Польша: 100 ИИ-стартапов

Я некоторое время слежу за польскими стартапами в области ИИ, и я решил структурировать знания и создать ландшафт польских стартапов в области ИИ — я определил 100 из них!

Этот ландшафт направлен на выявление и классификацию инновационных ИИ-стартапов из Польши. Я также надеюсь, что ландшафт облегчит доступ компаний к капиталу, клиентам и талантам.

В последнее время вокруг ИИ было много ажиотажа, и почти каждый стартап претендует на звание стартапа ИИ. Помня об этом, я сделал все возможное, чтобы выбрать только те стартапы, которые предлагают решения, в которых искусственный интеллект является неотъемлемым элементом. Другими словами, если вы можете удалить компонент ИИ из решения, предоставляемого компанией, и ценность решения с точки зрения клиента резко не снижается, компания исключается из списка.

Польская экосистема ИИ с точки зрения основателя

За последние несколько лет я наблюдал значительный рост осведомленности и зрелости стартапов на основе ИИ в Польше. Для многих компаний ИИ уже не просто модное слово, используемое для привлечения клиентов и инвесторов, а вместо этого является важным фактором, определяющим добавленную стоимость. Этот факт в сочетании с исключительным уровнем технических навыков и таланта делает наш регион очень интересным местом для создания, роста и масштабирования организаций, основанных на ИИ.

Слова Камила подтверждает карта, которую вы видите ниже. В Польше уже есть 100 стартапов в области ИИ, и я ожидаю, что это число только увеличится в ближайшие несколько лет.

Здравоохранение и чат/голос составляют треть экосистемы

Глядя на ландшафт, мы видим, что категория здравоохранения содержит больше всего стартапов ИИ. Это неудивительно, поскольку эта категория также получила наибольшее венчурное финансирование в Польше — 15% от общего венчурного финансирования в Польше в 2022 году было направлено на стартапы в области здравоохранения . Еще одна важная категория — обслуживание клиентов, чат и голосовая связь. В две категории вошли одни из самых успешных стартапов из списка: Infermedica (120 млн злотых, серия B в 2021 г.) и Tido (109 млн злотых, серия B в 2022 г.).

Тенденции приложений ИИ — гораздо больше, чем генеративный ИИ

Генеративный ИИ, безусловно, самая горячая тема ИИ в настоящее время, но множество новых приложений, которые он открывает, оправдывают ажиотаж. Я ожидаю, что благодаря этой технологии появится много новых стартапов. Обслуживание клиентов , вероятно, является наиболее очевидной категорией, на которую повлияет прогресс в области генеративного ИИ из-за диалогового характера взаимодействия с клиентами, характерного для таких инструментов, как Chat GPT. Я думаю, что мы также увидим много новых стартапов, работающих над маркетинговыми инструментами на основе ИИ , которые позволят создавать более дешевый и быстрый контент. Это не ограничивается только текстом, так как генерация изображений и видео также будет использоваться в этих решениях .

Категория инструментов для разработчиков также, вероятно, будет процветать в ближайшие годы. Мы уже видели приложения, демонстрирующие потенциал этой технологии, например, Codex , преобразующий естественный язык в код , или Copilot , предлагающий код в режиме реального времени . Однако я думаю, что нам еще предстоит увидеть много новых инструментов, которые упрощают и ускоряют создание, тестирование или отладку программного обеспечения.

Кроме того, я вижу огромный потенциал в решениях с минимальным кодом или без кода , которые позволяют менее техническим пользователям создавать приложения ИИ. Этому будет способствовать огромное количество потенциальных вариантов использования ИИ , но очень ограниченное число разработчиков ИИ.

