پیش بینی های هوش مصنوعی برای سال ۲۰۲۴: VC های برتر چه فکر می کنند

با نزدیک شدن به پایان سال ۲۰۲۳، زمان تأمل در مورد پیشرفت های عظیم – و بحث های اخلاقی – پیرامون هوش مصنوعی در سال گذشته است. راه اندازی چت بات ها مانند بینگ چت و گوگل بارد توانایی های چشمگیر زبان طبیعی را به نمایش می گذارد، در حالی که مدل های هوش مصنوعی مولد مانند آن هستند FROM-E 3 و MidJourney V6 با تولید تصویر خلاقانه خود شگفت زده شدند.

با این حال، نگرانی هایی در مورد آسیب های احتمالی هوش مصنوعی نیز مطرح شد. نقطه عطف اتحادیه اروپا قانون هوش مصنوعی به دنبال محدود کردن استفاده های خاص از این فناوری بود و دولت بایدن این موضوع را صادر کرد دستورالعمل ها در مورد توسعه آن

با توجه به اینکه انتظار می رود نوآوری سریع ادامه یابد، بسیاری از آنها می پرسند: آینده هوش مصنوعی چیست؟ برای پی بردن به این موضوع، سرمایه‌گذاران خطرپذیر پیشرو را که در استارت‌آپ‌های هوش مصنوعی سرمایه‌گذاری می‌کنند، بررسی کردیم تا جسورانه‌ترین پیش‌بینی‌های آن‌ها در مورد آنچه ممکن است در سال ۲۰۲۴ به همراه داشته باشد. آیا ما شاهد «زمستان هوش مصنوعی» دیگری خواهیم بود، زیرا تبلیغات با واقعیت روبرو می شود؟ یا پیشرفت های جدید پذیرش را در صنایع تسریع خواهد کرد؟ سیاستگذاران و مردم چگونه پاسخ خواهند داد؟

شرکت‌های VC از شرکت‌های برتر از جمله Bain Capital Ventures (BCV)، Sapphire Ventures، Madrona، General Catalyst و موارد دیگر دیدگاه‌های خود را در مورد موضوعاتی از آینده هوش مصنوعی مولد تا کمبود GPU، مقررات هوش مصنوعی، برنامه‌های کاربردی تغییر آب و هوا و موارد دیگر ارائه کردند. در حالی که دیدگاه‌ها در مورد ریسک‌ها و زمان‌بندی متفاوت است، اکثر آنها موافقند: سال ۲۰۲۴ سال تعیین‌کننده‌ای برای هوش مصنوعی است. برای جسورانه‌ترین پیش‌بینی‌ها و بینش‌های آن‌ها در مورد آنچه در هوش مصنوعی در راه است، بخوانید.

---

ظهور و سقوط استارت آپ های مولد هوش مصنوعی

“بسیاری از شرکت‌های مولد هوش مصنوعی خواهند مرد. اگر شما یکی از استارت‌آپ‌هایی نبودید که امسال هیولاها را به راه انداختند، آینده برای شما نامشخص خواهد بود. [generative AI] شرکت‌ها با یکدیگر رقابت خواهند کرد، استارت‌آپ‌های ساخته شده بر روی OpenAI ریسک پلتفرم را تجربه خواهند کرد و جذب سرمایه در این شرکت‌ها خشک می‌شود. در روز اول، ما به طور کلی از این معاملات چشم پوشیدیم.

من در مورد هوش مصنوعی در بیوتکنولوژی، ژنوم، آب و هوا و کاربردهای صنعتی هیجان زده هستم. هوش مصنوعی با کمک به دانشمندان و محققان در توسعه درمان‌ها و تشخیص‌های جدید بر اساس داده‌های ژنومی انسان، جان انسان‌ها را نجات خواهد داد. در صنعت روانگردان، شرکت نمونه کار ما Mindstate از هوش مصنوعی برای ایجاد “وضعیت های ذهنی” جدید بر اساس بزرگترین مجموعه داده جامع گزارش سفر خود برای کمک به درمان PTSD مقاوم در برابر درمان استفاده می کند. هوش مصنوعی در باروری، باروری و طول عمر پارادایم طول عمر انسان ها و نحوه بچه دار شدن ما را به طور کامل تغییر می دهد. در شرایط اقلیمی، شرکت‌ها از هوش مصنوعی برای دفاع از اکوسیستم‌های ما استفاده می‌کنند، مانند اینکه چگونه Vibrant Planet از هوش مصنوعی/ML استفاده می‌کند تا از آتش‌سوزی‌های فاجعه‌باری که در سطح جهان رخ می‌دهد جلوگیری کند.

