Хайповые области для стартапов: что актуально в 2019 году

В 1997 году суперкомпьютер Deep Blue сыграл с шахматистом Гарри Каспаровым два матча. Первый матч выиграл шахматист, а второй — уже суперкомпьютер. А если бы Deep Blue был основан на квантовых технологиях, то он бы обыграл человека сразу. Дело в том, что обычный компьютер работает на системе «битов»: знает только нули и единицы и производит вычисления перебором. В квантовых вычислениях используются «кубиты» — квантовые биты, которые могут иметь значения не только 0 или 1, но и их комбинации — это так называемое явление суперпозиции.

Гипотетический квантовый Deep Blue не перебирает все возможные варианты исхода матча — они все существуют сразу и одновременно. Поэтому квантовые устройства на порядок эффективнее традиционных. Мы можем, например, описать любые химические вещества и симулировать реакции в квантовом устройстве. На выходе получим новые лекарства, сверхэффективные витамины или новые композитные материалы для самолетов и автомобилей.

Благодаря своим «волшебным» свойствам квантовые вычисления пригодятся в обработке данных и обучении искусственного интеллекта.

На квантовых вычислениях или смежных областях построены несколько стартапов. Например, Q-CTRL. Стартап разрабатывает инструменты для стабилизации квантового оборудования. Первые квантовые устройства реализовали в физическом виде IBM, Google и Rigetti. На кремниевых чипах, которые охлаждаются почти до абсолютного нуля, создаются кубиты и производятся вычисления. Не все это могут себе позволить, а в обычных условиях квантовые компьютеры работают не идеально: квантовые свойства теряются и появляется много ошибок. Эту проблему и решает стартап. Он производит облачное ПО, которое уменьшает вероятность ошибки.

Крупнейшее маркетинговое агентство Research and Markets оценивает доход от квантовой технологии к 2023 году в $13 млрд, а гендиректор Microsoft Сатья Наделла считает, что квантовые вычисления, ИИ и дополненная реальность — три самые важные технологии будущего. Именно поэтому компания разрабатывает квантовый компьютер, который планирует встроить в свое облако Azure.

Блокчейн не ограничивается криптовалютами. Блокчейн — это огромная база данных, к ней подключены компьютеры пользователей и все они одновременно производят одни и те же операции: записывают и хранят информацию. Например, транзакции.

Фактически технология предоставляет пользователю цифровую подпись, которую нельзя подделать, так как все друг за другом следят и проверяют подлинность. Вся история действий в блокчейне хранится распределенно. Именно поэтому блокчейн — это технология, которая перспективна для безопасных сделок, банковских операций, покупок и продажи товаров, в юриспруденции и борьбе с контрафактом.

Так, Sony разработала систему хранения информации об образовании на базе облачного сервиса защищенной блокчейн-сети IBM и платформы Hyperledger Fabric. Если систему внедрят, то вся информация о дипломах, курсах, сертификатах будет храниться в базе, которую нельзя взломать, чтобы изменить данные.

Вообще, IBM — пионеры исследования и внедрения блокчейна. Компания реализовала больше 400 проектов в таких областях как финансы, транспорт, госсектор, здоровье и ритейл. Walmart и JВ.com используют проект IBM для контроля качества продуктов в Китае.

На базу блокчейна хорошо ложится криптография — защита данных и сообщений от взлома и утечки. Цель обеих технологий — безопасность: данных, финансов, информации.

Задача конфиденциальности решается шифрованием данных: это использование криптографически стойких алгоритмов шифрования, например, международных стандартов и криптографически качественных ключей шифрования. Для клиента метод и способ шифрования не важен — главное, чтобы было безопасно. Максимальную безопасность обеспечивает квантовое шифрование — криптография на основе квантовых вычислений.

Над надежностью квантовой криптографии еще много работать — технология несовершенна, и инноваторов в этой области ждет большое будущее.

