21428
Tech, VC, Business, Startups, AI and more. 👤 linkedin.com/in/andrii-brodetskyi ✉️ @politehnik
Завтра буду тут.
Як завжди: tech, VC, стартапи — підходьте, буде гарний нетворкінг 🤝
Продовжуємо досліджувати нову економіку AI.
В попередніх постах ми розглянули, як формується AI value chain — від заліза і хмарних потужностей, через моделі і до кінцевого продукту.
На кожному з етапів спрощується поріг входження: будь-хто може створити writing tool, використовуючи Open AI API, але навряд чи хтось може створити з нуля конкуренцію для Nvidia. А що з проміжним етапом — моделей?
TechCrunch описує пітчдек AI-research стартапа Anthropic, створеного виходцями з Open AI. Вони піднімають раунд для створення нової AI-моделі, в 10 раз потужнішої за наявні зараз. На це витратять $1 млрд за півтора роки. Всього за наступні два роки планують підняти $5 млрд. Трохи цікавих деталей:
> Anthropic describes the frontier model as a “next-gen algorithm for AI self-teaching,” making reference to an AI training technique it developed called “constitutional AI.” At a high level, constitutional AI seeks to provide a way to align AI with human intentions — letting systems respond to questions and perform tasks using a simple set of guiding principles.
Anthropic estimates its frontier model will require on the order of 10^25 FLOPs, or floating point operations — several orders of magnitude larger than even the biggest models today. Of course, how this translates to computation time depends on the speed and scale of the system doing the computation; Anthropic implies (in the deck) it relies on clusters with “tens of thousands of GPUs.”
> This frontier model could be used to build virtual assistants that can answer emails, perform research and generate art, books and more, some of which we have already gotten a taste of with the likes of GPT-4 and other large language models.
“These models could begin to automate large portions of the economy,” the pitch deck reads. “We believe that companies that train the best 2025/26 models will be too far ahead for anyone to catch up in subsequent cycles.”
> Dario Amodei, the former VP of research at OpenAI, launched Anthropic in 2021 as a public benefit corporation, taking with him a number of OpenAI employees, including OpenAI’s former policy lead Jack Clark. Amodei split from OpenAI after a disagreement over the company’s direction, namely the startup’s increasingly commercial focus.
> Google is also among Anthropic’s investors, having pledged $300 million in Anthropic for a 10% stake in the startup. Under the terms of the deal, Anthropic agreed to make Google Cloud its “preferred cloud provider” with the companies “co-develop[ing] AI computing systems.”
👆🏻Стратегічний хід Google — вони інвестують в перспективного гравця на рівні моделей і водночас гарантують масштабного клієнта для своїх хмарних сервісів, тобто захоплюють цінність відразу на кількох рівнях AI value chain
Хороший пост про AI value chain: як саме створюється цінність на кожному з етапів технологічного стека AI, від серверного заліза Nvidia до "фонового" AI в consumer продуктах. Непоганий аналіз з тверезим прогнозом.
https://every.to/napkin-math/who-wins-the-ai-value-chain
В січні писав тут про неймовірну історію підприємниці, яка продала свій стартап банку JPMorgan, сфабрикувавши його кількість підписників в 10 разів. Фактично продала за $175 млн email-лист з фейковими адресами.
Логічне продовження історії: The young founder was arrested Monday night in New Jersey, facing fraud charges from the SEC and Justice Department, where a criminal investigation is underway.
У зв'язку з цим поділюсь гарним критичним профайлом Джавіс від американського Forbes, який читав в січні. Вона не тільки перебільшувала досягнення компанії, але і прямо брехала інвесторам та потенційним партнерам. Розповідала про тисячі користувачів сервісу, коли продукту не існувало, а у відповідь на зауваження пояснювала: ‘Listen, these old people don't understand, this is how it works, you fake it 'til you make it.' Розкидалась іменами, малювала занадто оптимістичні прогнози і так далі, по класиці.
