Забыли пароль?

ТОП 5 мировых стартапов в области машинного обучения

Friday, January 14, 2022

Startup Jedi

Мы общаемся со стартапами и инвесторами, а вы перенимаете опыт.

Искусственный интеллект все активнее завоевывает мир: сцены из знаменитого сериала о технологиях «Черное зеркало» становятся реальностью. Умные устройства не только упрощают жизнь бизнесу, но и делают наш быт более удобным и комфортным. Рассмотрим на конкретных примерах, какие перспективы ожидают мировые стартапы, использующие машинное обучение. 

Ожидается, что к 2030 году внедрение технологий искусственного интеллекта создаст более 14% мирового ВВП. Прогнозируется, что рынок машинного обучения вырастет с $1.03 млрд в 2016 году до $8.81 млрд к 2022 году.

Что такое машинное обучение?

Машинное обучение представляет собой область искусственного интеллекта, способ обучения компьютерных систем думать и действовать как человек не прибегая к программированию. 

Выделяют три типа машинного обучения: 

  • обучение с учителем;

  • обучение без учителя;

  • обучение с подкреплением. 

В обучении с учителем алгоритм машинного обучения работает с данными, уже содержащими нужный ответ. Алгоритму нужно понять, почему это работает именно так для дальнейшего выстраивания взаимосвязей. 

В обучении без учителя алгоритм работает с огромными массивами данных и выявляет закономерности, после чего интерпретирует данные. 

Обучение без подкрепления подразумевает совершенствование алгоритма, обучаемого на новых и нестандартных ситуациях методом проб и ошибок. 

Как машинное обучение применяется в бизнесе?
  • Прогнозирование неисправностей на производстве. В нефтяной компании Shell нейросети вовремя сообщают технологам о неисправностях. 

  • Управление технологическими процессами. Роботы позволяют максимально автоматизировать рабочие процессы на предприятии: уменьшить количество брака, сэкономить сырье, следить за исправностью продукции. 

  • Поиск месторождений полезных ископаемых. Программы ищут закономерности в расположении полезных ископаемых и выстраивают цифровые модели вокруг предполагаемого месторождения. Благодаря нейросетям «Газпром» ускорил поиск новых месторождений. 

  • Оценка кредитоспособности заявителей. Платформы самостоятельно проверяют платежную историю клиента и на основании этой информации решают, одобрять кредит или нет. 

  • Распознавание мошенников, взламывающих банковские счета. Немецкий Danske Bank научил нейросеть выявлять подозрительные операции и блокировать их. 

  • Сокращение расхода горючего и уменьшение задержек поставок. 

  • Прогнозирование поведения клиентов определение спроса. Программы сопоставляют поведение клиентов с количеством товаров на складе и на основании полученной информации отправляют запрос, какие товары нужно добавить. Программы также научились определять, кто из клиентов готов что-то приобрести, какие товары лучше предлагать этим клиентам, могут подбирать скидки в зависимости от покупательского поведения. 

  • Улучшение обслуживания клиентов, диагностика и увеличение количества успешных операций. Программная платформа Corti распознает приближение инфаркта в 93% случаев.

Успешные стартапы в области машинного обучения

Согласно исследованию McKinsey, 70% компаний будут использовать хотя бы одно решение ИИ к 2030 году. Это будет способствовать увеличению глобальной экономической активности на $13 трлн.

Топ 5 мировых стартапов в области машинного обучения:

1. DataVisor

Американский стартап DataVisor является ведущей мировой платформой для борьбы с мошенничеством и рисками для организаций. Компания использует запатентованные алгоритмы обучения без учителя, позволяющие быстро реагировать на постоянно развивающиеся мошеннические схемы и предотвращать кибератаки. 

DataVisor имеет динамичную базу данных более чем из 4,2 миллиардов учетных записей пользователей со всего мира. Алгоритм сопоставляет мошеннические и подозрительные схемы с учетными записями в режиме реального времени. Анализируя всю историю пользователей и их действия, DataVisor составляет картину поведения юзера и предоставляет уникальную информацию о подозрительном поведении и злоупотреблениях платформой. Такой подход к обнаружению мошенничества может даже выявить ранее неизвестные типы атак. 

Клиенты DataVisor — банки, финансовые организации, платформы электронной коммерции, торговые площадки — компании, дорожащие своей репутацией и обладающие большими финансовыми активами. Например, одна туристическая платформа столкнулась с мошенниками, с помощью рекламы уводивших клиентов на сторонний сайт. Алгоритм DataVisor смог обнаружить злоумышленников в момент, когда они пытались провести лжебронирования. Сайт смог автоматически заблокировать эти операции. 

С помощью DataVisor туристическая компания снизила потери от мошенничества, смогла восстановить рекламные кампании и партнерские отношения. Сейчас компания обнаруживает на 40% больше случаев мошенничества, чем раньше, с точностью более 93%. Кроме того, они фиксируют более 70% кибератак на ранней стадии.

По информации Crunchbase, общее финансирование стартапа составляет $54.5 млн.

2. Delta AI

Потоки информации сейчас настолько огромны, что невозможно отследить все: в таких случаях людей выручают технологии. Австралийский стартап Delta AI позволяет брендам узнавать, как их товары либо услуги используются в мировом контексте. Компания использует компьютерное зрение для мониторинга социальных сетей, отслеживает тенденции и информацию о том, как продукты используются в глобальном масштабе каждый день. С помощью этих данных бренды смогут быстрее и эффективнее запускать новые маркетинговые стратегии. 

