1

Робоцентр Сколково

Как начать думать о коммерциализации искусственного интеллекта

и не разочароваться в течении одного дня

Альберт ЕфимовDeepHack.Q&A2016

Долгопрудный

4

Сеть Робототехники в Сколково

56 проектов*

24 эксперта

24 гранта**

Научные Партнеры (17+)

Технологические Партнеры (7+)

**включая одобренные заявки и микрогранты

Венчурный капитал (10+)

Заказчики (12+)

Хакспейс

**включая одобренные экспертами заявки

5

Основные направления поддержки проектов в области робототехники

• Предоставление возможностей для создания прототипа• Хакспейс• Финансирование (микро-гранты, ангелы)

• Грантовая поддержка Сколково и других ИР• Маркетинг проекта: выставки, конференции• Менторская программа: привлечение

менторов, ангелов• Технологические и юридические

консультации, дизайн• Поиск и представление потенциальных

заказчиков• Представление потенциальным партнерам• Поиск инвесторов

• Представление заказчикам для пилотного внедрения

• Представление партнерам для совместного продвижения

• Юридическая поддержка: ЦИС, юридическая служба Фонда

• Подбор кадров• Поиск венчурного финансирования для

масштабирования проекта• Выход на зарубежные рынки через

торговые площадки (Innorobo) или партнерские сети (торгпредства)

Участники, создающие прототип Участники, создавшие серийный продукт

РОБОЦЕНТР СКОЛКОВО – ПЛАТФОРМА СЕТЕВОЙ КОММУНИКАЦИИ УЧАСТНИКОВ

Machine

Intelligence 2.0

Таксономия коммерческого ИИ

• Помощники (агенты)• Профессиональные, персональные, интерфейсные

• Автономные системы• Воздушные, морские, наземные, промышленные

• Корпоративные системы• Борьба с мошенничеством, HR, продажи, маркетинг, поддержка клиентов, разведка

• Платформы• Исследовательские, аппаратные, МО, Интернет-вещей, аудио-, видео-анализ, до-обработка данных

• Отраслевое ПО и услуги• Реклама, С/Х, розница, юристы, производство, здравоохранение, транспорт, образование,

инвестиции

• Инструменты для создания ИИ• Инструменты для создания других инструментов, включая Open Source

Таксономия бизнес-моделей ИИ-стартапов

ПлюшкинСобирает все что найдет.

Примеры: Planet Lab, Premise.

+: Можно найти ответ на любой вопрос

-: Дорого собирать данные

Риск: всегда найдется умник, который ответит на тот же вопрос с меньшим дата-сетом.

Специалист подобен флюсу…Сфокусировано собирает данные для предметной области

Примеры: Tule Technologies, Enlitic, InVenture, Red Bird, Watson Health

Дает ответы пользователию на конкретные практические вопросы. Например: Сколько воды нужно для поливки урожая?

+: Огромная практическая польза

-: Сложно найти правильный вопрос

Риск: Ответ породил еще больше вопросов!

Алхимики«Дайте мне ваши данные и я превращу их в золото».

Примеры: Nervana Systems, Context Relevant, IBM Watson, Metamind, AlchemyAPI (acquired by IBM Watson), Skymind, Lucid.ai, Citrine.

Три способа:

- API для клиента

- Сервис для клиента

- Полный сервис включая HW

+: Набирают экспертизу очень быстро, как консультанты

-: По сути, нужны люди чтобы оказывать услуги

Риск: слабая масштабируемость.

Камера храненияКомпании собирают данные, но не умеют с ними работать – это создает возможности для тех, кто умеет, создавая новый тип информации.

Примеры: Clarifai, Gridspace, Orbital Insight, Descartes Labs, Deep Genomics, Atomwise.

+: создается новое знание

-: легко спросить «и че дальше?»

Совет: начинать с проблемы.

Волшебная палочкаИнтеллектуальный помощник рабочего процесса.

Примеры: Textio, RelateIQ, InboxVudu, Sigopt, The Grid

Использование данных компании для улучшения хода процесса

+: всем нужны автопилоты

-: делают пользователей еще тупее

НавигаторПонимание окружающего мира машинами для успешного перемещения в нем.

Примеры: Blue River Technologies, Airware, Clearpath Robotics, Kiva Systems, Uber, Tesla, Google, Baidu

+: Огромная популярность

-: не только софт

Риск: завоюют мир

ПомощникиIntelligent Augmentation (IA, вместо AI) – киборги и боты дополняют человека, а не заменяют его.

Примеры: Clara, x.ai, Facebook M, Digital Genius, Kasisto, Howdy, Nanosemantics

+: Востребовано

-: Можно влюбиться.

Риск: Длительность обучения бота сильно зависит от предметной области. Массовое использование зависит от надежности и безопасности данных

ПервопроходцыРешают проблемы, которые решить невозможно (по мнению других). Максимальный премиум с рынка.

Примеры: DeepMind, DNN Research, Numenta, Vicarious, NNaiSense, CuriosAI

Покупка команды

+: Нет конкуренции

-: Долго ждать пока купят

Нужны акционеры с НЕ-ФИНАНСОВЫМ образованием и видением.

Вход через серую зону

• Здравоохранение• Сельское хозяйство• Транспорт, логистика• Финансовые услуги

• Выход на рынки стран с наименьшим регулированием;• «Бреющий полет»;• «Too big to fail»

Финально

• Сначала проблема, потом решение! Убей в себе солюшионизм!• Делать конкретное решение, а не общую технологию!• Приходи в Сколково за советом!

19

Регистрация на финал!

• https://robotics.timepad.ru/event/286551/