Буде корисно прочитати всім, хто має справу з такими продавцями. Ми читали багато подібних історій — Theranos, FTX, менш відомі імена. Постфактум це легко складається в наратив про засновника-фродстера. Складніше побачити red flags в реальному часі.
Сміявсь: SMMниця українського телеканалу нагенерувала купу фейкових фактів до дня народження Олеся Гончара і гарненько їх оформила. Контент-план виконано! От що буває, якщо не розбиратись як працюють LLM.
Читать полностью…
Знайомі фаундери проходили цю програму за моєю рекомендацією і давали потім позитивні відгуки. Подавайтесь, для кого це релевантно, тут дають круті знання і можливості.
====
🟡StartUp Academy 3.0 — це онлайн-програма для фаундерів та С-level керівників стартапів про те, як управляти та масштабувати технологічні бізнеси. Учасники отримають:
▫️лекції та менторські сесії від засновників та топменеджерів глобальних бізнесів;
▫️до $110K негрошової підтримки у вигляді кредитів на користування хмарними сервісами, безоплатного доступу до продуктів, послуг та консультацій;
▫️можливість залучити інвестиції від найкращих венчурних фондів CEE
Минулого року п’ять бізнесів залучили інвестиції на суму від $100K до $1M.
🔖 Подати заявку можуть стартапи seed+ стадії розвитку із CEE. Для учасників з України зарезервовано 15% місць.
РЕЄСТРАЦІЯ
🗂 В епоху, коли LLMs стають доступними і дешевими, однією з конкурентних переваг для AI-продукту стає наявність унікальних даних, на яких можна навчати чи файнтюнити модель.
Тому я з великим інтересом прочитав, як в Bloomberg натренували мовну модель на фінансових даних і текстах.
Половина тренувальних даних — загальнодоступні датасети, на яких зараз навчаються всі мовні моделі. Інша половина — фінансові звіти компаній, ділові прес-релізи, новини і аналітика Bloomberg.
Результат — модель BloombergGPT з 50 млрд параметрів показує на звичайних тестах результати на рівні з GPT-3, а на фінансових — значно обганяє всі неспеціалізовані моделі такого ж розміру. До фінансових тестів тут відносять sentiment analysis (позитивна чи негативна новина для компанії та інвесторів), аналіз новин та заголовків, пошук та аналіз сутностей в текстах.
Найцікавіше — фінансовий аналіз: given input from S&P 500 earnings reports that includes text and at least one table with financial data, the task is to answer conversational questions that require numerical reasoning over the input. Я використовував для подібних задач Bing AI, що допомогло мені зекономити немало часу при написанні проекту з Financial Reporting and Analysis. Більшість часу пішло на написання промптів і упаковку цифр, а з таким інструментом як BloombergGPT це було б ще швидше.
Ще один приклад в коментарях — автоматична генерація заголовків для новин.
Було лише питанням часу, коли саме Bloomberg, компанія з найбільшим масивом фінансових даних, створить такий інструмент. Можна уявити, скільки процесів там оптимізують з його допомогою і скільки нових фіч додадуть для клієнтів.
Фінансовим аналітикам теж пора потроху освоювати prompt engineering.
👨🏻💻 Нещодавно мав цікавий досвід — бізнес-школа KSE провела спільний буткемп з Центром підприємництва МІТ, де я був одним з менторів. Розповів про це детальніше в LinkedIn.
Дуже зацінив програму "Disciplined Entrepreneurship" від керівника цього центру. В її основі проста ідея: підприємництво це не мистецтво і не дар, а звичайне ремесло, якому можна навчитись. В МІТ студентам дають детальний фреймворк, який допомагає людям з технічним/інженерним мисленням розвинути мислення бізнесове/продуктове: хто користувач, які його потреби, як він приймає рішення, скільки можна заробити на цьому ринку, як порахувати юніт-економіку і т.д. Суперпрактичні і корисні речі для фаундерів. Без жодного натяку на фігню з поп-книжок про позитивне мислення та квадранти грошового потоку. Купа прикладів, таблиць, питань та детальних пояснень. Все класно структуровано, читаєш і кайфуєш. Такий фірмовий МІТ style — from nerds for nerds.