Компьютерное зрение позволяет искать изображения и видео, невидимые для традиционного текстового поиска: получается до 2370% быстрее, чем если бы эту информацию искал человек. Решением Delta AI является Influencer Sphere — открытая платформа, с помощью технологии компьютерного зрения анализирующая сходство эстетики аккаунтов Instagram. Аналитический инструмент рекомендует брендам наиболее подходящих по эстетике инфлюенсеров.

Instagram является одной из самых популярных визуальных платформ в мире, но поиск осуществляется только по текстовым метаданным (хэштегам и ключевым словам), которые часто являются неточными или неполными. По этой причине до 85% визуального контента остается невидимым для юзеров. Единственный способ точно идентифицировать учетные записи — это проанализировать само изображение. 

Модели компьютерного зрения Delta AI понимают контент, просматривая его, что и позволяет измерять динамику тренда с большей точностью, определять «начинку» в хэштеге, находить примеры тренда за пределами хэштега.

Пока стартап находится на pre-seed стадии, инвестировано $120 000. 

3. Particle

Американский стартап Particle — интегрированная платформа, которая помогает бизнесу создавать прототипы, масштабировать и управлять продуктами Интернета вещей. Сегодня Particle является одной из самых широко используемых платформ в мире. 

Интернет вещей — сеть, объединяющая различные устройства, которые могут общаться между собой (собирать и передавать информацию) с помощью Интернета. В этой системе могут присутствовать как обычные бытовые предметы, так и более сложные продукты. Эксперты прогнозируют, что количество устройств интернета вырастет от 10 миллиардов в 2020 году до 22 миллиардов к 2025 году. Примеры устройств интернета вещей: датчики дыма и движения в доме, такси с искусственным интеллектом, фитнес-браслеты, интеллектуальные парковки. 

Интересна история создания стартапа Particle. Фаундер Зак Супалла хотел помочь своему глухому отцу, создав индикатор,который вспыхивал бы всякий раз, когда его отец получал текстовое сообщение. Сейчас компания создает инструменты и наборы для веб-разработчиков, позволяющие клиентам создавать собственные физические прототипы и подключать собственное оборудование к Интернету. Когда клиенты начинают масштабироваться, стартап продает им программную платформу для запуска продукта. Многие потребители Particle также являются любителями что-то смастерить и зачастую хотят подключить к Интернету бытовые вещи: дверь гаража, кофемашину либо тостер. 

Клиентами Particle являются Jacuzzi, Continental Tires, Watsco, Shifted Energy, Anderson EV, Opti и другие. Particle имеет венчурную поддержку и офисы в Сан-Франциско, Шэньчжэне, Лас-Вегасе, Миннеаполисе и Бостоне. Сообщество разработчиков Particle сегодня насчитывает более 200 тысяч разработчиков и инженеров в более чем 170 странах.

Общая сумма финансирования составляет $105.8 млн.

4. ClosedLoop.ai 

Основанный в 2017 году американский стартап ClosedLoop.ai —  один из самых известных и многообещающих стартапов, использующих машинное обучение (ML — Machine Learning)  в сфере здравоохранения. Компания применяет возможности искусственного интеллекта для выявления пациентов из группы риска и подбора медицинских решений для каждого человека. 

Closed Loop сочетает в себе интуитивно понятную платформу машинного обучения с обширной библиотекой специфичных для здравоохранения функций ML и шаблонов моделей. Компания упрощает импорт необработанных наборов медицинских данных, таких как медицинские заявления, рецепты. Гибкость платформы позволяет клиентам использовать решения на основе искусственного интеллекта независимо от их собственных знаний о данных и возможностей ML. В каждом прогнозе используются данные о конкретном пациенте и рассматриваются ключевые переменные, которые точно объясняют, с какими рисками сталкивается пациент и почему. Медицинские детали и ссылки на конкретные вмешательства врачи используют для предотвращения нежелательных явлений.

За последние два года компания помогла организациям здравоохранения сохранить более чем 10 миллионов жизней с помощью своего индекса COVID-19. За время пандемии компания увеличила свой доход в пять раз и добавила несколько национальных лидеров и партнеров в области здравоохранения. 

Сейчас стартап будет использовать финансирование для разработки решений в области прогнозирования риска травм, связанных с падением, злоупотребления опиоидами и потенциальной борьбой с редкими заболеваниями

Общая сумма финансирования составляет $48 млн.

5. Savvie

Молодой норвежский стартап Savvie появился из стремления его основательниц поддерживать локальные бизнесы: пекарни и кафе. По информации компании, 60% предприятий пищевой промышленности терпят неудачу: в течение первого года менее 20% доживают до своего 5-летия. Главные причины провала: отсталость от передовых технологий и нежелание владельцев бизнесов адаптироваться. 

Savvie — приложение-помощник на основе моделей данных и машинного обучения для оптимизации деятельности предприятий пищевой промышленности. Savvie работают на основе исторических данных. Приложение позволяет сделать ваше кафе, ресторан или пекарню более устойчивыми. Savvie позволяет пользователям оптимизировать прогнозирование, отслеживание отходов, планирование производства и управление запасами. Приложение интуитивно понятно и не требует специального обучения. 

Savvie позволяет пользователям оптимизировать прогнозирование, отслеживание отходов, планирование, планирование производства и управление запасами. Мощные алгоритмы Savvie предоставляют клиентам индивидуальные рекомендации и информацию в режиме реального времени.

Общая сумма финансирования составляет $935 600.

14.01.2022

 

Подписывайтесь на наши социальные сети:

Facebook: facebook.com/Startup.Jedi.ru/

Telegram: t.me/Startup_Jedi_RU

Twitter: twitter.com/startup_jedi

Комментарии

Вам может понравиться: