Polonya: 100 Yapay Zeka Girişimi

Bir süredir Polonya yapay zeka başlangıç ​​sahnesini takip ediyorum ve bilgiyi yapılandırmaya ve Polonyalı yapay zeka girişimlerinin bir manzarasını oluşturmaya karar verdim — bunlardan 100 tanesini belirledim!

Bu manzara, Polonya'daki yenilikçi AI girişimlerini tanımlamayı ve sınıflandırmayı amaçlamaktadır. Ayrıca ortamın öne çıkan şirketlerin sermayeye, müşterilere ve yeteneklere erişmesini kolaylaştıracağını umuyorum.

Son zamanlarda AI hakkında çok fazla yutturmaca var ve neredeyse her startup, bir AI startup'ı olduğunu iddia ediyor. Bunu aklımda tutarak, yalnızca yapay zekanın doğal bir unsur olduğu çözümler sunan girişimleri seçmek için elimden gelenin en iyisini yaptım. Diğer bir deyişle, AI bileşenini şirketin sunduğu çözümden çıkarabilirseniz ve çözümün müşteri açısından değeri önemli ölçüde düşmüyorsa, şirket listeden çıkarılır.

Bir kurucunun bakış açısından Polonya yapay zeka ekosistemi

Son birkaç yılda, Polonya'daki yapay zeka tabanlı girişimlerin farkındalığında ve olgunluğunda önemli bir artış gözlemledim. Birçok şirket için yapay zeka artık yalnızca müşterileri ve yatırımcıları çekmek için kullanılan bir moda sözcük değil, bunun yerine katma değerin kritik bir farklılaştırıcısıdır. Olağanüstü düzeyde teknik beceri ve yetenekle birleşen bu gerçek, bölgemizi yapay zeka tabanlı organizasyonları başlatmak, büyütmek ve ölçeklendirmek için çok ilginç bir yer haline getiriyor.

Kamil'in sözleri aşağıda görebileceğiniz harita ile de doğrulanıyor. Polonya'da halihazırda 100 yapay zeka girişimi var ve bu sayının yalnızca önümüzdeki birkaç yıl içinde artmasını bekliyorum.

Ekosistemin üçte birini sağlık ve sohbet/ses hesabı oluşturuyor

Manzaraya baktığımızda, sağlık kategorisinin en çok AI girişimini içerdiğini görüyoruz. Aynı zamanda Polonya'da en fazla risk sermayesi fonu alan kategori olduğu için bu şaşırtıcı değil — 2022'de Polonya'daki toplam risk sermayesi fonunun %15'i sağlık hizmetleri girişimlerine gitti . Bir diğer önemli kategori ise müşteri hizmetleri, sohbet ve ses. İki kategori, listedeki en başarılı girişimlerden bazılarını içerir: Infermedica (2021'de 120 milyon PLN seri B) ve Tido (2022'de 109 milyon PLN seri B).

Yapay zeka uygulamaları trendleri — üretken yapay zekadan çok daha fazlası

Üretken yapay zeka , günümüzde kesinlikle en sıcak yapay zeka konusu, ancak kilidini açtığı sayısız yeni uygulama abartıyı haklı çıkarıyor. Bu teknoloji sayesinde birçok yeni girişimin ortaya çıkmasını bekliyorum. Müşteri hizmetleri, Chat GPT gibi araçların doğasında bulunan müşterilerle etkileşimlerin konuşmaya benzer doğası nedeniyle üretken yapay zekadaki ilerlemeden etkilenecek muhtemelen en belirgin kategoridir. Daha ucuz ve daha hızlı içerik üretimine olanak sağlayacak yapay zeka tabanlı pazarlama araçları üzerinde çalışan birçok yeni girişim de göreceğimizi düşünüyorum . Görüntüler ve video üretimi de bu çözümlere güç katacağından, bu yalnızca metinle sınırlı değildir .

Geliştirici araçları kategorisi de muhtemelen önümüzdeki yıllarda gelişecektir. Doğal dili koda dönüştüren Codex veya gerçek zamanlı olarak kod öneren Copilot gibi bu teknolojinin potansiyelinden yararlanan uygulamaları zaten gördük . Ancak, yazılım oluşturmayı, test etmeyi veya hata ayıklamayı daha kolay ve daha hızlı hale getiren birçok yeni aracı henüz görmediğimizi düşünüyorum.

Ayrıca, daha az teknik kullanıcının yapay zeka uygulamaları oluşturmasını sağlayan düşük kodlu veya kodsuz çözümlerde muazzam bir potansiyel görüyorum . Bu , çok sayıda potansiyel AI kullanım durumu, ancak çok sınırlı sayıda AI geliştiricisi tarafından desteklenecektir .

