Muchos de los conjuntos de datos más críticos son aquellos a los que durante mucho tiempo no hemos podido acceder o interpretar.
El valor en internet se ha acumulado en gran medida a través de bucles de datos que se fortalecen continuamente con la escala. Un producto o plataforma recopila datos, esos datos mejoran el producto, y el producto mejorado gana el derecho de, a su vez, recopilar más datos. Este bucle de automejora subyace en la mayoría de los negocios de software duraderos y ha sido un pilar significativo de la tesis de efectos de red de USV desde que Andy escribió sobre cómo subyace a los efectos de red en la capa de aplicación en 2015.
https://x.com/aweissman/status/676568250210082817
Hoy, esto es más cierto que nunca. En la era de la IA, los datos son la moneda definitiva. Los laboratorios están gastando en consecuencia y empresas como Mercor están corriendo hacia miles de millones de dólares en ingresos.
La restricción del efecto de red de datos siempre ha sido el alcance y la cobertura: qué datos están a nuestro alcance y cuáles no. Los datos que el software podía capturar eran los más accesibles porque la gran cantidad de datos fuera del software (el entorno que nos rodea, el mundo físico, el cuerpo humano) era demasiado costosa y difícil de capturar, demasiado difícil de procesar y, por lo tanto, inaccesible.
Ahora, una convergencia de fuerzas poderosas está cambiando esto por completo. La inteligencia es abundante y su costo está disminuyendo. Los modelos pueden procesar rápidamente incluso las entradas no estructuradas más desordenadas que eran demasiado difíciles para el software. El costo y el tiempo para construir hardware han disminuido rápidamente. Y estamos experimentando una proliferación de la observabilidad, a través de sensores, satélites, cámaras, etc., cada vez más económicos y omnipresentes, lo que hace que capturar datos del mundo que nos rodea sea más factible que nunca. En conjunto, la capacidad de recopilar, procesar de manera inmediata e inteligente, y construir sobre estas entradas de formas sin precedentes permite que se formen bucles de datos en lugares que hace unos años estaban completamente oscuros. Esto no es la IA trayendo eficiencia a los mercados existentes; es un conjunto completamente nuevo de oportunidades en conjunto.
Hay muchos ejemplos de dónde esto está entrando en juego. La conversación ambiental es uno. Hemos podido grabar el habla durante un siglo, pero ahora nuestra capacidad de transcribir, estructurar y actuar sobre ella la ha convertido en un conjunto de datos utilitario. Esto da lugar a oportunidades verticales como Abridge para tomar ese conjunto de datos y construir aplicaciones que transformen cómo operan mercados particulares, o Granola para crear infraestructura y herramientas horizontales. La grabación nunca fue la parte difícil, pero el procesamiento y la comercialización no eran posibles anteriormente.
El cuerpo humano es otro. El costo de las pruebas se está desplomando, la capacidad de interpretar los resultados está mejorando, y es cada vez más posible personalizar un programa sobre los datos. El cuerpo se vuelve tanto alcanzable como útil como fuente de datos.
Pero quizás la oportunidad más grande aquí es el mundo físico.
El mundo físico contiene enormes cantidades de datos que durante mucho tiempo han estado fuera de nuestro alcance para recopilar o demasiado desordenados para procesar, pero que son esenciales para la automatización, la optimización y la comprensión. Ahora, los sensores se están proliferando, los robots se están volviendo más capaces y económicos, y procesar datos desordenados rápidamente es alcanzable. Los modelos para entrenar robots en tareas cada vez más desafiantes están mejorando a velocidades rápidas y absorbiendo más datos para hacerlo que nunca. Estamos viendo lo que es posible en el mundo físico pasar del experimento a la comercialización. Ese bucle de datos es especialmente fuerte aquí. Más implementaciones producen más datos del mundo real, mejores datos hacen que los modelos sean mejores, y mejores modelos hacen que la próxima implementación sea más rápida y económica que la anterior.
