Herkes bir sonraki büyük temanın ne olacağını bilmek istiyor.
Optik süper döngüsünde çoğu kişiden önce yer alacak kadar şanslıydım ve bu, hayatımı değiştirdi.
Peki ya bu büyüklükteki bir sonraki temayı bulup kendimizi erken konumlandırabilirsek?
Bence yapabiliriz.
İşte bu rapor tam da bununla ilgili.
Bunu derinlemesine araştırdıktan sonra, bunun işte o tema olduğuna inanıyorum.
Bu yüzden bu raporda temayı, neden şimdi yatırım yapılabilir olduğunu, nerede yatırım yapılabileceğini, tüm katmanları ve tedarik zincirini ve ileriye dönük planımı ortaya koyacağım.
Optik / Fotonik hâlâ bu sayfada derinlemesine ele alacağım ana temam.
Ama dışarıda bizi bekleyen fırsatlar var.
Ve burada ortaya koyacağım tema, zamanla Substack'teki 2. ana kapsama alanım olacak.
Hâlâ erkeniz ve kendimizi konumlandırmak için vaktimiz var.
Bunu yapmanın en iyi yolunu bulalım.
Fiziksel Yapay Zeka
Geçtiğimiz yıl portföyümün büyük bir kısmı Yapay Zeka Altyapısı'ndaydı. Ki bu açıkçası harikaydı.
Artık giderek artan bir şekilde, yeni paramı Fiziksel Yapay Zeka temasındaki yeni fırsatlara harcamak istiyorum.
Yatırım yaptığım tüm Altyapı şirketleri bu yeni temayı mümkün kılıyor.
Bu raporla ilgili amacım, bu temayı çok anlaşılır bir seviyede tanıtmak, böylece hepimiz çok sağlam bir temelden başlayabiliriz.
Fiziksel Yapay Zeka'yı düşündüğümde, makinelerin zeki hale geldiği nokta olduğunu düşünüyorum.
Yani görme, hareket, tanıma, kuvvet, güvenlik, geri bildirimden bahsediyoruz. Bazı nihai ürünlerin özelliklerinden/karekteristiklerinden sadece birkaçını saymak gerekirse.
Akış şöyle görünüyor: dünyayı görmek (kameralar ve/veya sensörler aracılığıyla), bu girdiyi anlamak, hangi eylemlerin mantıklı olduğuna karar vermek, hareket veya bir tür tepki oluşturmak ve ardından ne olduğunu kontrol edip ayarlama yapmak.
Geri bildirim döngüsü burada kritik bir parçadır. Makine sonuçtan öğrenmek zorundadır ve bu, sadece önceden programlanmış hareketi tekrarlayan 'zeki olmayan' makinelerden büyük bir farktır.
Bu yazıyı okurken, ilerledikçe not almanızı istiyorum. Yatırım yapılabilir olduğunu düşündüğünüz bir alan hakkında okuduğunuzda durun ve not edin. Bu katmandan kaç farklı şekilde para kazanılabileceğine dair bir dal oluşturmaya çalışın. Şirketler değil, bir ürün veya hizmetle para kazanmanın farklı yolları. Bunu bitirdikten sonra okumaya devam edin. Tekrarlayın.
Değişim
Ekrandan gerçek dünyaya.
Yapay Zeka'nın şu anki kullanım alanlarının büyük bir kısmı Metin, Görsel, Kod, Video, Araştırma, Analiz vb. ile Üretken Yapay Zeka'ya giriyor. Bunu okuyan neredeyse herkes kullanmıştır, hatta günlük kullanıyordur. ChatGPT, Claude, Gemini vb.
Şimdiden görmekte olduğumuz bir sonraki dalga, Yapay Zeka'nın sadece yanıt vermek yerine görevleri yürütmeye başladığı Aracılı (Agentic) Yapay Zeka. Yani bir ajan dosyaları arayabilir, e-tabloları güncelleyebilir, e-postalar taslaklayabilir, programınız üzerinde çalışabilir vb. Yani 'yanıtlamak'tan 'yapmak'a geçiş, ancak tamamen dijital alanda.
Ardından, gerçek dünyada bir şeyin kontrolüne sahip olduğunuz Fiziksel Yapay Zeka var. Bir makine operatörüne neyin yanlış gittiğini söylemek yerine, makineyi ayarlayabilir.
Fiziksel Yapay Zeka dendiğinde çoğu insanın aklına gelen görsel örneğin bir insansı robot olduğunu düşünüyorum. Az önce Figure'ın bir insansı robot ile bir insanın paketleri ayırmasının canlı yan yana karşılaştırmasını gördük.