Большие данные, или BigData, — это, собственно, большое количество данных. Петабайты неструктурированной информации о пользователях сервисов, банков, соцсетей и поисковиков, на основе которой можно получить новую информацию. Как большие данные использует бизнес? Допустим, у нас есть Олег, он работает менеджером по продажам, получает зарплату на карту, платит за съемное жилье, регулярно оставляет деньги в детском и продуктовом магазинах, редко — в кафе, и ездит на такси. В очередной раз зайдя в приложение банка, Олег увидит предложение автокредита или ипотеки с пониженной ставкой. Это пример того, как на основе изучения всей доступной информации о человеке можно сделать маркетинговое предложение именно для него.

С Big Data большой бизнес видит свою работу в цифрах и графиках, опережает конкурентов, узнает своих клиентов на новом уровне, что снижает издержки на обслуживание и маркетинг и увеличивает продажи. Благодаря большим данным банки оценивают заемщиков, ритейлеры знают, что люди будут покупать в магазинах на год вперед, инвестфонды прогнозируют курс акций, а банки оптимизируют свою работу. Например, Сбербанк использует 60 моделей для оценки кредитных, операционных и других рисков. Банк расширил использование больших данных из внешних источников в кредитном анализе. Это положительно сказалось на качестве и скорости принятия решений.

Но большие данные сами по себе бесполезны. Часто это набор информации в хаотичном виде: веб-журналы, видеозаписи, данные с форм, текстовые документы, машинный код или геометки. Все это хранится в разнообразных хранилищах. Перед использованием весь массив требуется обработать — привести к виду, удобному для загрузки в базу данных. Здесь часто возникают трудности, даже у больших компаний, и проблему пытаются решить стартапы. Например, Appuri — компания, выросшая с двух человек, продукт которой использовал HBO. Стартап обрабатывает «сырые», разрозненные данные различных форматов и приводит их к виду, готовому для анализа и машинного обучения.

Машинное обучение — это, по сути, скармливание компьютеру информации, в которой он найдет закономерности и прогнозы сам, без конкретных указаний. Польза больших данных максимальна в связке с машинным обучением, а прелесть в том, что программы не надо писать — их нужно учить. Код не устаревает, а алгоритм со временем совершенствуется.

Машинное обучение используют крупные корпорации. В «Яндексе» применяют машинный перевод, фильтрацию спама, таргетинг в контекстной рекламе, предсказание пробок и погоды, а в Avito запустили распознавание товара по фотографии.

Работа с большими данными подразумевает обработку персональной информации: контакты, адреса, регистрационные данные, информация о денежных потоках. Поэтому вопрос безопасности — первый, который нужно решить, занимаясь сбором и обработкой Big Data. Нарушение конфиденциальности и коммерческой тайны, хищение, взломы, промышленный шпионаж могут обернуться штрафами со стороны регуляторов, оттоком клиентов, падением доверия и рыночной капитализации. Эта проблема, которую также могут решать стартапы. Не обязательно заниматься Big Data — можно помогать сохранять информацию от мошенников.

NVIDIA научила беспилотник двигаться в лесу. Все благодаря нейросети TrailNet и ИИ на ее основе. Искусственный интеллект анализирует картинку с камер и принимает решение, куда и как двигаться.

Это один из примеров использования беспилотных систем. Кроме дронов, беспилотные системы используются в автомобилях. В Калифорнии стартап Zoox получил разрешение участвовать в пилотной программе по перевозке людей в беспилотных авто, а Waymo, дочерняя компания Alphabet, запустила сервис беспилотных такси. Такси без водителей тестирует «Яндекс.Такси», беспилотные комбайны — Cognitive Technologies, а фуры от Tesla уже перевозят грузы без водителей.

Подобие беспилотных систем появилось в конце 90-х: адаптивный круиз-контроль, системы адаптивной безопасности, автономный парковщик, но только с появлением машинного обучения и нейросетей системы вышли на новый уровень автономности.

Беспилотные системы — сфера, в которой разворачивается дикая конкуренция.

Кроме автомобильных автопилотов появляются проекты, которые помогают дронам «общаться» друг с другом. Например, стартап AirMap — это экосистема, в которой дроны передают друг другу информацию и используют ее для корректировки полета. Компания привлекла $46 млн от Airbus, Microsoft, Sony и Rakuten.

Что же делать молодым и амбициозным? Обратить внимание на дроны. Они компактные, дешевле автомобилей и не менее перспективны. В 2018 году только в России продано 160 тысяч дронов — и это число будет только расти, а значит, стартапов в этой сфере будет больше.

