人工知能企業が利益を上げるのは難しいと言われていますが、具体的に何が難しいのでしょうか?

人工知能企業が利益を上げるのは難しいと言われていますが、具体的に何が難しいのでしょうか?

[[272155]]

2016年にAlphaGoが「人間対機械」の競争に勝利して以来、人工知能への投資、開発、応用が盛んになっています。世界各国の一致した注目と推進により、2018年の世界のAI市場規模は1兆ドルを超え、年間平均成長率は50%を超え、人工知能企業の数は3,000社近くに達しています。同時に、人工知能の応用は教育、医療、金融、交通など多くの分野で実施されており、業界全体の発展傾向は良好です。

しかし、人工知能の概念は非常に人気があり、市場は依然として活況を呈しており、アプリケーションが絶えず実装されているにもかかわらず、この分野の企業が利益を上げるのは依然として非常に困難です。 2018年に中国のAI企業が調達した資金調達総額は世界総額の70%を占めたと報じられている。しかし、資金流入後もこれらの企業の90%近くは依然として長期赤字状態にあり、残りの10%の黒字企業は基本的に技術提供者である。言い換えれば、コンセプト、市場、資本がどれだけ人気があっても、人工知能における収益性の問題は、ほとんどの企業を悩ませ続けています。

では、企業が利益を上げるのがなぜ難しいのでしょうか?現在の市場の発展状況と業界専門家のまとめと分析から判断すると、人工知能企業が利益を上げられない主な理由は2つあります。1つは技術的なハードルが高すぎること、もう1つは製品の価値が十分に探求されていないことです。

まず最初のポイントを見てみましょう。はっきり言って、人工知能の本質はデータです。今日私たちが人工知能と呼んでいるものは、実はデータインテリジェンスです。データをガイドとして使用し、機械による判断を必要とする問題をデータの問題に変換することによってのみ、人工知能はその役割と効果を発揮することができます。しかし、現在、人工知能企業は概念や技術を議論し、シナリオで競争し、実装を急いでいます。資本市場と産業市場は活況を呈していますが、データ自体は依然として研究上の問題に直面しています。

1 つは、一部の業界では既存のデータ リソースがあまり存在しないことです。たとえば、携帯電話業界では、企業は人工知能を使用して携帯電話の画面の傷を識別したいと考えていますが、実際には、学習用のデータを提供する、さまざまな傷のある何億台もの携帯電話を保有している工場はありません。この場合、企業は小さなサンプルデータから学習する能力を持たず、理想的なスマート製品を作成することができません。

2 つ目は、ほとんどの業界のデータが孤立した島に存在していることです。たとえば、政府機関、金融業界、医療業界では、データは通常、異なる機関または部門に属しており、これらのデータを完全な全体に統合することは困難です。リソースが分散し、データが分断されている状況では、企業が人工知能技術を向上させ、高品質な製品を開発することは非常に困難です。

上記の問題を踏まえると、人工知能企業が理想的な技術や製品を開発したい場合、適切な研究開発条件を整えるために膨大な人的資源、物的資源、資金を費やす必要があるでしょう。その結果、研究開発費が高くなり、会社の利益を上げる能力が弱まりました。言い換えれば、データがもたらす技術的な問題と大きな障壁が、企業が利益を上げる上での主な障害となっているのです。

次に、2番目のポイントである人工知能製品の価値について見てみましょう。人工知能企業が技術や製品を開発しても、それを商業化して大規模に適用することができなければ、その技術や製品自体に価値がないと言えます。しかし、わが国の人工知能企業は常に「ハンマーで釘を探す」という研究開発モデルを実践しており、産業チェーンを実際に開放していません。全員が一生懸命ハンマーを作ったところ、打つ釘がないことに気が付きました。その結果、会社は多額の資金を無駄にしましたが、製品は役に立たなかったり、応用価値が低かったりしました。

したがって、まずは応用シナリオを見つけ、それから高品質な製品を作ることが苦境から抜け出す効果的な方法です。しかし、たとえ良い応用シナリオを見つけたとしても、良い製品を作るのは簡単ではありません。人工知能は更新や置き換えが早いため、企業は継続的に人材やコストを投入する必要があり、それを負担できる企業は少ない。たとえ負担できる企業があったとしても、利益を上げるのは難しい。

つまり、人工知能企業が利益を上げるのが難しい理由は、技術面と商業面だけにあるのです。既存の企業にとって、独自かつ信頼性の高い技術や製品を持つことは容易ではなく、大規模なアプリケーションに適したシナリオを見つけることはさらに困難であり、利益を上げることは彼らにとってあまりにも贅沢です。今後、大規模かつ大規模な企業利益を達成したいのであれば、最終的には技術、製品、アプリケーションに立ち返らなければなりません。より多くの企業が圧力に耐えて生き残れることを願っています。

<<:  チャットボット vs モバイルアプリ: 未来はどちらの手に?

>>:  人間の脳のシミュレーションプロジェクトは完全に失敗しました。10億ユーロの費用がかかり、10年前には世界中でセンセーションを巻き起こしましたが、今では静かに消滅しています。

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

マイクロソフトは、対話してマルチモーダルコンテンツを生成できる AI モデル CoDi をリリースしました。

マイクロソフトは 7 月 11 日にプレスリリースを発行し、Combinable Diffusion...

機械学習: Python でベイズ分類器をゼロから実装する

ナイーブ ベイズ アルゴリズムはシンプルで効率的であり、分類問題を扱う際に最初に検討すべき方法の 1...

人工知能が司法裁判に影響を与えている!人間と機械のコラボレーションが標準になるかもしれない

【CNMOニュース】科技日報によると、「中国裁判所情報化発展報告第5号(2021年)」がこのほど正...

「アルゴリズムとデータ構造」二分木の美しさ

[[349809]]序文今回レビューする内容は、データ構造トピックの「ツリー」です。ツリーなどのデー...

...

...

水に溶けるロボットを見たことがありますか?ゼラチンと砂糖の3Dプリント

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

人工知能と拡張現実はオンラインショッピング行動に影響を与える

[[405357]]画像ソース: https://pixabay.com/images/id-468...

...

AI を活用した会話型顧客体験の可能性を引き出す方法

企業は AI ツールを使用して、顧客ロイヤルティにプラスの影響を与え、利益を増やすことができる会話型...

コカ・コーラの新たな試み:アートや広告制作における生成AIの活用

生成型 AI の新たな波に直面して、私たちはそれに積極的に適応するか、AI (または AI を受け入...

AmazonがTitanシリーズのAIモデルを発売:画像やテキストを生成でき、価格と性能のバランスが取れていると主張

アマゾンは12月1日、昨日のre:Inventカンファレンスで、アマゾン初の画像生成モデル「Tita...

「アバター」の脳-脳インターフェースの性能は2~3桁向上した

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

こんにちは。タクシーに乗って空へ行きたいです。右へ飛んでください。

編集者注:この記事はWeChatの公開アカウント「Kuangwan」(ID:kuangwanplay...

...