Співзасновник українського EdTech-стартапу Mathema Павло Педенко поділився головними інсайтами з двох закритих заходів DeepMind. Головні тези стосуються майбутнього локальних ШІ-моделей, розробки прикладних сервісів та нових трендів у робототехніці, які визначатимуть індустрію найближчими роками.
Співзасновник українського EdTech-стартапу Mathema Павло Педенко поділився головними інсайтами з двох закритих заходів DeepMind. Головні тези стосуються майбутнього локальних ШІ-моделей, розробки прикладних сервісів та нових трендів у робототехніці, які визначатимуть індустрію найближчими роками.
Про свої спостереження та відчуття «максимального FOMO» підприємець розповів на своїй сторінці в Telegram.
Він відзначив, що одним із найважливіших висновків зустрічей стало переосмислення доцільності створення прикладного рівня (application layer) в ШІ-стартапах. За словами Педенка, будувати такі продукти варто лише за умови доступу до унікальних даних, які закриті для великих моделей, або якщо сервіс суттєво спрощує процеси, які технологія поки не здатна виконувати самостійно.
Окрему увагу інвестори та розробники приділили локальним моделям, що працюють безпосередньо на пристроях користувачів (on-device), як-от Gemma від Google. Наразі за рівнем перформансу вони відстають від найбільших передових моделей приблизно на 18 місяців. Проте темпи розвитку вражають: усе, що сьогодні створюють спеціалізовані розробники, вже за два роки зможе запускатися локально на смартфонах чи ноутбуках. Павло Педенко зазначає, що це «зриває мозок», а самі on-device моделі опиняться під контролем великих технологічних гігантів або виробників девайсів.
Також серед розробників помітний фокус на так званих world models — симуляціях реальності, які прогнозують наслідки рішень і допомагають створювати синтетичні дані для навчання роботів.
Щодо фінансування, то стартапи, які залучають значні інвестиції без створення власних базових моделей (foundation layer), зазвичай фокусуються на розв’язанні вузькоспеціалізованих бізнес-проблем, наприклад, у логістиці, де внутрішнім командам корпорацій просто бракує глибокої технічної експертизи. Водночас ринок збору та розмітки людських даних (human data market) залишається перспективною нішею, хоча й стрімко консолідується.