20 лет назад бизнес заказывал сайты, чтобы быть «в интернете», потом летел «в облака», затем на мобильные устройства… А сейчас внедряет искусственный интеллект и нейросети.

Нейросети — это симуляция структуры мозга с нейронами и связями. Сетка учится на большом объеме информации — на Big Data, как в машинном обучении: потребляет, сравнивает, учится, совершает ошибки, находит закономерности. Нейросеть учится — это ее основная задача, а следствие — прогнозирование, принятие решений, распознавание образов, оптимизация, анализ данных, управление финансами. Правда, возможны и неудачные кейсы, когда ИИ может лишить компанию миллиардов рублей — но это всего лишь «издержки» прогресса.

В распознавании лиц для разных целей нейросеть работает лучше всего. Стартап Clatifai находит лица на фотографиях, китайская система Face++ применяет распознавание для перевозок товаров, сервис каршеринга YouDrive — для проверки подлинности аккаунта, а китайский Bingobox — для продажи товаров в своих магазинах без кассиров.

Крупные интернет-сайты используют ИИ, чтобы отвечать пользователям естественнее, нейросети лежат в основе большинства систем распознавания и синтеза речи, обработки изображений, в некоторых системах навигации, промышленных роботах и защищают информационные системы от атак.

В ближайшие 5–10 лет ИИ научится принимать решения и снимать ответственность с человека. Как и по какому маршруту проехать от дома до работы — решает алгоритм в автомобиле, какой поставить диагноз и предложить курс лекарств — решает ИИ, пробежать еще два километра на беговой дорожке или нет — решает фитнес-трекер с ИИ. Вместе с дополненной реальностью искусственный интеллект станет частью человека, как уже стали смартфоны.

Обычно под термином «интернет вещей» подразумевается что-то абстрактное, вроде «умного дома», управляемого с приложения. Но интернет вещей — это, например, и знакомые всем умные колонки. Только в США Alexa или Google Assistant есть у 47 млн человек. Помощнику можно продиктовать список дел, поставить будильник, таймер, попросить включить музыку, телевизор, приглушить свет, заказать доставку и вызвать такси. Все это — интернет вещей.

Интернет вещей — это все приборы, подключенные к сети интернет: камеры, телефоны, проекторы и даже автомобили. Например, Tesla можно завести дистанционно и приказать ей подъехать к нужному месту. Если говорить более формально, то интернет вещей — это устройства, которые способны контролировать окружающую обстановку, передавать информацию о себе, получать инструкции и действовать на основе этих данных.

В IoT есть одна большая проблема — безопасность продуктов и систем. Практически любое устройство можно взломать. Более того, это довольно просто — и прецеденты уже были. Взломать IoT-устройство обычно проще, чем смартфон, а последствия могут быть не менее плачевными: злоумышленники могут получить доступ к камерам, паролям, переговорам и бизнес-информации. Проблема настолько серьезна, что стартап Toka, который занимается решениями для безопасности IoT, получил $12,5 млн инвестиций.

Одно из решений — объединить блокчейн и IoT. Проект Slock.it как раз это делает — интегрирует технологии Ethereum в автомобили, дома и другие устройства, чтобы можно было арендовать и продавать собственность без посредников. Некоторые способы интеграции смарт-контрактов с физическими замками и устройствами интернета вещей уже близки к реализации.

С развитием интернета вещей автоматизируются многие рутинные операции, и в этом процессе решающая роль отводится технологии блокчейна. Со связкой блокчейн + IoT можно повышать эффективность управления крупными промышленными системами и ухаживать за пожилыми людьми, используя IoT-браслеты и медальоны.

Материалы по теме:

Встречайте новое поколение стартапов-единорогов

6 причин участвовать в стартап-конкурсах

Как IT-стартапу и инвестору найти друг друга: о чем нужно знать основателям проектов

Думаете, для запуска стартапа нужно полгода и 3 миллиона рублей? Ошибаетесь! Умножайте на три

Что нужно делать, чтобы ваш стартап не провалился в первый же год?

Партнерский материал

© Rusbase, 2019
Автор: Константин Рисков

Фото на обложке: Unsplash