نیاز هوش مصنوعی به داده ها می تواند جان تازه ای به گوشه ای از وال استریت که زمانی پر هیاهو بود، بدهد

عوامل هوش مصنوعی شخصی مانند Instinct در حال تسلط بر دنیای فناوری هستند. دادو روویک/رویترز این پست در ابتدا در خبرنامه Business Insider Today منتشر شد.

از اینجا می توانید برای خبرنامه روزانه Business Insider ثبت نام کنید. آینده هوش مصنوعی ممکن است متکی به دریافت Slack DM شما باشد.

برای روشن شدن موضوع فقط DM شما نیست. این یادداشت‌های داخلی، سوابق تراکنش‌ها، قراردادها و حتی آن راهنمای ورود به سیستم است که احتمالا هنگام شروع کارتان آن را نخوانده‌اید.

اساسا، اگر مربوط به کار باشد و مستند شده باشد، شرکت های هوش مصنوعی علاقه مند هستند. منطق ساده است: اگر ابزارهای هوش مصنوعی می‌خواهند کار را خودکار کنند، به درک عمیقی از کار نیاز دارند.

BI در سری خود "The AI ​​Data Grab" در مسابقه شرکت‌های هوش مصنوعی برای جمع‌آوری هرچه بیشتر داده‌های ممکن تحقیق کرد.

چارلز رولت، تام کارتر و شورای استفان از BI ابتدا بازار وحشی را که برای این داده‌ها به وجود آمده بود، باز کردند. همه چیز به سرعت پیش می رود، از جمله "انفجار پیشنهادات".

دیگران در حال کشف چگونگی استفاده از پایگاه داده خود هستند. شرکت های حقوقی، که اغلب دارای آرشیوهای دقیق هستند، نمونه بسیار خوبی هستند. ملیا رابینسون از BI اطلاعات بیشتری در این مورد دارد.

و گاهی اوقات این در مورد ایجاد داده ها توسط خودتان است. Rya Jetha از BI می نویسد که این مورد در رباتیک است. شرکت ها هزینه های زیادی می کنند تا مردم کارهای روزمره مانند پخت و پز و نظافت را ضبط کنند.

فشار داده‌های هوش مصنوعی می‌تواند علاقه‌مندی به فضایی را که قبلا در یک صنعت تشنه اطلاعات حرکت کرده است، تجدید کند.

داده های جایگزین، مجموعه داده های بدون ساختار مانند تصاویر ماهواره ای و تراکنش های کارت، در اواسط دهه 2010 به کالایی داغ در وال استریت تبدیل شد.

قرار است این مجموعه داده های غیر سنتی به سرمایه گذاران برتری بدهد. آیا می خواهید بدانید که آیا Home Depot برآوردهای درآمد را شکست خواهد داد؟ تصاویر ماهواره‌ای پارکینگ‌های آن را تجزیه و تحلیل کنید تا ببینید آیا ترافیک پیاده رو به افزایش است یا کاهش.

وقتی با همکارم بردلی ساکس از نزدیک این فضا را پوشش دادم، ارائه دهندگان داده اغلب تاکید کردند که فرصت واقعی بازار فروش به شرکت های بزرگ است.

صندوق‌های تامینی ممکن است غنی باشند، اما تعداد زیادی از آنها برای دور زدن وجود دارد. بازار هم سقف دارد. اگر افراد زیادی با مجموعه داده های مشابه معامله می کنند، مزیت بالقوه خود را از دست می دهید.

نیازهای داده‌ای هوش مصنوعی می‌تواند شکافی را که ارائه‌دهندگان داده‌های جایگزین امیدوار بودند شرکت‌ها پر کند. و برخلاف صندوق‌های تامینی که به داده‌های مرتبط با بازار در زمان واقعی علاقه دارند، این شرکت‌ها از فهرست گسترده‌تر و عمیق‌تری بهره می‌برند.

برخی از بازیکنان در حال حاضر یک فرصت را می بینند. زمانی که کرک مک‌کئون، جادوگر سابق داده Point72 سال گذشته یک استارت‌آپ داده راه‌اندازی کرد، به برادلی گفت که هدف آن بسته‌بندی داده‌ها به روشی آسان برای مدل‌های هوش مصنوعی است.

امیدوار کننده است، اما هیچ تضمینی وجود ندارد. داده‌های Alt با مشکلات رو به رشد واقعی روبرو شدند زیرا ارائه‌دهندگان تلاش می‌کردند تا پیشنهادات خود را در عین حال حفظ کیفیت داده‌ها را مقیاس‌بندی کنند. نیازهای شرکت‌های هوش مصنوعی ممکن است متفاوت باشد، اما انتظارات آنها آسان‌تر نخواهد بود. و در برخی موارد، مدیران پول ممکن است مفیدترین داده ها را در حیاط خلوت خود بیابند.

در عین حال، برادلی را در اینجا دنبال کنید تا پوشش بیشتری در مورد نحوه حرکت ارائه دهندگان داده های جایگزین در عصر هوش مصنوعی داشته باشید. و منتظر خبرنامه ای متمرکز بر صندوق های تامینی از او در اواخر امسال باشید.

مقاله اصلی را در Business Insider بخوانید