Ну а про власне буткемп і команди написав на LinkedIn, лінк вище, а на фото спойлер.
В коментарях спитали про лист із закликом загнати джина в пляшку. Мій короткий коментар: не спрацює, хоча речі там озвучуються раціональні. Базова теорія ігор: домінантна стратегія для кожного з гравців в даній ситуації — продовжувати свої розробки, що б там не робили конкуренти. Якщо вони припинять, ти їх переженеш, якщо не припинять — принаймні не відстанеш.
Тому не спрацює.
Google відкриває доступ до свого AI-асистента Bard. Поки доступно в US/UK. Записався в waiting list через VPN. Коли отримаю доступ, порівняю його з Bing AI і поділюсь враженнями.
Який би з сервісів не став кращим в довгостроковій перспективі, динаміка мені подобається. Користувачам ця конкуренція між гігантами приносить лише нові потужні сервіси. Звісно, кости на підтримання такого сервісу зовсім інші, ніж для звичайного пошуку, відповідно і прибутковість такого пошуку нижча. Пізніше проаналізую дані і напишу про це.
Crazy stuff. Guys from Stanford fine-tuned Meta's LLaMa model using OpenAI's text-davinci-003 model (improved InstructGPT). The result is a powerful model that performs many tasks on par with OpenAI's model. But the cost of training was just $600.
https://youtu.be/xslW5sQOkC8
https://crfm.stanford.edu/2023/03/13/alpaca.html
🤝 В четвер буду тут. Має бути непоганий нетворкінг, тож якщо працюєте в VC чи будуєте стартап, зверніть увагу.
==
23 березня в Unit.City (та онлайн) відбудеться Challenger AI Accelerator | Demo Day, під час якого 8 команд презентують свої рішення в Digital & AI/ML сфері.
Серед учасників: Elomia Health, CheckEye, BeHolder, Softbrik, AirLaw, ParkingAround, Scally, GetPin. Ви також матимете нагоду послухати панельну дискусію на тему стійкості української бізнес-екосистеми та персонально поспілкуватись із командами, міжнародними інвесторами та представниками корпорацій. Реєстрація: bit.ly/challenger_AI_DemoDay
Далі — лекція професора Стенфорда, фахівця з обчислювальної лінгвістики Крістофера Поттса. Складність — середня. Погляд на LLMs з точки зору NLP. З 6 хвилини — цікавий фрагмент про стрімкий прогрес мовних моделей за останні роки, і особливо цікавий слайд про те, як драматично зростає здібність моделей виконувати певні задачі зі зростанням їх розміру (див.ілюстрацію). Висвітлено механізм навчання ChatGPT, виклики і можливі підходи до використання мовних моделей для універсальних задач.
Серед океану інфошуму про LLMs фахівців з обчислювальної лінгвістики незаслужено обходять увагою. Хоча, здавалось би, саме до них треба іти за поясненнями цього феномену в першу чергу.
Продовжуємо занурюватись в тему LLMs. Зараз буде пачка відбірного, щільного контенту по темі.
Спочатку для розминки — Ян ЛеКун про обмеження LLMs. Рівень складності — базовий. Легка розмова з журналістом, можна слухати замість подкасту. Бесіда фокусується не суто на LLMs, а на питанні "наскільки це близько до AGI". Тому цікаво послухати міркування такого фахівця як ЛеКун, про те, чого не вистачає мовним моделям на шляху до AGI — зокрема внутрішніх моделей світу та здатності планувати (=оперувати поняттям часу та складати послідовності дій з причинно-наслідковими зв'язками). Деякі з його ідей раніше публікував в текстовому форматі.