Ama bence bu, Fiziksel Yapay Zeka'nın bugünkü en pratik olmayan biçimlerinden biri. Gerçek olanlar ise dronlar, robotik kollar, sürücüsüz traktörler, depo sistemleri, cerrahi sistemler, savunma sistemleri ve benzerleridir.
Daha derin fikir, Yapay Zeka'nın iş gücüne yaklaşmasıdır.
Bağlantıyı kurarsak, Gen Yapay Zeka bilgiye yardımcı olur, Aracılı ofis/yazılıma yardımcı olur ve Fiziksel de... peki... Fiziksel işe yardımcı olur. Bizim için basit tuttuklarına sevindim.
Peki, buradaki TAM (Toplam Adreslenebilir Pazar) nedir? Fiziksel Yapay Zeka'da gerçekten ne kadar para var?
Cevap: 'Evet'.
Hepsi. Her şey.
Tamam ama cidden, fiziksel ekonomi devasadır.
Çiftliklerden, depolardan, madenlerden, hastanelerden, savunma sistemlerinden, ulaşım ağlarından, enerji altyapısından, inşaata kadar aklınıza ne gelirse.
Bunun Neden Zor Olduğu
Bu raporu gerçekçiliğe dayandıralım.
Yapay Zeka'yı bir ekranın içine hapsettiğimizde yönetmesi çok daha kolaydır. Hatalar o kadar kritik değildir. Düzenlemeler kolaydır. Ortam nispeten kontrollüdür.
Gerçek dünyaya adım atınca işler karışır.
Nesne yerleşimi tahmin edilemezdir. İnsanlar kaotiktir (alınmayın). Yağmur ve rüzgar gibi çevresel faktörler vardır. Bir deponun içindeki ışık değişkenlik gösterebilir.
Bu nedenle bu sistemlerin belirsizliği ANLAMASI gerekir. Tekrar ediyorum, 'zeka' kısmı budur. Bu sistemlerin, nesneler tahmin edilemez bir şekilde hareket etse, sensörler kirlense, aydınlatma değişse, insanlar yollarına çıksa bile çalışması gerekir.
Bir de güvenlik boyutu var. Evet, özellikle ajanların bir kurumsal ortamda serbestçe dolaşmasına izin verirsek yazılımla ilgili güvenlik endişeleri vardır, ancak burada fiziksel güvenlikten bahsediyoruz. Envanter hasar görebilir, insanlar yaralanabilir, ekipman bozulabilir.
Bu nedenle bu sistemler aynı anda doğru, güvenilir, hızlı ve güvenli olmak zorundadır.
Bence doğruluk, güvenilirlik ve güvenlik herkesin kabul edeceği şeyler.
Hız bazı insanlara şaşırtıcı gelebilir. Ama bir düşünün. En net örnek otonom sürüş. Bir insan tahmin edilemez bir şekilde bir arabanın önüne atlarsa, felaketi önlemek için anında tepki vermesi gerekir. Minimum gecikme olmalıdır. İşte burada Edge Yapay Zeka devreye girer çünkü bu tepki sürelerinde bir bulut sunucusunu bekleyemezsiniz.
Bir de parçalar arasındaki koordinasyon var. Beyin tek başına yeterli değildir. Görmek için sensörlere, bilgiyi işlemek için çiplere, kararlar almak için yazılıma, hareket etmek için motorlara, enerji sağlamak için güç sistemlerine, hassas kalmak için kontrol sistemlerine ve kötü sonuçları önlemek için güvenlik sistemlerine ihtiyacımız var.
Bir tedarik zincirine benziyor... değil mi?
İyi. İyi.
Yani demoları gördüğümüzde, gerçek dağıtım çok daha farklı ve uzak görünebilir. Bir makinenin izolasyonda çalışması başka bir şeydir. Gerçek ortamlarda her gün çalışacak şekilde dağıtılması çok daha farklıdır. Yani az önce bu makinelerin yapabilmesi gerektiğini söylediğimiz tüm bu şeylerin yanı sıra, dayanıklı olmaları ve uzun ömürlü olmaları da gerekir.
Tüm bunlar büyük bir başarı gibi geliyorsa... iyi.
Öyle.
Ve fırsat da tam olarak burada yatıyor.
Çünkü bunu YAPABİLEN ve ölçeklendirebilen şirketler, gerçekten para kazanmak için konumlanmış durumdalar.
Temel Döngü
Burada tartıştığımız neredeyse tüm sistemler benzer bir döngüden geçmek zorundadır.
