একটি পূর্ববর্তী পোস্টে, আমি AI এর ক্ষেত্রে একটি মৌলিক প্রাইমারের মধ্য দিয়ে গিয়েছিলাম বিনিয়োগকারীদের জন্য যারা মহাকাশে অর্থ ব্যয় করতে আগ্রহী। বিশেষ করে, আমি কিছু প্রয়োজনীয় উপাদান নিয়ে আলোচনা করেছি যা প্রতিটি বিনিয়োগকারীর জানা উচিত যাতে আরও সচেতন বিনিয়োগ সিদ্ধান্ত নেওয়া যায়:
যেমন আলোচনা করা হয়েছিল, বিশ্ব এই বিষয়ে আগ্রহের বিস্ফোরণ প্রত্যক্ষ করেছে। এবং আশ্চর্যজনকভাবে, বিনিয়োগ ডলার একই পথ অনুসরণ করেছে। CB Insights-এর মতে, 2012 সাল থেকে AI স্টার্টআপের ডিল এবং ডলার বেড়ে চলেছে, 60% বিনিয়োগকৃত মূলধন 2016 সালে 5 বিলিয়ন ডলারে উন্নীত হয়েছে। স্ট্যাটিস্টা অনুমান করেছে যে 2017 সালে, বিশ্বব্যাপী AI স্টার্টআপগুলি $15.2 বিলিয়ন বিনিয়োগ পেয়েছে, যা একটি সূচকীয় 2016 থেকে 300% বৃদ্ধি পেয়েছে। এছাড়াও, বড় প্রযুক্তি কোম্পানিগুলি AI স্টার্টআপগুলিকে AI রেসে এগিয়ে যাওয়ার জন্য ছিনিয়ে নিচ্ছে।
এই ফলো-আপ পোস্টটি বিনিয়োগকারীদের জন্য একটি আরও ব্যবহারিক গাইড হওয়ার উদ্দেশ্যে করা হয়েছে যারা মহাকাশে বিনিয়োগের সম্ভাবনার মূল্যায়ন করছেন। বিশেষ করে, আমি এআই-সম্পর্কিত বিনিয়োগের মূল্যায়ন করার জন্য পাঁচটি গুরুত্বপূর্ণ পদক্ষেপের মধ্য দিয়ে চলে যাব:
অনুগ্রহ করে মনে রাখবেন:আমি কিছু সুপরিচিত পাবলিকলি ট্রেড কোম্পানির উদাহরণ ব্যবহার করব। আমি পাঠকদের এই কোম্পানিগুলিতে বিনিয়োগ করতে সমর্থন করি না বা নিরুৎসাহিত করি না৷
৷আমার মতে, এই পদক্ষেপটি সবচেয়ে গুরুত্বপূর্ণ এই নিবন্ধে বর্ণিত পাঁচটির মধ্যে। শুরু করার জন্য, আপনাকে নিজেকে জিজ্ঞাসা করতে হবে - এআই প্রযুক্তির মাধ্যমে ব্যবসাটি কোন সমস্যা(গুলি) সমাধান করার চেষ্টা করছে? উদাহরণস্বরূপ, স্ব-চালিত গাড়িগুলি এটিকে নিরাপদ, আরও সুবিধাজনক ইত্যাদি করে গতিশীলতার অভিজ্ঞতা উন্নত করতে পারে৷ মেশিন অনুবাদ মানুষের একে অপরের সাথে যোগাযোগ করা সহজ করে তোলে৷ বিপরীতে, একটি AI ব্যবসা কাম্য নয়, যখন:
আরেকটি জটিল সমস্যা হল যখন একটি ব্যবসা একটি মিশন-গুরুত্বপূর্ণ সমস্যা সমাধান করার চেষ্টা করে . এর দ্বারা, আমি বলতে চাচ্ছি যে _ সমস্যার সমাধানে ত্রুটির জন্য খুব কম সহনশীলতা রয়েছে_ . উদাহরণস্বরূপ, যদি একটি স্বায়ত্তশাসিত যান AI সফ্টওয়্যারের ত্রুটি 0.001% হয়, এমনকি যদি এটি উদ্দেশ্যমূলকভাবে ইতিমধ্যে একটি খুব কম ত্রুটির হার হয়, তবে এটি এখনও সহনীয় নয়। 0.001% মানে এটি প্রতি 1000 ঘন্টায় 1টি দুর্ঘটনা ঘটতে পারে এবং সম্ভাব্য প্রাণহানির কারণ হতে পারে। বিপরীতে, আপনি যদি ভুল Amazon বা Netflix সুপারিশ পান এমনকি শুধুমাত্র 1% সময়ে, কেউ মারা যাবে না। মিশন-সমালোচনামূলক প্রকল্পগুলির সম্ভাব্য ঝুঁকি এবং রিটার্ন, যেমন স্ব-ড্রাইভিং গাড়ি বা চিকিৎসা অ্যাপ্লিকেশন (যেমন, চিকিৎসা নির্ণয়, সার্জিক্যাল রোবট), উভয়ই নন-মিশন ক্রিটিক্যালগুলির চেয়ে বড়, যা এটি পরিচালনা করা আরও কঠিন সমস্যা করে তুলেছে।
