ชุดข้อมูลที่สำคัญที่สุดหลายชุดคือชุดข้อมูลที่เราไม่สามารถเข้าถึงหรือตีความได้มานาน
มูลค่าบนอินเทอร์เน็ตส่วนใหญ่เพิ่มขึ้นแบบทบต้นผ่านวงจรข้อมูลที่แข็งแกร่งขึ้นเรื่อยๆ ตามขนาดที่ใหญ่ขึ้น ผลิตภัณฑ์หรือแพลตฟอร์มเก็บข้อมูล ข้อมูลนั้นทำให้ผลิตภัณฑ์ดีขึ้น และผลิตภัณฑ์ที่ดีขึ้นก็มีสิทธิ์เก็บข้อมูลเพิ่มขึ้นอีก วงจรการปรับปรุงตัวเองนี้อยู่เบื้องหลังธุรกิจซอฟต์แวร์ที่ยั่งยืนส่วนใหญ่ และเป็นเสาหลักสำคัญของวิทยานิพนธ์เครือข่ายเอฟเฟกต์ของ USV นับตั้งแต่ Andy เขียนถึงวิธีที่มันอยู่เบื้องหลังเครือข่ายเอฟเฟกต์ในเลเยอร์แอปพลิเคชันในปี 2015
https://x.com/aweissman/status/676568250210082817
ทุกวันนี้ข้อนี้จริงยิ่งกว่าที่เคย ในยุค AI ข้อมูลคือสกุลเงินสูงสุด ห้องปฏิบัติการต่าง ๆ ใช้จ่ายตามนั้น และบริษัทอย่าง Mercor ก็กำลังแข่งขันสู่รายรับหลายพันล้านดอลลาร์
ข้อจำกัดของเครือข่ายเอฟเฟกต์ของข้อมูลคือขอบเขตและการเข้าถึงเสมอ—ข้อมูลใดอยู่ในขอบเขตและข้อมูลใดอยู่นอกขอบเขต ข้อมูลที่ซอฟต์แวร์สามารถจับได้นั้นเข้าถึงได้มากที่สุด เพราะข้อมูลจำนวนมหาศาลที่อยู่นอกซอฟต์แวร์ (สภาพแวดล้อมรอบตัวเรา โลกกายภาพ ร่างกายมนุษย์) มีค่าใช้จ่ายสูงและยากต่อการจับ ยากต่อการประมวลผล จึงไม่สามารถเข้าถึงได้
ขณะนี้ การบรรจบกันของพลังอันทรงพลังกำลังพลิกสถานการณ์นี้ ปัญญาประดิษฐ์มีอย่างอุดมสมบูรณ์และต้นทุนลดลง โมเดลสามารถประมวลผลแม้แต่อินพุตที่ไม่มีโครงสร้างและยุ่งเหยิงที่สุดที่ซอฟต์แวร์เคยทำได้ยาก ต้นทุนและระยะเวลาในการสร้างฮาร์ดแวร์ลดลงอย่างรวดเร็ว และเรากำลังประสบกับการแพร่กระจายของการสังเกตการณ์—ผ่านเซนเซอร์ ดาวเทียม กล้อง ฯลฯ ที่มีราคาถูกลงและแพร่หลายมากขึ้น—ทำให้การเก็บข้อมูลจากโลกรอบตัวเราเป็นไปได้มากกว่าที่เคย โดยรวมแล้ว ความสามารถในการรวบรวม ประมวลผลทันทีและอย่างชาญฉลาด และสร้างบนอินพุตเหล่านี้ในวิธีที่ไม่เคยมีมาก่อน ช่วยให้วงจรข้อมูลเกิดขึ้นในที่ที่มืดสนิทเมื่อไม่กี่ปีก่อน นี่ไม่ใช่แค่ AI ที่นำประสิทธิภาพมาสู่ตลาดที่มีอยู่ แต่เป็นชุดโอกาสใหม่ทั้งหมด
มีตัวอย่างมากมายที่สิ่งนี้เริ่มมีบทบาท การสนทนาในสภาพแวดล้อมเป็นหนึ่งในนั้น เราสามารถบันทึกคำพูดมาเป็นศตวรรษแล้ว แต่ตอนนี้ความสามารถในการถอดความ จัดโครงสร้าง และดำเนินการกับมันทำให้มันกลายเป็นชุดข้อมูลที่มีประโยชน์ สิ่งนี้ก่อให้เกิดโอกาสในแนวดิ่งเช่น Abridge เพื่อนำชุดข้อมูลนั้นมาสร้างแอปพลิเคชันที่เปลี่ยนวิธีการทำงานของตลาดเฉพาะ หรือ Granola เพื่อสร้างโครงสร้างพื้นฐานและเครื่องมือในแนวนอน การบันทึกไม่เคยเป็นส่วนที่ยาก แต่การประมวลผลและการทำให้เป็นผลิตภัณฑ์นั้นเป็นไปไม่ได้มาก่อน