До речі він там зауважує ще багато правильних речей. Наприклад, що трансформери багато в чому побудовані на результатах відкритих досліджень ШІ-лабораторій Alphabet/Meta. Але самі тех-гіганти не стали першими випускати такий продукт як ChatGPT. Саме тому що для таких компаній висока ціна помилки — Meta уже випускала раніше мовну модель навчену на наукових текстах; всього за два дні інтернет-спільнота розмовляла з моделлю про користь споживання битого скла та інший треш, і експеримент швидко закрили. OpenAI натомість позиціонувала себе як маленьку дослідницьку компанію, тому могла дозволити собі випустити чатбота, який інколи видає нісенітницю, без репутаційних ризиків.
Послухайте, там багато цікавого.
Колеги з Ukrainian Tech Ecosystem поділились крутою можливістю для стартапів — поїхати у складі української делегації на головний захід у США з просування прямих іноземних інвестицій — SelectUSA Summit. Шукають стартапи з MVP і планами вийти на ринок США, в пріоритеті — CleanTech, FinTech, MedTech та SaaS.
Якщо підходите за критеріями, подавайтесь без вагань, дедлайн завтра.
What a telling story.
EU allocated hundreds of millions of euros for equity-free funding for Polish startups. That created an opportunity for corruption. €12M went to a 10-day-old company founded by a 27 yo bartender; another €27M went to a company connected to the advisory board of the govt body that distributed the grants. Now all the payments are suspended because of an anti-corruption investigation. Legit startups which rely on this financing are facing huge trouble, cutting spending and firing people.
I heard from colleagues within the Ukrainian VC industry that the Polish VC market was overfilled with accessible money in the last few years, creating unrealistic valuations, etc. Now this story... One more proof that too much money is a problem, not a solution.
P.S. Can't stop thinking about the expected inflow of EU grants for Ukrainian startups in the following years.
І більш детальний аналіз від a16z на цю ж тему.
> What we don’t know, and what has now become the critical question, is: Where in this market will value accrue?
Over the last year, we’ve met with dozens of startup founders and operators in large companies who deal directly with generative AI. We’ve observed that infrastructure vendors are likely the biggest winners in this market so far, capturing the majority of dollars flowing through the stack. Application companies are growing topline revenues very quickly but often struggle with retention, product differentiation, and gross margins. And most model providers, though responsible for the very existence of this market, haven’t yet achieved large commercial scale.
In other words, the companies creating the most value — i.e. training generative AI models and applying them in new apps — haven’t captured most of it.
> it’s reasonable to guess that 10-20% of total revenue in generative AI today goes to cloud providers.
Most of it is spent at the Big 3 clouds: Amazon Web Services (AWS), Google Cloud Platform (GCP), and Microsoft Azure.
> There don’t appear, today, to be any systemic moats in generative AI. As a first-order approximation, applications lack strong product differentiation because they use similar models; models face unclear long-term differentiation because they are trained on similar datasets with similar architectures; cloud providers lack deep technical differentiation because they run the same GPUs; and even the hardware companies manufacture their chips at the same fabs.
Рекомендую!
Зараз детально досліджую цю тему, буду шерити багато матеріалів. Все більше людських і економічних ресурсів вливається в сферу Gen AI. Не стоїть питання "як технічно все зробити", з цим все більш-менш ясно. Ключове питання — як створити цінність і як її захопити (= змусити когось платити за продукт).
Ситуація в індустрії AI: провайдери хмарних сервісів не справляються з попитом. Стільки стартапів бажають тренувати власні ML-моделі, що серверних потужностей не вистачає на всіх.
Стартапи стоять в черзі за серверами GPU або орендують їх у когось, хто забронював раніше. Хмарні провайдери стоять в черзі за GPU від Nvidia, щоб наростити потужності, на закриття потреби піде 2-3 місяці.
Open AI не може продавати користувачам виділені сервери для AI, тому що все це працює на Azure і потужностей не вистачає. Oracle відмовляється від нових клієнтів через нестачу GPU, і так далі.
