Mikhail Taver, Ιδρυτής & Διευθύνων Εταίρος στην Taver Capital Partners – Σειρά Συνεντεύξεων

Mikhail Taver είναι ένας έμπειρος επενδυτής με δύο δεκαετίες εμπειρίας σε υψηλά εκτελεστικά πόστα σε εξέχουσες οικονομικές ομάδες και βιομηχανικές εταιρείες, καθώς και σε επενδύσεις και στρατηγική συμβουλευτική.

Ο Mikhail έχει ολοκληρώσει με επιτυχία πάνω από 250 συναλλαγές M&A και ιδιωτικών επενδύσεων για μεγάλους παίκτες στον βιομηχανικό τομέα και κατέχει βαθιά εξειδίκευση σε τομείς όπως οι αρχικές δημόσιες προσφόρες, οι LBO, οι άμεσες επενδύσεις, η ιδιωτική ιδιοκτησία και οι συγχωνεύσεις και αγορές. Οι επενδυτικές του προσπάθειες έχουν καλύψει επίσης βαρείς βιομηχανίες όπως η εξόρυξη ορυκτών και η παραγωγή. Επιπλέον, ο Mikhail κατέχει τις designations CFA, ACMA και CGMA.

Ως ιδρυτής και διευθύνων εταίρος της Taver Capital, einem διεθνούς κεφαλαίου επιχειρηματικών επενδύσεων αφιερωμένου στις επενδύσεις σε παγκόσμιες εταιρείες τεχνητής νοημοσύνης, ο Mikhail κατέχει μια βαθιά κατανόηση της διαδικασίας επένδυσης σε startups με τεχνητή νοημοσύνη.

Ήσατε ένας από τους πρωτοπόρους στις επενδύσεις σε τεχνητή νοημοσύνη όταν ακόμη θεωρούνταν μια νις. Τι σας έ drew σε τεχνολογίες AI και πώς έχει εξελιχθεί η προοπτική σας για τις επενδύσεις σε AI από τότε που ιδρύθηκε η Taver Capital;

Όταν επέλεξα την τεχνητή νοημοσύνη, το έκανα θεωρώντας την ως μια νις που πίστευα ότι είχε καλές προοπτικές. Ενώ ήμουν σωστός για τις προοπτικές, είδαμε πώς η τεχνητή νοημοσύνη έχει προοδεύσει με επιταχυνόμενο ρυθμό και τώρα υιοθετείται σχεδόν σε κάθε βιομηχανία, το οποίο σημαίνει ότι ήμουν λάθος για το μέρος της νις. Τώρα, ως μια κυρίαρχη τεχνολογία, η τεχνητή νοημοσύνη έχει εξελιχθεί σημαντικά από τότε και έτσι και η προοπτική μου ως επενδυτής.

Αρχικά, όταν η τεχνητή νοημοσύνη drew την προσοχή μου ως einem πιθανό τομέα επένδυσης, συνειδητοποίησα ότι χρειαζόμουν να μεταβώ από έναν γενικίστα επενδυτή μέσα στην τεχνολογία σε έναν γενικίστα μέσα στην τεχνητή νοημοσύνη. Αυτό με οδήγησε να γίνω ένας από τους πρωτοπόρους επενδυτές σε τεχνολογίες που βασίζονται στην τεχνητή νοημοσύνη. Τώρα, είναι ώρα για μια άλλη μετάβαση, από τον γενικίστα στην τεχνητή νοημοσύνη στο να βρω την επόμενη υποσχόμενη νις μέσα στην τεχνητή νοημοσύνη. Κατά την άποψή μου και με βάση την εκτενή μου εμπειρία εργασίας με βαρείς βιομηχανίες, πιστεύω ότι αυτό είναι η βιομηχανική τεχνητή νοημοσύνη. Η αντίληψή μου για το δυναμικό της τεχνητής νοημοσύνης δεν έχει αλλάξει – πάντα την είδα ως ένα εργαλείο για την ενίσχυση της αποτελεσματικότητας και τη μεταμόρφωση των επιχειρήσεων. Ωστόσο, όταν πρόκειται για το ερώτημα του πού η ενσωμάτωση της τεχνητής νοημοσύνης μπορεί να παράγει υψηλότερες αποδόσεις, η στοίχημά μου είναι ότι μπορεί να το κάνει σε εκείνες τις βιομηχανίες που είναι ώριμες για ανατροπή — παραγωγή, εξόρυξη ορυκτών και άλλους τομείς που οι περισσότεροι επενδυτές της τεχνητής νοημοσύνης δεν κοιτάζουν.