هوش مصنوعی همچنین می‌تواند آنچه را که در ذهن افراد اتفاق می‌افتد بخواند و تصاویری از افکار آنها به نمایش بگذارد – این بسیار جذاب است و من کنجکاو هستم که ببینم چگونه دانش در مورد آگاهی و ناخودآگاهی انسان را باز می‌کند.

ماشا بوچربنیانگذار و شریک عمومی در Day One Ventures

---

همگرایی روش‌های داده در مدل‌های چندوجهی

“در سال ۲۰۲۴، همگرایی روش های داده – متن، تصویر، صدا – به مدل های چندوجهی، قابلیت های هوش مصنوعی را دوباره تعریف می کند. استارتاپ هایی که از این مدل ها استفاده می کنند، تصمیم گیری بهتر و بهبود تجربیات کاربر، از جمله شخصی سازی را امکان پذیر می کنند. ما شاهد موارد استفاده جدید و متحول خواهیم بود. در سراسر صنایعی مانند تولید، تجارت الکترونیک و مراقبت های بهداشتی. از جنبه زیرساختی، حجم کاری هوش مصنوعی سخت تر خواهد شد، و من انتظار دارم که شاهد نوآوری در پایگاه های داده چندوجهی باشیم. در حالی که هر موردی به مدل های چندوجهی نیاز ندارد، اولین نسل استارت آپ های LLM در بسیاری از بخش ها با رقابت جدیدی روبرو خواهد شد و فشار برای ادامه نوآوری و ایجاد قابلیت دفاعی شدید خواهد بود.”

کتی گائوشریک در Sapphire Ventures

“ما در سال ۲۰۲۴ شاهد بازیابی چندوجهی و استنتاج چندوجهی در مرکز محصولات هوش مصنوعی خواهیم بود. محصولات هوش مصنوعی امروزه عمدتا متنی هستند. اما کاربران نرم افزارهای گویاتری را ترجیح می دهند که در هر حالتی، از صدا گرفته تا ویدئو تا آنها را برآورده کند. صدا به کد و موارد دیگر. اگر بتوانیم این معماری‌ها را در مقیاس به کار ببریم، می‌توانیم قفل نرم‌افزاری را باز کنیم که نتایج بسیار دقیق‌تر و انسانی‌تری ارائه می‌دهد، از رسم پاسخ گرفته تا برقراری تماس با لحن و صدای شما، بنابراین می‌توانید کمتر در جلسات شرکت کنید تا همگرا در مورد نتیجه درست از طریق همکاری با سایر AI و نهادهای انسانی. برای تقویت این امر، ما از ارائه دهندگان ETL مانند Unstructured انتظار داریم که منابع داده جدید را متنوع کنند، استارتاپ های بیشتری از معماری Segment Anything از Meta استفاده کنند و استارتاپ هایی مانند Contextual کامل شوند. راه حل های مقیاس برای بازیابی چند وجهی.