প্রাপ্তবয়স্ক ব্যবসাগুলি একটি AI অ্যাপ্লিকেশন তৈরি করতে অর্থ ব্যয় করে, তাদের একটি মজবুত ব্যবসায়িক ক্ষেত্রে থাকা উচিত আগাম বিনিয়োগ ন্যায্যতা দিতে. উদাহরণ স্বরূপ, IBM CEO Virginia Rometty চান IBM Watson 2024 সালের আগে $10 বিলিয়ন বার্ষিক রাজস্ব জেনারেট করুক। একটি AI স্টার্টআপের জন্য, বিশেষ করে যদি এটি প্রাক-রাজস্ব হয়, আমি সবসময় একটি গুরুত্বপূর্ণ প্রশ্ন জিজ্ঞাসা করি:বাজার যথেষ্ট বড় শক্তিশালী> কোম্পানি কি ধরনের সমস্যার সমাধান করছে? উদাহরণস্বরূপ, যদি কোম্পানিটি একটি নির্দিষ্ট শিল্পে একটি খুব নির্দিষ্ট দেশের জন্য প্রতি বছর সর্বোচ্চ $1 মিলিয়ন বাজার সম্ভাবনা সহ একটি AI অ্যাপ্লিকেশন তৈরি করে, আপনি কি এতে বিনিয়োগ করবেন?
আরেকটি দিক যা আপনাকে বিবেচনা করতে হবে তা হল বিনিয়োগ দিগন্ত . গভীর এআই প্রযুক্তি পণ্যটি বিকাশ করতে বেশি সময় নেয়। উদাহরণস্বরূপ, Waymo (Google-এর স্বায়ত্তশাসিত ড্রাইভিং যানবাহন কোম্পানি) 2009 সাল থেকে এই প্রযুক্তি পরীক্ষা করছে এবং এখনও একটি বাণিজ্যিক পণ্য প্রকাশ করেনি। ডিপার এআই টেক কোম্পানিগুলিও বাজারের স্বীকৃতি এবং পরবর্তী বিনিয়োগের রিটার্ন পেতে দীর্ঘ সময় নিতে পারে। একটি উদাহরণ হিসাবে Nvidia (NASDAQ:NVDA) নিন। এনভিডিয়া সেলফ-ড্রাইভিং গাড়ি সহ অনেক কম্পিউটার ভিশন অ্যাপ্লিকেশনে ব্যবহৃত নিউরাল নেটওয়ার্ক অ্যালগরিদমগুলি গণনা করার জন্য সর্বাধিক জনপ্রিয় চিপ, জিপিইউ সরবরাহ করে। নীচের স্টক মূল্য চার্টের দিকে তাকালে, কেউ স্পষ্টভাবে বিখ্যাত "এস কার্ভ" প্যাটার্নটি লক্ষ্য করতে পারে যা আপনি অনেক উদ্ভাবনী ব্যবসায় দেখতে পান। কিন্তু সময়টি তাৎপর্যপূর্ণ:আপনি যদি 1999 সালে এনভিডিয়ার আইপিও থেকে বিনিয়োগ করেন, তাহলে আপনি 2016 এর পরে সুদর্শন রিটার্ন দেখতে পাবেন না, যখন গভীর শিক্ষা AI "ফ্যাশনে" হয়ে ওঠে।
যেমন আমার অন্য নিবন্ধে আলোচনা করা হয়েছে, আমি বিশ্বাস করি যে একটি মেশিন লার্নিং (গভীর শিক্ষা সহ) পণ্যের সাফল্যের জন্য চারটি মূল উপাদান রয়েছে:ভালভাবে সংজ্ঞায়িত এবং পছন্দসই সমস্যা, পরিষ্কার এবং ভাল-লেবেলযুক্ত ডেটা, শক্তিশালী অ্যালগরিদম এবং ব্যাপক কম্পিউটিং শক্তি। শেষ তিনটি এআই ব্যবসার প্রযুক্তিগত সম্ভাব্যতা নির্ধারণ করে। এখানে আমি সংক্ষেপে আলোচনা করব যে এই উপাদানগুলির অর্থ কী এবং কীভাবে একজন বিনিয়োগকারী হিসাবে যথাযথ পরিশ্রম পরিচালনা করতে পারেন৷