Μπορείτε να εξηγήσετε ποιες ευκαιρίες και προκλήσεις βλέπετε στην Βιομηχανική Τεχνητή Νοημοσύνη; Πώς διαφέρει η βιομηχανική τεχνητή νοημοσύνη από άλλες εφαρμογές της τεχνητής νοημοσύνης σε σχέση με το δυναμικό επένδυσης;

Πιστεύω ότι η τεχνητή νοημοσύνη μπορεί να δώσει νέα ζωή σε εταιρείες σε αυτόν τον τομέα και να ενισχύσει την ανάπτυξή τους. Παραδοσιακές βιομηχανίες όπως η παραγωγή, η ενέργεια και η εξόρυξη ορυκτών έχουν BEEN αργές για χρόνια, και η τεχνητή νοημοσύνη έχει τεράστιο δυναμικό να αλλάξει αυτό.

Πάρτε, για παράδειγμα, την εξόρυξη ορυκτών. Σήμερα, οι ταχύτητες ανακάλυψης του χαλκού, του νικελίου και του λιθίου είναι στα χαμηλότερα επίπεδα ever, παρά την ανακάλυψη-σχετική δαπάνη να είναι στο υψηλότερο επίπεδο. Λόγω αυτού, ο τομέας της εξόρυξης ορυκτών έχει τεράστιο δυναμικό για ανατροπή. Αυτή η πίστη με οδήγησε να επενδύσω στην Earth AI, μια εταιρεία στην Αυστραλία που έχει αναπτύξει μια τεχνολογία εξόρυξης ορυκτών και βοηθά τις εταιρείες εξόρυξης να βρουν καταθέσεις γρηγορότερα, φθηνότερα και, πολύ σημαντικά, πιο βιώσιμα.

Ένα άλλο παράδειγμα είναι η Israel-βασισμένη Ception, η οποία εφαρμόζει συστήματα τεχνητής νοημοσύνης για να κάνει τους χώρους κατασκευής και τις βιομηχανικές εγκαταστάσεις πιο παραγωγικές, βιώσιμες και ασφαλείς. Το MineCept, το μοντέλο SaaS, χρησιμοποιεί 3D χαρτογράφηση και ακριβή οπτική θέση για να ενισχύσει την ασφάλεια και την λειτουργική αποτελεσματικότητα στις εργασίες.

Σε cả τα παραπάνω παραδείγματα, η επένδυση στην τεχνητή νοημοσύνη μπορεί να βοηθήσει τις εταιρείες να σώσουν δισεκατομμύρια σε έξοδα, επηρεάζοντας θετικά την κάτω γραμμή μιας εταιρείας. Ωστόσο, η εφαρμογή της τεχνητής νοημοσύνης σε βαρείς βιομηχανίες είναι μια相 đối capital-εντατική προσπάθεια, ακόμη και για startups. Η ανάπτυξη της χρηματοδότησης πρέπει να υπολογιστεί με ένα περιθώριο και με ένα μακροπρόθεσμο ορίζοντα. Το κέρδος μπορεί να έρθει σε βήματα. Για παράδειγμα, στην εξόρυξη ορυκτών, μπορεί να μην υπάρξει κέρδος για πολύ καιρό, και μετά ξαφνικά 20 εκατομμύρια, και μετά κανένα, και ούτω καθεξής. Αυτό πρέπει να ληφθεί υπόψη. Καθώς είναι ένα μακροπρόθεσμο έργο, και ο ιδρυτής και η ομάδα πρέπει να έχουν μια στρατηγική σκέψη, προσεγγίση και να είναι έτοιμοι για το γεγονός ότι το αποτέλεσμα δεν θα έρθει σύντομα.