1 - Dünyayı görmek
2 - Neler olduğunu anlamak
3 - Ne yapacağına karar vermek
4 - Sonuçları kontrol etmek
5 - Geliştirmek
Pratik bir örnek alalım.
Bir depo robotu.
Öncelikle koridoru görmesi gerekir. Rafların, kutuların ve diğer robotların veya insanların nerede hareket ettiğini anlamak için kamera, lidar, derinlik sensörleri veya diğer sensörleri kullanabilir.
Daha sonra bunu alıp anlaması gerekir. Bir nesnenin kutu, birinin insan olduğunu anlaması gerekir. Mesafeyi, hızı, yönü ve riski anlaması gerekir.
Ardından karar gelir. Hareket etmeye devam etmeli mi? Yavaşlamalı mı? Sola dönmeli mi? Algının eyleme dönüşmeye başladığı yer burasıdır.
Bir sonraki adım harekettir. Motorlar döner, robotik kollar ayarlanır, tutucu kapanır. Ne olursa olsun. Artık fiziksel alandayız.
Ardından sonucu kontrol eder. Doğru rafa ulaştı mı? Doğru ürünü aldı mı? Bu çok önemli bir adımdır çünkü gerçek dünya tahmin edilemez.
Son olarak, gelişir. Bir sonraki seferde daha iyi bir karar vermek için olanlardan gelen geri bildirimi kullanır. İnsanlar olarak biz de temelde böyle çalışırız. Belki belirli bir nesneyi kavramanın daha zor olduğunu veya belirli bir rotanın belirli bir saatte sıkıştığını öğrenir.
Bu geri bildirim döngüsü, Fiziksel Yapay Zeka'yı temel otomasyondan ayıran şeydir. Eski otomasyon sabit bir talimat setidir. Fiziksel Yapay Zeka uyum sağlar, izler, tepki verir, ayarlama yapar.
Tüm bu adımlar, yatırım yapılabilir yığının neden bu kadar büyük olduğunun sebebidir. Sensörlerden, çiplerden, yazılımdan, motorlardan, güçten, kontrollerden, güvenlik sistemlerinden, verilerden bahsediyoruz. Bir robotik gövde, döngü olmadan tek başına işe yaramaz.
Yatırım Yapılabilir Yığın
Şimdi her bir katmanın neler içerdiği hakkında daha spesifik bilgilere geçebiliriz.
Henüz şirketlere dalmıyoruz. Temeli atmamız gerekiyor.
Fiziksel Yapay Zeka'yı bir insanla karşılaştırma fikrini seviyorum. İnsansı/estetik açıdan değil. İşlevler ve duyular açısından.
İnsanların bir beyni, gözleri, kasları, sinirleri, enerjisi, dengesi, hafızası ve pratiğe ihtiyacı vardır. Bir Fiziksel Yapay Zeka sisteminin, tüm bunların şu veya bu şekilde makine versiyonuna ihtiyacı vardır.
Gördüğünüz gerçek robot/makine, sistemin sadece bir parçasıdır. Makinenin arkasında yatan şey çok daha büyük ve derindir. Ve halka açık şirketlere gerçek maruziyet de buradadır.
Yığın başlamadan önce bile, eğitim aşamamız var. Bir makine gerçek dünyada çalışmadan önce, Yapay Zeka'nın öğrenmesi gerekir. Bu nedenle veriye, modellere, iyi eylemlerin nasıl göründüğüne dair örneklere ihtiyacımız var. Bu nedenle gerçek dünya verileri, sentetik veriler, simülasyon verileri veya insan demoları üzerinde eğitim alabilir. Tıpkı yeni bir çalışanın bir işe başlamadan önce onu nasıl yapacağını öğrenmesi gibidir.
Sıradaki simülasyon. Burası makinenin sanal bir dünyada pratik yaptığı yerdir. Yani bir depo robotu dijital koridorlarda hareket etme pratiği yapabilir. Bir drone dijital bir savaş alanında uçma pratiği yapabilir vb. Bu önemlidir çünkü gerçek dünyada pratik yapmak pahalı, daha yavaş ve bazen risklidir.
Sıradaki algı.
Bu raporun geri kalanını okumak için buraya tıklayın:
Yatırım yapılabilir katmanların geri kalanına, bu temanın nereye gidebileceğini düşündüğüme ve sürecimin nasıl olacağına dalıyorum.
Optik ile birlikte, Fiziksel Yapay Zeka artık derinlemesine ele aldığım 2. ana tema.
Tam portföy oluşturma
Tüm katmanları çözümleme
Belirli şirketleri sunma
Kazanç analizleri vb.