Еще одна категория, которая, как я ожидаю, значительно вырастет, — это ИИ в здравоохранении. Это уже самая большая категория в польской экосистеме, но увеличение объема медицинских данных и демократизация доступа обеспечивают дальнейший быстрый рост . Благодаря электронным медицинским записям, страховым случаям, множеству приложений для отслеживания здоровья и носимых устройств происходит взрыв данных о здоровье. Все они предоставляют источники данных для обучения моделей ИИ (по некоторым оценкам, 30% генерируемого в мире объема данных генерируется отраслью здравоохранения ). Кроме того, цифровые решения для здравоохранения с искусственным интеллектом становятся все более доступными благодаря виртуальному и мобильному уходу. В результате пациенты все больше привыкают к технологическому здравоохранению, которое все чаще будет основываться на искусственном интеллекте.

Компьютеры дешевеют, но размеры моделей быстро растут

Одной из основных тенденций, от которой выиграют все приложения ИИ, является снижение стоимости обучения и эксплуатации моделей ИИ . Например, согласно исследованию Стэнфорда, стоимость обучения системы классификации изображений снизилась на 2/3 с 2018 года, при еще большем сокращении времени обучения модели.

Снижение затрат в основном возможно благодаря более эффективному оборудованию, предназначенному для ИИ , такому как тензорные процессоры Google (TPU) или чипы Nvidia, например A100 . Для компаний, занимающихся ИИ, затраты на облачные вычисления обычно являются основным компонентом COGS (себестоимость проданных товаров). Когда затраты на вычисления снижаются, они делают новые приложения экономически жизнеспособными, тем самым обеспечивая более широкое коммерческое внедрение ИИ .

Однако модели ИИ также становятся больше, поэтому их обучение становится дороже (оценочная стоимость обучения GPT-3 составляет до 12 миллионов долларов США ). Эта тенденция может компенсировать эффект снижения удельных вычислительных затрат, однако это касается в основном современных моделей, опубликованных исследователями, а не уже коммерциализированных систем.

Объяснимость, предвзятость и качество данных являются основными проблемами

Природа «черного ящика» (то есть неспособность понять, как алгоритм принимает решения) многих систем ИИ является одним из существенных препятствий для внедрения ИИ. Пользователи часто требуют прогноза от алгоритма и объяснения того, как был сделан прогноз. Предложить такое объяснение чрезвычайно сложно для таких алгоритмов, как нейронные сети, а отсутствие объяснения может помешать некоторым пользователям принять решения ИИ. Увеличение числа параметров моделей только усугубляет эту проблему.

Еще одна проблема — предвзятость — тенденция алгоритма отражать человеческие предубеждения, присутствующие в наборе обучающих данных. Например, один генеративный алгоритм искусственного интеллекта попросил сгенерировать изображения «бедного человека» и «бандита», которые генерировали преимущественно лица с темной кожей. При массовом применении предвзятые алгоритмы будут усиливать стереотипы и предубеждения, уже существующие в нашем обществе.

Доступность качественных данных также вызывает озабоченность. Несмотря на растущий объем данных, генерируемых во всем мире, данные, хранящиеся в компаниях, часто имеют низкое качество, что значительно усложняет внедрение систем ИИ.

Несмотря на эти проблемы, я убежден, что польские и мировые экосистемы ИИ ждут лучшие годы впереди. Я не могу дождаться появления новых стартапов!

Если вы знаете какую-либо компанию, которую следует добавить в список, заполните эту форму и дайте мне знать в комментариях!

Методология:

1. Я включил только компании-производители, т. е. компании, разрабатывающие собственное программное обеспечение ИИ, были исключены.

2. Я стремился выявить только те стартапы, в которых компонент ИИ имеет решающее значение для надлежащего функционирования решения — другими словами, исключение компонента ИИ приведет к тому, что решение потеряет большую часть ценности, предлагаемой клиентам.

3. Я разделил карту на три основные категории в зависимости от типа приложения:

• Межотраслевые приложения — приложения, которые могут использоваться в нескольких отраслях, например инструменты кибербезопасности.
• Отраслевые приложения — решения, ориентированные на конкретную отрасль, например здравоохранение.
• Инструменты разработчика — инструменты, которые можно использовать во время исследований и разработок, связанных с ИИ, или инструменты на основе ИИ, поддерживающие разработку программного обеспечения.