Λέγοντας αυτό, οι επενδυτές ακόμη διστάζουν να επενδύσουν στην βιομηχανική τεχνητή νοημοσύνη για διάφορους λόγους. Πρώτον, πιστεύουν ότι οι βιομηχανικές επενδύσεις σε τεχνητή νοημοσύνη είναι πολύ χρονοβόρες για να αξίζει. Πρέπει περίπου 5-6 χρόνια για να καθορίσετε εάν ένα έργο τεχνητής νοημοσύνης θα δουλέψει, το οποίο κάνει κάποιους επενδυτές να διστάζουν. Αυτό είναι αλήθεια, και σημαίνει ότι οι επενδυτές πρέπει να είναι πιο επιλεκτικοί όταν επιλέγουν ένα έργο.

Επίσης, πρέπει να ληφθεί υπόψη ότι η βιομηχανία, λόγω του μεγέθους της, έχει παραδοσιακά BEEN το πεδίο των ιδιωτικών επενδύσεων. Οι VC έχουν παραλείψει αυτόν τον τομέα για πολύ καιρό, και ως αποτέλεσμα, δεν γνωρίζουν πολύ για τις βαρείς βιομηχανίες και πώς να επικοινωνούν με τους ιδρυτές στον τομέα. Έχοντας εμπειρία σε επενδύσεις σε τομείς όπως το SaaS, δεν έχουν κατανόηση των χαρακτηριστικών του βιομηχανικού τομέα και ως αποτέλεσμα έχουν αρεστημένες προσδοκίες. Έτσι, είναι σημαντικό να καταδυθείτε βαθιά στον βιομηχανικό τομέα και να μάθετε πώς να επικοινωνείτε με τους ενδιαφερόμενους.

Η Taver Capital έχει επιτύχει αρκετές επιτυχείς εξόδους, συμπεριλαμβανομένων αγορών από μεγάλες εταιρείες όπως η Facebook και η Mitek. Ποιοι είναι οι βασικοί παράγοντες που λαμβάνετε υπόψη όταν αποφασίζετε να επενδύσετε σε μια startup τεχνητής νοημοσύνης που μπορεί να δείξει μια μελλοντική επιτυχημένη έξοδο;

Πρώτον, προσπαθώ να διασφαλίσω ότι οι ιδρυτές πραγματικά κατανοούν τι κάνουν. Αυτό δεν είναι μόνο για το τι λένε, αλλά και για το τι μπορούν να το υποστηρίξουν με βασικά στοιχεία. Δεύτερον, βασίζομαι στο δίκτυό μου για να αξιολογήσω θετικά και να εγγυηθώ για νέες προοπτικές. Με τον τρόπο, όταν οι ειδικοί της βιομηχανίας λένε κάτι είναι ανοησία, ότι είναι αδύνατο ή δεν θα δουλέψει, μπορεί να θεωρήσω ότι είναι ένα καλό σημάδι. Το ίδιο ισχύει αν, μετά την πρώτη κίνηση του προϊόντος, οι ειδικοί της βιομηχανίας αρχίζουν να επικρίνουν έντονα την startup για ασήμαντες αιτίες.

Εκτός από τη διεξαγωγή due diligence στην ομάδα των ιδρυτών, αναλύω εάν οι startups έχουν δυναμικό για βιώσιμη ανάπτυξη και μακροπρόθεσμες αποδόσεις. Εάν ακολουθούν απλώς άμεσους κέρδους που οδηγούνται από τις τάσεις της αγοράς, tend να παραλείψω, επειδή δεν υπάρχει αξία στο μακροπρόθεσμο. Προτιμώ εταιρείες που μπορούν να προσφέρουν μακροχρόνια αξία με το χρόνο.

Επίσης, αξιολογώ εάν οι εταιρείες ακολουθούν συμβατικές και αποδεδειγμένες επιχειρηματικές πρακτικές. Οι ιδρυτές πρέπει να έχουν μια σαφή προοπτική της αγοράς και να διευθύνουν την εταιρεία αποτελεσματικά, κρατώντας ένα στενό μάτι στις финάνσεις, τις επιχειρήσεις και την ηθική των εργαζομένων. Ένα robust οικονομικό μοντέλο είναι απαραίτητο για την επιτυχία και την ανάπτυξη μιας startup, καθώς λειτουργεί ως οδηγός για την επίτευξη οικονομικής βιωσιμότητας και ρυθμίζει τις δραστηριότητες της εταιρείας. Τότε, εξετάζω εάν έχουν ένα σαφές σχέδιο δράσης. Αυτό θα κάνει τη στρατηγική διαδικασία λήψης αποφάσεων διαφανή και διαχειρίσιμη. Ένα άλλο σημείο είναι ότι αξιολογώ το περιεχόμενο πάνω από τη μορφή. Στα πρώτα στάδια μιας επιχείρησης, η ουσία είναι συχνά πιο σημαντική από το στυλ. Ενώ η拥有 μια οπτικά ελκυστική προϊόν μπορεί να τραβήξει την προσοχή και να δημιουργήσει ενδιαφέρον, είναι τελικά η ποιότητα του προϊόντος που θα καθορίσει εάν μια επιχείρηση θα είναι επιτυχημένη.

