Las startups de IA son las ovejas negras del mundo startaup. Los nuevos niños en el bloque están desafiando a los inversores experimentados a ejecutar su tarea técnica y diferenciarse de manera intencional. Y Combinator se ha unido a una creciente lista de inversores que ofrecen servicios exclusivos a estas empresas en una pista de IA especializada para su último lote S17 de startups.
En el competitivo mundo de la inversión, Y Combinator (YC) tiene que trabajar para convencer a las empresas punteras a aplicar el programa. Hoy en día, muchas startups que se ajustan a la factura están trabajando para resolver desafiantes problemas de IA. Y con la cantidad de dinero que se mueve alrededor de las empresas de inteligencia artificial, el sentido de urgencia no siempre está ahí para los investigadores destacados que tienen su elección de los socios financieros.
Daniel Gross, Socio en Y Combinator y el cerebro detrás de la pista de IA, explicó que su objetivo era ofrecer a los fundadores conjuntos de datos deseables, recursos computacionales y mentores técnicos, entre otras cosas. Con la experiencia fundando una empresa y solucionando problemas de aprendizaje de IA para Apple, el fondo técnico relacionable de Gross contribuye a enfatizar la legitimidad del acelerador estratificable.
Por supuesto, YC también reconoce que gran parte del espacio actual de IA es todo el bombo que se le da. En un esfuerzo por dar sentido a la locura, Gross inició las startups que estaban trabajando en problemas de percepción, autonomía y servicios de aprendizaje automático.
Ese último cangilón incluye startups como AssemblyAI, la construcción de un discurso de texto API, y Plasticity, la construcción de un lenguaje natural de procesamiento API. Estos fueron quizás los más controvertidos del lote S17. Muchos VCs en Sand Hill han jurado a las startups que construyen servicios en la nube de IA con el argumento de que gigantes tecnológicos como Google y Amazon son más propensos a tragar el mercado que cualquier arranque singular.
Pero Gross afirma que una posibilidad Heroku-esque sigue siendo para las empresas que son capaces de construir servicios que son más fáciles de usar. Al contrario, Gross sostiene que la destreza de aprendizaje de máquina real de cada uno de estos equipos viene secundaria a su capacidad de elaborar un producto que los desarrolladores realmente les gusta y usarían por elección.
Pasando por las API y otros servicios de desarrolladores, la percepción y la autonomía eran fácilmente los espacios más poblados para las startups dentro de la pista de IA. La subcategoría de la percepción incluye arranques como la Standard Cognition, la automatización de la verificación de la tienda, VergeSense, la gestión de la instalación, CureSkin, clasificar las condiciones de la piel, la Modular Science, agricultura robótica y la D-ID, ofuscando las caras para la seguridad. Con un sesgo hacia el aprendizaje profundo, estas empresas están explotando conjuntos de datos únicos y fácilmente disponibles para automatizar tareas que eran previamente inconcebibles.
Mientras tanto, en el frente de autonomía, startups como May Mobility, la creación de vehículos autónomos, y Zendar, la construcción de su propio radar, son muy deseables en el frente M & A como fabricantes de automóviles y proveedores buscan mantenerse firmes en el espacio de transporte en rápida evolución.
«Hay un tema común aquí», explicó Gross en una entrevista. «Un algoritmo revolucionario crea un foso temporal que le permite llegar a otro foso.»
La realidad es que los avances algorítmicos se desactualizan casi semanalmente en el mundo de la IA. Las cosas tienden a ir a un código abierto más rápido de lo que incluso puede llegar a plena implementación. Esto significa que una puesta en marcha inicialmente utilizando las herramientas IA de plataforma puede tener una ventaja de velocidad para recopilar datos críticos sobre sus competidores. Esta capacidad de forjar oro del hierro combinado con la experiencia de dominio significativo es el fabricante de diferencias entre los startups de inteligencia de máquina exitosa y no exitosa.
Con Element AI de Yoshua Bengio y otros estudios de IA emergentes de carpintería, la pregunta sigue siendo qué recursos realmente mueven la aguja para startups altamente técnicos. Existe la tendencia a creer que la mayoría de las empresas iniciadoras de la IA fracasan porque no pueden producir con eficacia. Aquellos cuyo mayor problema es ajustar los hiperparámetros probablemente están en minoría.
Gross piensa que un gran desafío es ayudar a los clientes que compran servicios de empresas de IA a entender lo que significa confiar en un producto estocástico. Los resultados no son siempre predecibles ya menudo ni siquiera son explicables.
«Los algoritmos realmente pueden ser útiles en habilidades blandas«, señaló Gross. «Estas son áreas donde una IA puede tomar decisiones más justas donde un ser humano sería irracional«.
El tiempo dirá si el marco de YC para invertir en empresas de IA has sido acertado. En muchos sentidos este lote inaugural encapsula tendencias más amplias en la comercialización de la IA. Mientras dure la oportunidad de que una de estas startups puedan ser la próxima Dropbox o Airbnb, YC no tiene nada que perder si invierte en la verticalización de su acelerador.