ร่างกายมนุษย์ก็เป็นอีกตัวอย่างหนึ่ง ต้นทุนการทดสอบลดลง ความสามารถในการตีความผลลัพธ์ดีขึ้น และเป็นไปได้มากขึ้นที่จะปรับแต่งโปรแกรมบนพื้นฐานของข้อมูล ร่างกายกลายเป็นแหล่งข้อมูลที่เข้าถึงได้และมีประโยชน์
แต่บางทีโอกาสที่ใหญ่ที่สุดคือโลกกายภาพ
โลกกายภาพมีข้อมูลมหาศาลที่ทั้งไม่สามารถเก็บรวบรวมได้หรือยุ่งเหยิงเกินกว่าจะประมวลผลมานาน แต่ข้อมูลเหล่านี้จำเป็นต่อระบบอัตโนมัติ การปรับให้เหมาะสม และความเข้าใจ ตอนนี้เซนเซอร์กำลังแพร่หลาย หุ่นยนต์มีความสามารถมากขึ้นและราคาถูกลง และการประมวลผลข้อมูลที่ยุ่งเหยิงอย่างรวดเร็วเป็นสิ่งที่ทำได้ โมเดลสำหรับฝึกหุ่นยนต์ในงานที่ท้าทายมากขึ้นกำลังพัฒนาอย่างรวดเร็วและดูดซับข้อมูลมากขึ้นกว่าที่เคย เราเห็นสิ่งที่ possible ในโลกกายภาพเปลี่ยนจากการทดลองไปสู่การ商业化 วงจรข้อมูลนั้นแข็งแกร่งเป็นพิเศษที่นี่ การติดตั้งใช้งานมากขึ้นทำให้เกิดข้อมูลโลกจริงมากขึ้น ข้อมูลที่ดีขึ้นทำให้โมเดลดีขึ้น และโมเดลที่ดีขึ้นทำให้การติดตั้งครั้งต่อไปเร็วขึ้นและถูกลง
การสร้างโอกาสเหล่านี้ในโลกกายภาพเป็นทั้งช่วงเริ่มต้นและยากมาก โดยวงล้อข้อมูลเพิ่งเริ่มเกิดขึ้น ภายในวงล้อซอฟต์แวร์ เราเพิ่งเริ่มเห็นความก้าวหน้าครั้งใหญ่จากการเรียนรู้ (ใช้ข้อมูลเพื่อฝึกโมเดล) ไปสู่การเรียนรู้แบบเสริมกำลัง (กำหนดฟังก์ชันรางวัลเพื่อให้ระบบเรียนรู้ว่าการกระทำใดนำไปสู่ผลลัพธ์ที่ดีขึ้นผ่านปฏิสัมพันธ์) ไปสู่การเรียนรู้ต่อเนื่อง (ปล่อยให้โมเดลปรับปรุงต่อไปเมื่อมีข้อมูลใหม่) ในโลกกายภาพ เราเพิ่งเริ่มเกาพื้นผิวของการเรียนรู้แบบเสริมกำลังที่อาจเกิดขึ้นเมื่อหุ่นยนต์มีปฏิสัมพันธ์กับโลกกายภาพ
GIF
แต่โอกาสที่รออยู่จากวงล้อข้อมูลโลกกายภาพนี้มีมหาศาล เปลี่ยนแปลงตลาด และไม่สามารถเข้าถึงได้มาก่อน กรณีการใช้งานที่น่าสนใจที่สุดไม่ใช่การทำให้สิ่งที่ยากง่ายขึ้น แต่เป็นการให้ข้อมูลเชิงลึกและการกระทำที่เราไม่เคยทำได้มาก่อน
ตัวอย่างเช่น เซนเซอร์บนเสาไฟฟ้าทุกต้นจะช่วยให้สังเกตการณ์โครงสร้างพื้นฐานที่ก่อนหน้านี้เป็นไปไม่ได้เพราะต้องเปลี่ยนแบตเตอรี่ทุก 6 เดือน ทำให้มีต้นทุนสูงเกินไปที่จะเริ่มดำเนินการ ตอนนี้ด้วย แบตเตอรี่ที่ใช้งานได้นานถึง 10 ปี ความรู้เชิงลึกเกี่ยวกับโครงสร้างพื้นฐานของเราจะไม่เพียงแค่มีราคาที่จับต้องได้ แต่ยังทำได้จริง โมเดลที่สามารถรับอินพุตเซนเซอร์จากแหล่งที่หลากหลายอย่างมหาศาลในโลกรอบตัวเรา และสังเคราะห์มันเข้าด้วยกันและตีความสัญญาณรบกวน จะให้ความเข้าใจเกี่ยวกับรูปแบบสภาพอากาศของเรา ในระดับรายละเอียดและความแม่นยำที่ไม่เคยมีมาก่อน ซึ่งเป็นขั้นตอนสำคัญที่สุดในการเปลี่ยนแปลงในที่สุด การขนส่งแบบอัตโนมัติ (ที่เกิดขึ้นได้ด้วยเซนเซอร์) กำลังเดินหน้าไปสู่ความสามารถที่ไม่เคยมีมาก่อนในการเคลื่อนย้ายผู้คนและสินค้าด้วยโครงสร้างต้นทุนใหม่ทั้งหมด ตอนนี้เรา สามารถเข้าใจมหาสมุทรของเรา และได้รับความรู้ใหม่เกี่ยวกับวิธีปกป้องแผ่นดิน นำทางเรือ และรักษาโลกของเรา