Η Taver Capital επενδύει παγκοσμίως, χρησιμοποιώντας ένα δίκτυο τοπικής εμπειρογνωμοσύνης. Πώς διαχειρίζεστε τις сложκότητες της επένδυσης σε διαφορετικές αγορές, και ποιο ρόλο παίζει η τοπική έμπειρη γνώση στις επενδυτικές σας αποφάσεις;

Από το γυμνάσιο, ήμουν σε ένα πολύ πολυπολιτισμικό περιβάλλον, οπότε δεν είναι δύσκολο για μένα να συνδεθώ με ιδρυτές ανεξάρτητα από την τοποθεσία τους, τη διαφορά γλώσσας κ.λπ. Μπορώ να επικοινωνήσω με ανθρώπους και δεν βλέπω κανένα εμπόδιο για να βρω startups.

Επιπλέον, η ύπαρξη εταιρειών χαρτοφυλακίου σε διαφορετικές χώρες φέρνει ουσιαστικά οφέλη. Πρώτον, υπάρχει πάντα κάποιος για να μιλήσετε αν δεν μπορείτε να κοιμηθείτε. Σοβαρά όμως, από επιχειρηματική πλευρά, η διαφοροποίηση είναι μια πρόσθετη εγγύηση ασφαλείας. Το είδα αυτό καθαρά κατά τη διάρκεια του Covid, όταν κάποιες χώρες παρέμειναν χαμηλές, ενώ άλλες, αντίθετα, είχαν κάποια ανάπτυξη. Για παράδειγμα, στις ΗΠΑ υπήρχε αυστηρό lockdown, και στην Αυστραλία η εργασία ήταν σε πλήρη εξέλιξη. Ήταν μια ενδιαφέρουσα εμπειρία.

Η πραγματικότητα είναι ότι ακόμη και αν το ίδιο πράγμα συμβαίνει παντού, συμβαίνει σε διαφορετικές ώρες. Έτσι, με την διαφοροποίηση του χαρτοφυλακίου σας, μειώνετε τους γεωπολιτικούς και τοπικούς οικονομικούς κινδύνους.

Πώς βλέπετε την τεχνητή νοημοσύνη να ανασχηματίζει τις οικονομικές τοπιογραφίες, ιδιαίτερα στους βιομηχανικούς τομείς;

Θα υπάρξει ανάπτυξη και βελτίωση. Αυτό που είναι σημαντικό είναι ότι αυτή η ανάπτυξη θα είναι πιο βιώσιμη — σημαίνει ότι θα είναι πιο καθαρή και περιβαλλοντικά φιλική. Ας πάρουμε, για παράδειγμα, την εταιρεία χαρτοφυλακίου της Taver Capital, Earth AI, την οποία ανέφερα νωρίτερα. Η τεχνολογία-οδηγούμενη προσέγγισή της για στόχους, δοκιμές και επαλήθευση ανακαλύψεων που απαιτούνται για την επανάσταση των ηλεκτρικών οχημάτων και των ανανεώσιμων πηγών ενέργειας αντιπροσωπεύει μια σημαντική πρόοδο για την βιομηχανία, καθώς βοηθά να βρεθούν αρχικές καταθέσεις σε ανεξερεύνητες περιοχές με ένα κλάσμα του συνήθους κόστους.

Αυτό είναι σημαντικό σήμερα επειδή υπάρχει ένας αγώνας για κρίσιμα μέταλλα για να τροφοδοτήσει την μετάβαση στις ανανεώσιμες πηγές ενέργειας. Ο αριθμός των νέων ανακαλύψεων έχει μειωθεί κατά 73% κατά τη διάρκεια της τελευταίας δεκαετίας, και η ανάπτυξη των παλαιών καταθέσεων συχνά συμβαίνει με μη περιβαλλοντικά φιλικό τρόπο.