راک گرگمعاون رئیس در Bain Capital Ventures

“ما همچنان شاهد شکوفایی هوش مصنوعی در موارد استفاده بیشتر هستیم، به ویژه در صنایعی که هم بزرگ و هم زنگ زده هستند. در مراقبت های بهداشتی، ما در مورد امکان استفاده از بینایی کامپیوتری برای تشخیص سرطان، استفاده از یادگیری ماشینی برای کمک به تشخیص بهتر هیجان زده هستیم. استفاده از هوش مصنوعی مولد برای کاهش کاغذبازی. در نظر بگیرید که ما ۴٫۳ تریلیون دلار در مراقبت های بهداشتی در ایالات متحده هزینه می کنیم که به عنوان درصد تولید ناخالص داخلی ما تقریباً دو برابر میانگین OECD است و تقریباً یک سوم صرفاً هزینه های اداری است… و در حالی که چت یکی از کلیدواژه‌های کلیدی سال ۲۰۲۳ بوده است، شرکت‌ها باید در سال ۲۰۲۴ فراتر از چت فکر کنند. هوش مصنوعی چندوجهی در ورودی، آموزش، ایجاد مدل و خروجی حوزه‌های کلیدی نوآوری هستند.

آمیت گارگشریک مدیر در Tau Ventures و سانجی رائوشریک مدیر Tau Ventures

“مدل های چند وجهی ایجاد تعاملات متقاعد کننده با عوامل هوش مصنوعی را بسیار آسان تر می کند و کیفیت هوش مصنوعی تشخیص تفاوت بین یک کامپیوتر و یک انسان در موارد استفاده خاص را برای انسان تقریبا غیرممکن می کند. ما قبلاً می توانیم این را مشاهده کنیم. در مکان‌هایی مانند Character.AI و اینستاگرام و انتظار داشته باشید که این امر در محل کار در زمینه‌هایی مانند آموزش، پشتیبانی مشتری، و بازاریابی/فروش رخ دهد.

جس لئوشریک در Decibel VC

---

دموکراتیک کردن هوش مصنوعی از طریق منبع باز

ما پیش‌بینی می‌کنیم که مدل‌های متن‌باز بیشتری در سال ۲۰۲۴ منتشر شوند و به‌ویژه شرکت‌های فناوری بزرگ را به عنوان یکی از مشارکت‌کنندگان اصلی می‌بینیم. برخی از نمونه‌های این امر می‌تواند شامل شرکت‌هایی مانند تسلا، اوبر و لیفت باشد (از لحاظ تاریخی هر دو مشارکت‌کنندگان بزرگ هستند. به پروژه‌های منبع باز)، و حتی Snowflake. اگر برخی از این مدل‌ها به شرکت‌ها تبدیل شوند و دورهای مالی زیادی دریافت کنند، تعجب نخواهیم کرد.”

ویوک راماسوامیشریک در Madrona و سابرینا ووسرمایه گذار در Madrona

“من می بینم که چند وجهی تبدیل به استاندارد واقعی برای هر ارائه دهنده مدل های بزرگ توسط H2’24 می شود. سازندگان مدل های خیمه شب بازی که از لحاظ تاریخی مدل های اختصاصی خود را حفظ کرده اند، همزمان با انتشار معیارهای جدید برای بازنشانی مکالمه در مورد بنچمارک برای AGI، منبع باز IP منتخب را منتشر می کنند.”

کریس کافمنشریک در جنرال کاتالیست

“در قیمت‌گذاری هوش مصنوعی مولد بین OpenAI، Mistral، Google، و سایر مدل‌های منبع باز رقابت تا پایانی وجود دارد. بیشتر آنها با استفاده از زیرساخت‌های سخت‌افزاری موجود متحمل ضرر می‌شوند (که در هزینه‌های ورودی/خروجی هر توکن مشهود است) و امیدواریم که حجم آن را جبران کنیم. الزام شرکت های هوش مصنوعی مولد واضح است: یافتن مسیرهایی برای سودآوری و مقیاس پذیری. بر اساس این نیاز، من معتقدم سرمایه گذاری های VC به سمت توسعه مدل های کارآمد، استفاده از سخت افزار محاسباتی جدید هوش مصنوعی و ارائه ارزش می رود. خدمات اضافه شده مانند تنظیم دقیق مدل خاص و انطباق.