Önemli ölçüde büyümesini beklediğim bir diğer kategori ise sağlık hizmetlerinde yapay zeka. Bu, halihazırda Polonya ekosistemindeki en büyük kategoridir, ancak artan sağlık verisi miktarı ve erişimin demokratikleşmesi daha hızlı büyümeyi mümkün kılmaktadır . Elektronik tıbbi kayıtlar, sigorta talepleri, sayısız sağlık izleme uygulaması ve giyilebilir cihazlar sayesinde sağlık verilerinde patlama yaşanıyor. Hepsi yapay zeka modellerini eğitmek için veri kaynakları sağlar (bazı tahminlere göre, dünyanın üretilen veri hacminin %30'u sağlık sektörü tarafından üretilir ). Ayrıca, sanal ve mobil bakım sayesinde dijital yapay zeka sağlık hizmetleri çözümleri daha erişilebilir hale geliyor. Sonuç olarak, hastalar giderek yapay zeka destekli olacak teknoloji destekli sağlık hizmetlerine daha fazla alışıyor.

Bilgi işlem daha ucuz hale geliyor, ancak model boyutları hızla artıyor

Tüm yapay zeka uygulamalarına fayda sağlayacak önemli bir trend, yapay zeka modellerini eğitme ve çalıştırma maliyetinin düşmesidir . Örneğin, Stanford tarafından yapılan araştırmaya göre , bir görüntü sınıflandırma sisteminin eğitim maliyeti 2018'den bu yana 2/3 oranında azaldı ve model eğitim süresinde daha da büyük bir azalma oldu.

Maliyet düşüşü, Google'ın Tensör İşleme Birimleri (TPU'lar) veya Nvidia'nın yongaları, örneğin A100 gibi daha verimli yapay zekaya özel donanımlar sayesinde mümkündür . Yapay zeka şirketleri için bulut bilgi işlem maliyetleri genellikle önemli bir COGS (satılan malın maliyeti) bileşenidir. Bilgi işlem maliyetleri düştüğünde, yeni uygulamaları ekonomik olarak uygun hale getirir ve böylece ticari yapay zekanın daha yaygın bir şekilde benimsenmesini sağlar .

Ancak yapay zeka modelleri de büyüyor ve bu nedenle eğitilmesi daha pahalı hale geliyor (GPT-3'ün tahmini eğitim maliyeti 12 milyon ABD dolarına kadar çıkıyor ). Bu eğilim, azalan birim bilgi işlem maliyetlerinin etkisini dengeleyebilir, ancak bu, hali hazırda ticarileştirilmiş sistemlerden ziyade çoğunlukla araştırmacılar tarafından yayınlanan en son modellerle ilgilidir.

Açıklanabilirlik, önyargı ve kaliteli veriler başlıca zorluklardır

Birçok yapay zeka sisteminin kara kutu niteliği (yani, bir algoritmanın nasıl karar verdiğini anlayamaması), yapay zekanın benimsenmesinin önündeki önemli engellerden biridir. Kullanıcılar genellikle algoritmadan bir tahmin ve tahminin nasıl yapıldığına dair bir açıklama ister. Bu açıklamayı sunmak, sinir ağları gibi algoritmalar için son derece zordur ve açıklamanın olmaması, bazı kullanıcıların yapay zeka çözümlerini benimsemesini engelleyebilir. Artan sayıda model parametresi, bu sorunu yalnızca büyütür.

Diğer bir zorluk önyargıdır - algoritmanın eğitim veri setinde bulunan insan önyargılarını yansıtma eğilimi. Örneğin, üretken bir yapay zeka algoritması, ağırlıklı olarak koyu tenli yüzler oluşturan "fakir bir insan" ve "haydut" görüntülerini oluşturmasını istedi. Önyargılı algoritmalar geniş çapta benimsenirse, toplumumuzda halihazırda mevcut olan klişeleri ve önyargıları güçlendirecektir.

Kaliteli verilerin mevcudiyeti de bir endişe kaynağıdır. Küresel olarak üretilen artan miktarda veriye rağmen, işletmeler tarafından depolanan veriler genellikle düşük kalitededir ve bu da yapay zeka sistemlerinin uygulanmasını çok daha zor hale getirir.

Bu zorluklara rağmen, Polonya ve küresel AI ekosistemlerinin önlerinde en iyi yıllara sahip olduğuna inanıyorum. Ortaya çıkacak yeni girişimleri görmek için sabırsızlanıyorum!

Listeye eklenmesi gereken bir firma biliyorsanız, bu formu doldurun ve yorumlarda bana bildirin!

Metodoloji:

1. Yalnızca ürün şirketlerini dahil ettim, yani özel yapay zeka yazılımı geliştiren şirketler hariç tutulmuştur.

2. Yalnızca yapay zeka bileşeninin çözümün düzgün çalışması için kritik öneme sahip olduğu girişimleri belirlemeyi amaçladım - başka bir deyişle, yapay zeka bileşenini hariç tutmak, çözümün müşterilere sunulan değerin çoğunu kaybetmesine yol açacaktır.

3. Uygulama türüne göre haritayı üç ana kategoriye ayırdım:

• Sektörler arası uygulamalar — siber güvenlik araçları gibi birden çok sektör tarafından kullanılabilen uygulamalar
• Sektöre özel uygulamalar — sağlık hizmetleri gibi belirli bir sektörü hedefleyen çözümler
• Geliştirici araçları — AI ile ilgili araştırma ve geliştirme sırasında kullanılabilecek araçlar veya yazılım geliştirmeyi destekleyen AI tabanlı araçlar