Η ανακάλυψη με τη βοήθεια της τεχνητής νοημοσύνης είναι επίσης σημαντική σε μια εποχή που τα απαραίτητα “καθαρά ενεργειακά” μέταλλα όπως ο χαλκός και το νικέλιο αντιμετωπίζουν ελλείψεις παρά τις σημαντικές επενδύσεις στην εξόρυξη. Η Earth AI ξεχωρίζει με την ταυτοποίηση προοπτικών ορυκτών νικελίου, χαλκού, ψευδαργύρου και βαναδίου πάνω από 100 φορές γρηγορότερα και με οικονομική αποδοτικότητα από τις παραδοσιακές μεθόδους.

Στη συνέχεια, ας δούμε την Βιομηχανία 4.0. Đây είναι μια τάση αυτοματοποίησης και ανταλλαγής δεδομένων στις βιομηχανικές τεχνολογίες, και περιλαμβάνει την ενσωμάτωση ψηφιακών τεχνολογιών, όπως το Internet των πραγμάτων, την τεχνητή νοημοσύνη, την υπολογιστική στο cloud και την ανάλυση δεδομένων, στις βιομηχανικές διαδικασίες. Η Βιομηχανία 4.0 είναι ορατή στη δημιουργία “έξυπνων εργοστασίων” που είναι πιο διασυνδεμένα, αποτελεσματικά και ικανά για αυτόνομη λήψη αποφάσεων.

Απαντώντας σε πολλές ανησυχίες σχετικά με τη μείωση των θέσεων εργασίας, δεν πιστεύω ότι αυτό θα οδηγήσει σε οποιαδήποτε αύξηση της ανεργίας. Έχουμε ήδη περάσει από μια βιομηχανική επανάσταση τρεις φορές. Κατά την άποψή μου, η ανθρωπότητα γίνεται απλώς πιο παραγωγική.

Τι είναι οι κύριες ποιότητες ή μετρήσεις που ψάχνετε σε startups τεχνητής νοημοσύνης όταν τις εξετάζετε για επένδυση; Υπάρχουν συγκεκριμένες καινοτομίες ή χαρακτηριστικά ομάδων που ξεχωρίζουν για σας;

Το σημαντικό είναι ότι οι ιδρυτές έχουν ήδη αποδείξει ότι μπορούν να δουλέψουν μαζί και έχουν δείξει την ικανότητά τους να το κάνουν, το οποίο είναι συνήθως khá apparent. Εάν οι ιδρυτές είναι οικογένεια, το θεωρώ ως μια κόκκινη σημαία, επειδή αν υπάρχουν προβλήματα με έναν, θα υπάρχουν προβλήματα και με τον άλλον, διπλασιάζοντας τους κινδύνους.

Επίσης, η ομάδα των ιδρυτών πρέπει να έχει eine ευρεία γνώση. Αυτό δεν σημαίνει απαραίτητα ένα πτυχίο. Ενώ είναι σημαντικό για τον ιδρυτή να έχει υψηλή εκπαίδευση, δεν χρειάζεται να είναι στον συγκεκριμένο τομέα που δραστηριοποιείται η startup. Αυτό διευκολύνει την δημιουργική σκέψη και δίνει στους ιδρυτές την ικανότητα να δουν το μεγάλο πλάνο ενώ μπορούν επίσης να εμβαθύνουν στις λεπτομέρειες.

Αυτή η διπλή ικανότητα δίνει στην ομάδα των ιδρυτών μια σαφή και διακριτή προοπτική της αγοράς που διώκουν και μια ενστικτώδη κατανόηση των αναγκών των πελατών. Μιλάνοντας για τους πελάτες, αξιολογώ τους ιδρυτές που μπορούν να ακούσουν τις ανατροφές και να τις λάβουν υπόψη. Στην πραγματικότητα, όχι μόνο από τους πελάτες, αλλά γενικά, χρειάζεται πολύ θάρρος για να ακούσετε ανοιχτά την άποψη κάποιου άλλου. Έτσι, αυτό είναι ένα άλλο σημείο που εξετάζω σοβαρά.