جیمی کانشریک در Anzu Partners

---

کمبود GPU: یک مشکل دائمی یا یک عقب گرد موقت؟

“۲۰۲۴ سال کاربردهای انتشار بلادرنگ خواهد بود. در سال ۲۰۲۳، شاهد برخی پیشرفت‌های نظری عمده در سرعت استنتاج مدل انتشار بودیم – مانند مقاله مدل‌های سازگاری اصلی توسط Song و همکاران، و اخیراً، LCMs. (همچنین، Adversarial Diffusion Distillation.) ما در حال حاضر شروع به دیدن پروژه‌هایی کرده‌ایم که از این ایده‌ها استفاده می‌کنند، مانند Dan Wood’s Art Spew (77 تصویر ۵۱۲×۵۱۲ در ثانیه، روی یک ۴۰۹۰)، Modal’s turbo.art (بر اساس SDXL Turbo) و تعویض چهره fal.ai با سرعت ۳۰ فریم در ثانیه. در سال ۲۰۲۴، ما شاهد برنامه‌های پخش همزمان تصویر، صدا و ویدیو خواهیم بود.

Slater Stichشریک در Bain Capital Ventures

“کمبود پردازنده گرافیکی همچنان اکوسیستم استارتاپی را ویران می کند، و شرکت های جدید را برای عرضه محصولات خود به بازار سخت می کند. دو راه برای حل این مشکل وجود دارد؛ یا گزینه های محاسباتی جدیدی ظاهر می شوند که از انحصار Nvidia در هوش مصنوعی رهایی می یابند، یا راه های جدید. مدل‌ها/معماری‌هایی به وجود می‌آیند که با منابع محاسباتی کارآمدتر هستند. من انتظار دارم که ببینم مقادیر زیادی بودجه صرف معماری‌های مدل جدیدی می‌شود که در زمان خطی و نه درجه دوم اجرا می‌شوند، مانند Mamba از Cartesia AI، علاوه بر پلت‌فرم‌های ساخته‌شده پیرامون مدل‌های انتشار و شبکه های عصبی مایع به عنوان یک جایگزین سریعتر، ارزانتر و کارآمدتر برای LLMهای مبتنی بر ترانسفورماتور.

راک گرگمعاون رئیس در Bain Capital Ventures

“برای شروع، کمبود GPU لزوما آنقدرها که همه فکر می کنند حاد یا قطعی نیست. مسئله بزرگتر قحطی استفاده از زیرساخت های موجود در آن است، که به اعتقاد من در سال ۲۰۲۴ در کنار محدودیت های زنجیره تامین ادامه خواهد داشت. رفع نرم افزارهای سطح پایین تر. زیرا هوش مصنوعی کلید حل «کمبود» واهی GPU و مشکلات استفاده واقعی‌تر خواهد بود. تا آن زمان، تنها راه‌حل کوتاه‌مدت ما محاسبات بیشتر است. با این حال، من پیش‌بینی می‌کنم که محدودیت‌های GPU در سال ۲۰۲۴ باقی بمانند. با توجه به اینکه انویدیاهای جهان همچنان عقب ماندگی را تجربه می کنند، در حالی که رقبا (یعنی AMD و Intel) هر کدام ۱ تا ۲ درصد از سهم بازار پردازنده گرافیکی را در نتیجه ناامیدی طرف تقاضا به دست خواهند آورد.

کریس کافمنشریک در جنرال کاتالیست

“یک برداشت مخالف این است که ما در نهایت *نباید* کمبود پردازنده گرافیکی داشته باشیم. بازار به تعداد انگشت شماری از خریداران و تامین کنندگان همگرا خواهد شد. Nvidia و سایرین برای برآورده کردن تقاضای پیش بینی شده افزایش خواهند یافت و مایکروسافت، گوگل، آمازون، فیس بوک، و بسیاری از کشورهای مستقل همچنان خریداران بزرگی خواهند بود. بقیه ما آنها را از ارائه دهندگان ابر اجاره خواهیم داد، اما ظرفیت اجاره ای زیادی برای رفت و آمد وجود خواهد داشت. ثروتمندان ثروتمندتر خواهند شد، اما کیفیت زندگی برای “GPU” بهبود خواهد یافت. -فقیر’.”