Construir sobre estas oportunidades en el mundo físico es a la vez muy temprano y muy difícil, con el volante de datos apenas emergiendo. Dentro del volante de software, apenas estamos comenzando a ver un progreso masivo al pasar del aprendizaje (usar datos para entrenar un modelo) al aprendizaje por refuerzo (definir funciones de recompensa para que el sistema pueda aprender qué acciones conducen a mejores resultados a través de la interacción) al aprendizaje continuo (permitir que los modelos sigan mejorando a medida que llegan nuevos datos). En el mundo físico, apenas estamos empezando a arañar la superficie del aprendizaje por refuerzo que puede ocurrir cuando los robots interactúan con el mundo físico.
GIF
Pero las oportunidades que esperan de este volante de datos del mundo físico son masivas, transformadoras de mercados y previamente inalcanzables. Los casos de uso más interesantes no son hacer las cosas difíciles más fáciles, sino permitir una visión y acción que nunca hemos podido lograr.
Los sensores en cada poste de servicios públicos, por ejemplo, permitirán una observabilidad de la infraestructura que antes era imposible porque las baterías tenían que cambiarse cada 6 meses, lo que hacía que emprenderla fuera prohibitivamente costoso. Ahora, con baterías que pueden durar 10 años, el conocimiento profundo de nuestra infraestructura no solo será asequible, sino alcanzable. Los modelos que pueden tomar datos de sensores de fuentes enormemente variadas en el mundo que nos rodea y también sintetizarlos juntos y dar sentido al ruido nos darán una comprensión de nuestros patrones climáticos con una granularidad y precisión que nunca hemos tenido, el paso más crítico para eventualmente poder cambiarlos. El transporte autónomo (posible gracias a los sensores) está rápidamente en camino de crear una capacidad sin precedentes para mover personas y mercancías con una estructura de costos completamente nueva. Ahora podemos comprender nuestros océanos y, por lo tanto, adquirir nuevos conocimientos sobre cómo defender nuestra tierra, navegar nuestros barcos y mantener nuestro planeta.
Hay una oportunidad masiva para reinventar cada capa de la pila del mundo físico. Hemos estado invirtiendo significativamente en ella en cada nivel y continuaremos haciéndolo (con varias inversiones no anunciadas de las que estamos emocionados de compartir más pronto). Generalist está construyendo modelos fundacionales que dan a los robots destreza general, la capacidad de realizar las tareas que realmente queremos que se hagan. Tutor Intelligence ejecuta el bucle completo de implementación de robots a través de la recopilación de datos y la mejora de modelos, permitiendo que los robots se vuelvan productivos en días en lugar de una integración de seis meses (y luego alimenta esos datos de vuelta a su propio modelo para mejorar continuamente). Sofar Ocean aprovecha la masiva proliferación de sensores para proporcionar infraestructura tanto para redes de software propias como de terceros. Viam se encuentra en el medio, como la capa operativa para datos, IA y automatización en flotas de dispositivos. Efficient Computer está en la base, construyendo silicio lo suficientemente eficiente como para hacer que nuevos casos de uso sean económicos en el borde.
Los efectos de segundo orden también son significativos. Una vez que puedas capturar y actuar sobre datos del mundo físico a escala, puedes ejecutar fábricas mucho más eficientes a través de la automatización y sistemas operativos agénticos, por ejemplo, que es lo que Isembard está haciendo. Y, por supuesto, está la necesidad dramática de mayor energía y potencia debajo de esta capa que permita este nivel de cómputo y todos los insumos requeridos allí (centros de datos más eficientes, baterías abundantes y más seguras, nuevos formatos de generación a escala y limpia, etc.)
El siguiente mapa de mercado es ilustrativo de la pila que explora y actúa sobre nuestro mundo físico.
Estamos muy temprano. La mayoría de estos conjuntos de datos apenas se han aprovechado, y la mayoría de los productos que funcionarán con ellos aún no existen. Encontrarlos, alcanzarlos y ponerlos a trabajar cambiará la forma en que interactuamos con el mundo físico. Queremos explorar la totalidad de ese borde con los fundadores que corren hacia él.
Un gran agradecimiento a @km @joshgruenstein @alexiskold @nbt @chadbyers @html_tina y Brandon Lucia por agudizar nuestro pensamiento en esta publicación.