Τέλος, όπως ανέφερα νωρίτερα, εξετάζω στενά το οικονομικό μοντέλο μιας startup πριν από οποιαδήποτε απόφαση, καθώς πιστεύω ότι είναι κρίσιμο να έχεις μια στερεή βάση για βιώσιμη ανάπτυξη και κλιμάκωση.

Η τεχνητή νοημοσύνη συνεχίζει να εξελίσσεται, ποια αναδυόμενα πεδία μέσα στην τεχνητή νοημοσύνη είστε πιο ενθουσιασμένοι για; Υπάρχουν συγκεκριμένες τάσεις ή τεχνολογίες που πιστεύετε ότι θα είναι κρίσιμες τις επόμενες δεκαετίες;

Θα κοιτάξω όχι μόνο πέρα από την Βιομηχανική Τεχνητή Νοημοσύνη, αλλά και πέρα από την Τεχνητή Νοημοσύνη γενικά. Πολλές αναπτύξεις συμβαίνουν αυτή τη στιγμή στην βιομηχανία, οπότε βοηθά να κρατάω ανοιχτό μυαλό για να δω ποια μέρη χρειάζονται υποστήριξη ή είναι γόνιμο έδαφος για την εμφάνιση νέων ιδεών. Για παράδειγμα, θα εξετάσω πτυχές όπως η ενεργειακή αποδοτικότητα στην εκπαίδευση μοντέλων, η οποία είναι ένα μεγάλο θέμα αυτή τη στιγμή. Υπάρχει πολύ λόγος για το πώς οι μεγάλες εταιρείες τεχνολογίας πρέπει να αντιμετωπίσουν την αύξηση των εκπομπών τους λόγω των πρωτοβουλιών της τεχνητής νοημοσύνης και αντιμετωπίζουν πολλή αντίδραση για το λόγο αυτό.

Ένα άλλο πεδίο που φαίνεται να είναι μια μεγάλη τάση είναι η ασφάλεια και η ηθική. Για παράδειγμα, κάποιες λειτουργίες της Apple δεν είναι διαθέσιμες στην Ευρώπη λόγω των απαιτήσεων του DMA. Πιστεύω επίσης ότι ο τομέας της DefenceTech θα αναπτυχθεί, και αυτό θα οδηγήσει στην ανάπτυξη των πολιτικών βιομηχανιών. Ωστόσο, αυτά τα δύο είναι στενά συνδεδεμένα, επειδή υπάρχουν πολλές ηθικές σκέψεις που πρέπει να ληφθούν υπόψη σχετικά με την εφαρμογή της τεχνητής νοημοσύνης σε κυβερνητικά προγράμματα.

Βασισμένος στην εκτενή σας εμπειρία, ποια συμβουλή θα δίνατε σε επιχειρηματίες που επιθυμούν να εισέλθουν στον χώρο της τεχνητής νοημοσύνης; Ποια κοινά λάθη πρέπει να αποφευχθούν;

Μην εστιάσετε αποκλειστικά στην τεχνητή νοημοσύνη. Είναι καλύτερο να ασχοληθείτε με τομείς όπου θέλετε να κάνετε επιχειρήσεις, είτε αυτό είναι η βιομηχανία πετρελαίου, η έκδοση βιβλίων, η χύτευση χάλυβα, ή οτιδήποτε άλλο. Η τεχνητή νοημοσύνη είναι απλώς ένα εργαλείο. Δεν υπάρχει ανάγκη να κυνηγήσετε την τεχνητή νοημοσύνη για τον εαυτό της. Η τεχνητή νοημοσύνη πρέπει απλώς να χρησιμεύει ως τεχνολογία που ενισχύει την αποτελεσματικότητα της επιχείρησής σας.

Βασισμένος στην επένδυση σας στην Earth AI, μπορείτε να συζητήσετε πώς η τεχνητή νοημοσύνη μπορεί να παίξει ένα ρόλο στις προσπάθειες για την αειφορία, ιδιαίτερα σε τομείς όπως η καθαρή ενέργεια και η εξόρυξη ορυκτών;

Η τεχνητή νοημοσύνη μπορεί να συμβάλλει σε αυτούς τους τομείς με πολλούς τρόπους: βελτιστοποίηση της διαχείρισης των πόρων, προληπτική συντήρηση, περιβαλλοντικός έλεγχος, ενισχυμένη εξόρυξη ορυκτών, κ.λπ.