جس لئوشریک در Decibel VC

به گفته رئیس شرکت تولید نیمه هادی تایوان (TSMC)، این کمبود تراشه های هوش مصنوعی نیست. این … COWOS ما است [advanced chip packaging] ظرفیت، و حافظه پیشرفته و ظرفیت بسته بندی افزایش خواهد یافت. با این حال، پایداری بلندمدت هوش مصنوعی در تولید به پردازنده‌های گرافیکی همه منظوره مانند Nvidia H100 و AMD MI300X متکی نخواهد بود. سرمایه‌گذاری‌ها به جای آموزش بر روی سخت‌افزار تخصصی برای استنتاج تمرکز خواهند کرد. نوآوری های NPU مانند d-Matrix و هوش مصنوعی را شارژ کنیدبا استفاده از محاسبات نزدیک/در حافظه، به عنوان راه حل های مقرون به صرفه و سازگار با محیط زیست، مناسب برای استقرار هم در رایانه های شخصی هوش مصنوعی محلی و هم در مراکز داده ظاهر می شوند.

جیمی کانشریک در Anzu Partners

اپل و گوگل: غول های خفته؟

“ما معتقدیم که سال ۲۰۲۴ انتشارهای بزرگی از اپل خواهد داشت، شاید حتی GPT خودش. گزارش هایی مبنی بر یک Apple LLM وجود دارد که در داخل به نام Ajax GPT شناخته می شود. در حالی که این مدل برای استفاده داخلی ایجاد شده است، سال آینده می توانیم شاهد ساخت Ajax توسط اپل باشیم. یا مدل‌های مرتبط) عمومی‌تر، یا ترکیب قابلیت‌های هوش مصنوعی مولد در برنامه‌های خود (مانند XCode، Apple Music) و دستگاه‌ها (مانند مک، ویژن پرو). “چارچوب کارآمد یادگیری ماشینی که به طور خاص برای سیلیکون اپل طراحی شده است.” با توجه به نقش برجسته اپل به عنوان تولید کننده دستگاه های مصرفی، انتشارات اپل نه تنها بر مدل های موجود، بلکه بر نحوه رویکرد ایالات متحده به مقررات تاثیر زیادی دارد.

ویوک راماسوامیشریک در Madrona و سابرینا ووسرمایه گذار در Madrona

“اگر سال ۲۰۲۳ سال Open AI بود و مایکروسافت مالک امواج رادیویی بود، سال آینده همه ما در مورد Google صحبت خواهیم کرد. سرمایه گذاری قابل توجه گوگل در Gemini و داده ها و منابع محاسباتی بی رقیب به توسعه دهندگان قابلیت های GPT-4+ در همه اشکال و اندازه ها را ارائه می دهد. پیشبرد مرز برای همه ارائه دهندگان مدل پایه. هنوز آنها را رد نکنید.”

جس لئوشریک در Decibel VC

آماده شدن برای تغییر هوش مصنوعی بلند مدت

“هرکسی که در سال گذشته وارد هوش مصنوعی شد، با دانستن اینکه چیپلت ها چیست، از سال ۲۰۲۴ خارج خواهند شد. همانطور که ما همچنان با محدودیت های قانون مور دست و پنجه نرم می کنیم، شاهد ورود پارادایم های معماری جدید نیز خواهیم بود – نه تنها با معماری های نیمه هادی هسته ای جدید مانند چیپلت ها، بلکه با بسته بندی و اتصال پیشرفته.

کریس کافمنشریک در جنرال کاتالیست

“Edge-to-Cloud یا “Hybrid AI”، ادغام هر دو دستگاه ابری و لبه مانند تلفن های هوشمند، لپ تاپ ها، وسایل نقلیه و دستگاه های IoT مزایایی را در عملکرد، شخصی سازی، حریم خصوصی و امنیت ارائه می دهد. همانطور که مدل‌های هوش مصنوعی مولد کوچک می‌شوند و قابلیت‌های روی دستگاه بهبود می‌یابند، این رویکرد به طور فزاینده‌ای برای مقیاس‌بندی هوش مصنوعی برای پاسخگویی به نیازهای شرکت‌ها و مصرف‌کنندگان جهانی در بلندمدت امکان‌پذیر و ضروری می‌شود.

جیمی کانشریک در Anzu Partners