P.S. Вартість акцій Nvidia зараз на максимумі з початку 2022 року. Правду кажуть, під час золотої лихоманки треба не купувати ділянки, а продавати лопати.
А ось на противагу класний юзкейс: майстер з Канева генерує в ChatGPT тексти для епітафій на пам'ятниках. Графічні референси робить в Midjourney, старі фото покращує через Remini.
«Звісно, щоб отримати бажаний результат, потрібно зробити три-чотири запити з уточненнями, але навіть у такому випадку часто виходять кращі епітафії, ніж ті, з якими приходять замовники, – продовжує Станіслав. – Здебільшого люди не паряться з цього приводу. У нас 99% запитів дуже примітивні, на кшталт «Пам'ятаємо, любимо, сумуємо…» . Чомусь люди думають, що так потрібно, хоча ми кожному говоримо, що людина – це індивідуальність і не варто робити все під копірку».
Новини chip race.
Japan is expected to spend $7 billion on fab equipment next year, which would mark a 82% jump from this year — the largest in the world
В той час як США одним тільки Chips Act виділяють $280 млрд на розвиток chip manufacturing всередині країни на наступні роки.
До речі, саме про глобальну гонку чіпів ми записали подкаст, скоро вийде. Поки що переслухайте попередній випуск про LLMs.
AI Index Report 2023 від Стенфорда [PDF]
400 сторінок статистики про індустрію AI. Багато графіків, буде корисно при підготовці тематичних звітів та презентацій.
Найцікавіші розділи — про R&D та економіку, про бенчмарки і етику теж цікаві, про policy та education занадто US-центричні.
Можна проглянути хайлайти на початку кожного з розділів, зручно.
Новини 2023 року (наприклад, GPT-4) в цей звіт не потрапили.
Читайте також: 100 most cited AI papers in 2022
Подумав, що треба для розвитку каналу трохи обмінюватись рекомендаціями з каналами з релевантною аудиторією. Про iPlan давно чув позитивні відгуки, тож ділюсь їх постом.
====
Сьогодні мало розуміти, як заробити кошти. Варто знати, як їх зберегти та примножити.
Канал Iplan.ua стане вашим провідником до фінансової свободи.
Ви розберетеся:
🔻Куди інвестувати в Україні в 2023 році?
🔻Що з ринком землі зараз?
🔻Як поповнювати Interactive Brokers в теперішніх умовах?
👉 Статті, огляди ринку, поради експертів. Щоб розібратися у всіх нюансах інвестування, підписуйтесь на канал iPlan.ua.
Якщо вас теж лякають графіки про те, як мовні моделі справляються з різними інтелектуальними задачами, цей текст дозволить трохи розслабитись.
По-перше, деякі з бенчмарків, на яких тестували GPT-4, були в навчальному датасеті (це називається training data contamination). При тестуванні на нових аналогічних тестах GPT-4 показує зовсім інші результати (0/10 замість 10/10). Тобто, інколи нейромережа класно проходить тест лише тому, що запам'ятала буквально його питання і відповіді.
По-друге, проходження професійного тесту далеко не дорівнює наявності професійних компетенцій.
Professional exams, especially the bar exam, notoriously overemphasize subject-matter knowledge and underemphasize real-world skills, which are far harder to measure in a standardized, computer-administered way. In other words, not only do these exams emphasize the wrong thing, they overemphasize precisely the thing that language models are good at.
Ну а ще будь-який бенчмарк стає ціллю для тренування, і перестає бути корисним, тому що все тренування перетворюється в підгонку результату під конкретний тест — емпіричне правило, відоме як закон Гудхарта.
В кінці є лінки на джерела про недоліки тестів для LLMs та альтернативні підходи до оцінювання їх продуктивності.
Виходить, ввів вас в оману цим графіком від Open AI, вибачаюсь! Краще перечитайте ще один текст від пана Нараянана з Прінстона, щоб краще помічати такі маніпуляції.