Γενικά, η ικανότητα της τεχνητής νοημοσύνης να επεξεργάζεται και να αναλύει δεδομένα σε κλίμακα ermögλεί τη λήψη πιο έξυπνων αποφάσεων και λειτουργικής αποτελεσματικότητας, παρέχοντας μεθόδους εξόρυξης και εξαγωγής που είναι πολύ πιο αποτελεσματικές και περιβαλλοντικά φιλικές.

Για παράδειγμα, όπως ανέφερα ήδη, η Earth AI ανακαλύπτει νέες καταθέσεις πιο αποτελεσματικά, και δρILL για να αποδείξει αυτές τις καταθέσεις πιο γρήγορα από τους παραδοσιακούς εξορύκτες και δρILLers. Χρησιμοποιεί ιδιόκτητο σύστημα κ鑛鑛, με το Zero Disturbance Mud System και το Mobile Logistics System, μειώνοντας σημαντικά την περιβαλλοντική επίδραση των εργασιών.

Πώς βλέπετε τις τρέχουσες και επικείμενες κανονιστικές ρυθμίσεις να επηρεάζουν τις επενδύσεις σε τεχνητή νοημοσύνη; Τι πρέπει οι startups της τεχνητής νοημοσύνης να είναι ενήμερες για να ναυτιλέψουν αποτελεσματικά αυτές τις κανονιστικές τοπιογραφίες;

Η γενική τάση είναι ότι η ρύθμιση στις ΗΠΑ και την Ευρώπη γίνεται πιο αυστηρή. Αυτό συμβαίνει επειδή η τεχνητή νοημοσύνη και οι σχετικές τεχνολογίες αναπτύσσονται πολύ γρήγορα, απαιτώντας κανονιστική εποπτεία. Αυτή η διαδικασία συμβαίνει σε όλους τους τομείς. Η διαφορά έγκειται στο γεγονός ότι οι επιχειρήσεις σε παραδοσιακούς τομείς όπως η κατασκευή και η αυτοκινητοβιομηχανία είναι συνηθισμένες στην κανονιστική ρύθμιση, ενώ η τεχνητή νοημοσύνη βρίσκεται ακόμη στις αρχές αυτής της διαδικασίας.

Πιστεύω ότι έχει τα μέρη του, καθώς κάνει την αγορά πιο οργανωμένη και συστηματική. Ωστόσο, σήμερα, η διατύπωση των υφιστάμενων ή προτεινόμενων κανονισμών vẫn αφήνει πολύ χώρο για ερμηνεία, το οποίο προκαλεί ανησυχίες. Βέβαια, είναι απαραίτητο να μελετήσετε προσεκτικά τους κανόνες και να παρακολουθήσετε την εφαρμογή τους, αλλά η πιθανότητα υποκειμενικών κρίσεων για startups της τεχνητής νοημοσύνης και τις επόμενες αποφάσεις για ποια από αυτά θα πρέπει να υπόκεινται σε σκληρότερη ρύθμιση είναι ένα ανησυχητικό σημάδι, το οποίο μπορεί να έχει απρόβλεπτες συνέπειες.

Αυτό μπορεί να οδηγήσει σε μια μετατόπιση της ανάπτυξης της τεχνητής νοημοσύνης σε χώρες που εφαρμόζουν διαφορετικές ή πιο εξελιγμένες προσεγγίσεις, όπως η Κίνα. Από την άλλη πλευρά, οι χώρες χωρίς υπερβολική κυβερνητική ρύθμιση και αυτές που ενθαρρύνουν τις καινοτομικές ιδέες θα ελκύσουν τους développers.

Τι μπορώ να συμβουλεύσω για τις startups είναι να παρακολουθούν την τρέχουσα νομοθεσία σε διαφορετικές χώρες και ίσως να εξετάζουν τις χώρες όπου η ρύθμιση είναι λιγότερο αυστηρή ή πιο κατάλληλη για την βιομηχανία τους, και επίσης, να λειτουργούν σε κρίσιμους τομείς όπου θα υπάρξει πάντα κάποιο περιθώριο, ιδιαίτερα αν σχεδιάζουν να λειτουργούν στις ΗΠΑ.

Ευχαριστώ για τις λεπτομερείς απαντήσεις σας, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Taver Capital.