبر ماديًا، وربما نماذج أعمال أقل تقليدية من نظيراتها التي تدعم الذكاء الاصطناعي.
سيكون تأثير الشركات التي تعتمد الذكاء الاصطناعي أولاً أكبر، والعوائد المالية أعلى، والخنادق أكثر ديمومة من نظيراتها التي تدعم الذكاء الاصطناعي.
في الواقع، هذا التمييز هو طيف، وليس ثنائيًا. سيتم بناء الشركات المؤثرة بكلا النهجين. ومع ذلك، بالنسبة للشركات التي تعتمد الذكاء الاصطناعي أولاً، نعتقد أن الثمار ستكون تستحق الجهد المبذول.
إن التأثير على مجموعة التكنولوجيا من الألف إلى الياء يتيح رقابة مشددة على هيكل التكلفة، واختيارات لا حصر لها للمنتج، وقدر أكبر من الدفاع مقارنة بالشركات التي تدعم الذكاء الاصطناعي والتي تؤجل ممارسة البحث العلمي إلى تلك التي تعتمد الذكاء الاصطناعي أولا.
لم يعد بوسعنا أن نخلط بين الشركات التي تعتمد الذكاء الاصطناعي أولاً والشركات التي تدعم الذكاء الاصطناعي. حتى الآن، تم إنشاء أكبر شركات الذكاء الاصطناعي أولاً للتطبيقات الأفقية (على سبيل المثال، OpenAI، وCohere، وAnthropic)؛ ومع ذلك، فإن المنصات العمودية الخاصة بالصناعة، مثل تلك الموجودة في مجال الرعاية الصحية وعلوم الحياة، ستعرض القدرات الموسعة للنماذج واسعة النطاق لتحقيق تأثير في العالم الحقيقي.
بالنسبة للمؤسسين، نعتقد أن الشركات الدائمة التي تعتمد الذكاء الاصطناعي أولاً – في مجال الرعاية الصحية وعلوم الحياة وما بعدها – ستتبع هذه الضرورات الستة.
إنشاء والحفاظ على ميزة البيانات التي لا يمكن إنكارها
تُظهر الشركات التي تعتمد الذكاء الاصطناعي أولاً شهية لا تشبع للبيانات وتستخدم وسائل إبداعية للحصول عليها بشكل مستدام. بالإضافة إلى تجميع مجموعات بيانات كبيرة وقوية، تتطور شركات الذكاء الاصطناعي أولاً مجموعات بيانات المصمم التي تعد مناسبة بشكل فريد لتقديم أداء عالي في مهام محددة.
تعتبر مجموعات بيانات المصممين فريدة من نوعها حيث أنه لا يمكن العثور عليها بسهولة في الأماكن العامة؛ فهي قابلة للقراءة آليًا، حيث يمكن استيعابها بواسطة نماذج الذكاء الاصطناعي؛ وهي قابلة للتطوير، حيث يمكن توليد كميات كبيرة منها بمرور الوقت.
والأهم من ذلك، أن مجموعات بيانات المصمم ليست مجرد نتاج للعمليات داخل نظام معين، ولا يتم إنشاؤها بواسطة العملاء وحدهم. على سبيل المثال، تنتج صناعات الرعاية الصحية وعلوم الحياة 30% من البيانات العالمية، ومع ذلك فإن الشركات التي تدرب فقط على بيانات السجلات الصحية الإلكترونية الحالية أو الموارد مثل PubMed تترك وراءها مكاسب الأداء والقدرات المادية.
قد تتطلب مجموعات بيانات المصمم تأليف بروتوكولات تجريبية للمواقف التي لا تحدث بشكل طبيعي ولكنها تقدم أداء نموذجيًا قويًا لمهمة معينة.
على سبيل المثال، قامت شركة Subtle Medical، وهي أول شركة تعتمد على الذكاء الاصطناعي وتركز على تسريع التصوير، بتوليد ملايين من صور التصوير بالرنين المغناطيسي غير الكاملة التي تم التقاطها في 15 دقيقة، والتي تم استخدامها لاحقًا لتدريب نماذج التعلم العميق التي يمكنها إعادة بناء اختبارات التصوير الطبي التي تم إجراؤها في فترات أقصر وإزالة الضوضاء عنها. من الوقت. في الممارسة العملية، توفر صور التصوير بالرنين المغناطيسي غير الكاملة قيمة سريرية قليلة؛ ومع ذلك، وباعتبارها شركة تعتمد على الذكاء الاصطناعي أولاً، فقد قامت هذه الصور بتدريب شبكات عصبية عميقة أدت إلى إنشاء خندق بيانات لتقنية Subtle.
يعد التعلم المعزز من خلال التعليقات البشرية (الخبراء) – RL(E)HF – أداة مهمة أخرى للشركات التي تعتمد الذكاء الاصطناعي أولاً. RLHF هي تقنية يتعلم فيها نظام الذكاء الاصطناعي ويحسن أدائه من خلال تلقي ردود الفعل من المدخلات البشرية. مع RL(E)HF، خبير يمكن للتغذية الراجعة البشرية المقدمة من الأفراد المدربين في تخصصات معينة، مثل علم الأعصاب أو البيولوجيا البنيوية، ضبط مخرجات النموذج لتحقيق أداء عالٍ في هذا المجال.
تعمل شركة Abridge، وهي أول شركة تعمل بالذكاء الاصطناعي وتوفر أدوات التوثيق المحيطي للأطباء، على الاستفادة من تعليقات الأطباء حول الملاحظات المكتوبة بالذكاء الاصطناعي لتعزيز دقة الملاحظات وجودتها عبر التخصصات.
تخلق البيانات المستمدة من العملاء أيضًا فرصًا لإنشاء أصول بيانات جديدة ويمكن الدفاع عنها. وبعد تحقيق التوافق بين المنتجات والسوق، يمكن للشركات التي تعتمد الذكاء الاصطناعي أولاً الاستفادة من هذا الوضع لخدمة شرائح العملاء المجاورة. من خلال التقاط مجموعات البيانات ودمجها عبر أصحاب المصلحة في صناعة معينة، يمكن للشركات التي تعتمد الذكاء الاصطناعي أولاً تعزيز مزايا البيانات وفتح TAM وإنشاء فئات جديدة.