Brave new world of communication
Читать полностью…
Особливості національного бізнесу. Або як Uber заводить водіям кеш.
https://ain.ua/2023/03/20/beb-vykrylo-brend-taksi/
Компанію MindGeek, яка володіє Pornhub та іншими популярними порно-стрімінгами, купив новий канадський private equity фонд з іронічною назвою Ethical Capital Partners. Переглянув лінкедіни його топів, там люди з цікавими бекграундами: директор мережі канабіс-клінік, кримінальний адвокат, керівник держагентства з обігу наркотиків, фіндиректор канабіс-стартапу. Досвідчені профі ринків етичного капіталу!
До речі, заплутану схему з реальними власниками MindGeek кілька років тому викрили в розслідуванні FT, писав про це. Для розуміння масштабу: revenue MindGeek за 2018 рік — $460 млн, profit margin — 50%. Вері гуд бізнес. З компанією досі судяться за незаконні відео, на яких вона заробляла роками.
Microsoft інтегрує AI-асистента в свої офісні сервіси. А тепер давайте згадаємо про беззаперечну перевагу Microsoft над конкурентами в дистрибуції. У Office 345 млн платних користувачів. Багато компаній зараз працюють над офісними застосунками з AI, і дехто може зробити продукт, кращий ніж у Microsoft. Але хто зможе викатити його на таку кількість користувачів? Здається, ніхто. Google теж працює над AI-фічами для свого офісного пакета, але має лише 9 млн платних користувачів-організацій.
Памятаєте, колись був популярним Slack? Коли під час пандемії всі переходили на ремоут, Microsoft запустив по своїм каналам дистрибуції Teams. Тепер у нього 270 млн користувачів, а у Slack — 18 млн.
Microsoft має шанс стати лідером в ніші AI productivity apps суто за рахунок потужної ринкової позиції.
До речі, щодо відкритості OpenAI. Цей проект починався як неприбуткова дослідницька організація, яка публікувала всі свої дослідження у відкритому доступі. Хороша тенденція, яку започаткували AI-лабораторії тех-гігантів, і яка сприяла швидкому поширенню cutting edge знань. З часом відкритості в OpenAI ставало менше. Пізніше компанія перестала бути некомерційною. А щоб залучати фінансування, стартапу потрібно показувати вражаючі демо. Такі як ChatGPT. (Це я продовжую переказувати ідеї ЛеКуна з розмови в попередньому пості.)
Якщо в технічних пейперах по GPT-3 та InstructGPT можна знайти багато подробиць про навчання, датасет моделі (див. ілюстрацію) та ручне шліфування відповідей, то в пейпері по GPT-4 розробників та дослідників з усього світу чекало розчарування: Given both the competitive landscape and the safety implications of large-scale models like GPT-4, this report contains no further details about the architecture (including model size), hardware, training compute, dataset construction, training method, or similar.
Здається, час перейменовувати компанію на Closed AI.
Ну що, як вам GPT-4? (демо / пейпер)
Нові можливості дійсно вражають: текст генерується краще, тести проходяться краще (див. ілюстрацію). Проте недоліки залишились: галюцинації, обмежений контекст, відсутність навчання з досвіду. Роботу з графікою ще не тестував.
До речі, я уже кілька тижнів використовую GPT-4 безкоштовно — саме він під капотом нового Bing, який завдяки цьому набрав 100 млн DAU.
Інсайд дня.
Напередодні початку великої війни казахстанський фінтех‑гігант Kaspi.kz ледь не купив дітище Чечоткіних. Сума угоди, що не відбулася, ніколи не оголошувалася. Проте троє співрозмовників Forbes кажуть, що Rozetka оцінили в суму між $1 млрд і $3 млрд. «Їм лишалося кілька тижнів до того, щоб «помацати мільярд», – каже підприємець, знайомий із перебігом перемовин.