มีโอกาสมหาศาลในการสร้างสรรค์ทุกเลเยอร์ของสแตกโลกกายภาพขึ้นใหม่ เราได้ลงทุนอย่างมีนัยสำคัญในทุกระดับและจะทำต่อไป (ด้วยการลงทุนที่ยังไม่เปิดเผยอีกหลายรายการที่เราตื่นเต้นที่จะแบ่งปันเร็วๆ นี้) Generalist กำลังสร้างโมเดลพื้นฐานที่ทำให้หุ่นยนต์มีความคล่องแคล่วทั่วไป ความสามารถในการทำงานที่เราต้องการจริงๆ Tutor Intelligence ดำเนินวงจรเต็มรูปแบบของการปรับใช้หุ่นยนต์ผ่านการเก็บข้อมูลและการปรับปรุงโมเดล ทำให้หุ่นยนต์สามารถทำงานได้อย่างมีประสิทธิภาพภายในวัน แทนที่จะต้องใช้เวลา 6 เดือนในการรวมระบบ (แล้วป้อนข้อมูลนั้นกลับไปยังโมเดลของตัวเองเพื่อปรับปรุงอย่างต่อเนื่อง) Sofar Ocean ใช้ประโยชน์จากการแพร่กระจายของเซนเซอร์จำนวนมากเพื่อให้โครงสร้างพื้นฐานสำหรับเครือข่ายซอฟต์แวร์ทั้งที่เป็นของตนเองและของบุคคลที่สาม Viam อยู่ตรงกลาง เป็นเลเยอร์ปฏิบัติการสำหรับข้อมูล AI และระบบอัตโนมัติในฝูงอุปกรณ์ Efficient Computer อยู่ที่ฐาน สร้างซิลิคอนที่มีประสิทธิภาพเพียงพอที่จะทำให้กรณีการใช้งานใหม่มีต้นทุนที่ประหยัดในขอบ
ผลกระทบลำดับที่สองก็มีนัยสำคัญเช่นกัน เมื่อคุณสามารถจับและดำเนินการกับข้อมูลโลกกายภาพในขนาดใหญ่ คุณสามารถดำเนินการโรงงานที่มีประสิทธิภาพมากขึ้นผ่านระบบอัตโนมัติและระบบปฏิบัติการแบบเอเจนต์ ซึ่งเป็นสิ่งที่ Isembard กำลังทำ และแน่นอนว่ามีความต้องการพลังงานและไฟฟ้าที่เพิ่มขึ้นอย่างมากภายใต้เลเยอร์นี้เพื่อรองรับการประมวลผลระดับนี้และปัจจัยนำเข้าที่จำเป็น (ศูนย์ข้อมูลที่มีประสิทธิภาพมากขึ้น แบตเตอรี่ที่อุดมสมบูรณ์ และ ปลอดภัยมากขึ้น รูปแบบใหม่ของ การผลิตแบบขยายขนาด และ สะอาด ฯลฯ)
แผนที่ตลาดด้านล่างแสดงให้เห็นถึงสแตกที่กำลังสำรวจและดำเนินการกับโลกกายภาพของเรา
เราอยู่ในช่วงเริ่มต้นมาก ชุดข้อมูลส่วนใหญ่ยังถูกใช้ประโยชน์เพียงเล็กน้อย และผลิตภัณฑ์ส่วนใหญ่ที่จะทำงานบนชุดข้อมูลเหล่านี้ยังไม่มีอยู่ การค้นหา การเข้าถึง และการนำไปใช้จะเปลี่ยนวิธีที่เราโต้ตอบกับโลกกายภาพ เราต้องการสำรวจขอบเขตทั้งหมดนั้นร่วมกับผู้ก่อตั้งที่กำลังมุ่งหน้าไป
ขอขอบคุณ @km @joshgruenstein @alexiskold @nbt @chadbyers @html_tina และ Brandon Lucia ที่ช่วยทำให้ความคิดของเราคมขึ้นในโพสต์นี้