প্রথমত, একটি মেশিন লার্নিং অ্যালগরিদম বিকাশের জন্য পরিষ্কার এবং ভাল-লেবেলযুক্ত ডেটাতে অ্যাক্সেস প্রয়োজন। এর কারণ হল, পূর্বে উল্লিখিত হিসাবে, এই অ্যালগরিদমগুলি বিভিন্ন পরিসংখ্যান মডেলকে প্রচুর পরিমাণে ডেটা খাওয়ানোর মাধ্যমে তৈরি করা হয় যা প্রয়োজনীয় ভবিষ্যদ্বাণীমূলক সম্পর্ক স্থাপনের জন্য ভালভাবে লেবেলযুক্ত। আপনি AI ব্যবসা নিয়ে গবেষণা করার সময়, আপনাকে জানতে হবে তাদের ব্যবহারযোগ্য ডেটাতে অ্যাক্সেস আছে কিনা, তারা কীভাবে এটি পেয়েছে এবং তারা এই ধরনের ডেটা পাওয়া চালিয়ে যেতে পারে কিনা . অথবা, যদি তাদের কাছে ইতিমধ্যে ডেটা না থাকে তবে এই জাতীয় ডেটা সংগ্রহ করার তাদের পরিকল্পনা কী? ভোক্তা ডেটা গণতান্ত্রিক করার প্রবণতা এবং উন্মুক্ত ব্যাঙ্কিংয়ের মতো উদ্যোগ নতুন এআই অ্যাপ্লিকেশনের জন্য অনেক সুযোগ প্রদান করবে৷
দ্বিতীয়ত, একটি এআই ব্যবসার জন্য শক্তিশালী, মাপযোগ্য অ্যালগরিদম বিকাশ করা দরকার। এটি অর্জনের জন্য, তিনটি অবশ্যই থাকতে হবে:উপরে আলোচিত প্রচুর পরিমাণে ভাল-লেবেলযুক্ত ডেটা, সঠিক প্রতিভা, এবং আত্মবিশ্বাস যে গভীর শিক্ষা সমস্যা সমাধানের জন্য উপযুক্ত প্রযুক্তি। তাই একটি মূল প্রশ্ন হল:ব্যবসা কি সঠিক প্রতিভা আকর্ষণ করতে পারে ? শীর্ষস্থানীয় AI প্রতিভা, বিশেষ করে ডেটা বিজ্ঞানী এবং প্রকৌশলী এবং প্রোগ্রামাররা ইতিমধ্যে AI এর সাথে অভিজ্ঞ, Google, Facebook, Microsoft, এবং IBM-এর মতো টেক জায়ান্টদের দ্বারা ছিনিয়ে নেওয়া হয়, যা অন্যান্য কর্পোরেট এবং স্টার্টআপগুলির জন্য খুব কমই রেখে যায়। শীর্ষ প্রতিভাকে আকৃষ্ট করার জন্য, তাদের কেবলমাত্র মোটা বেতন দেওয়ার জন্য প্রস্তুত থাকতে হবে না (যেমন, Google-এর DeepMind ল্যাবের কর্মচারীরা গড়ে ~US$345,000 p.a. উপার্জন করে), তাদের একটি বিশ্বাসযোগ্য দৃষ্টিভঙ্গিও প্রয়োজন। এছাড়াও, আপনাকে জিজ্ঞাসা করতে হবে যে বাণিজ্যিক সমস্যা সমাধানের জন্য ডিপ লার্নিং সবচেয়ে উপযুক্ত প্রযুক্তি কিনা। উদাহরণস্বরূপ, খুচরা বিনিয়োগকারীদের সম্পদ বরাদ্দের জন্য একটি রোবো-অ্যাডভাইজার অ্যাপ্লিকেশনের জন্য, একটি নিয়ম-ভিত্তিক প্রোগ্রাম বিকাশের জন্য অনেক কম ব্যয়বহুল এবং একটি গভীর শিক্ষার অ্যালগরিদমের চেয়ে বাস্তবায়ন করা সহজ হতে পারে . বিপরীতে, অতীতের ভুল এবং বিজয় থেকে শেখার ক্ষমতা সহ একটি মেশিন লার্নিং অ্যালগরিদম, এবং যেটি নিজের উন্নতি চালিয়ে যেতে পারে, হেজ ফান্ড বিনিয়োগকারী অ্যালগরিদমের জন্য একটি ভাল প্রার্থী। বর্তমানে, যে সব ক্ষেত্রগুলি সর্বাধিক সাফল্য অর্জন করেছে এবং যেগুলি গভীর শিক্ষার প্রযুক্তিগুলির জন্য সবচেয়ে উপযুক্ত তা হল প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (যেমন মেশিন অনুবাদ), কম্পিউটার দৃষ্টি (যেমন মুখের স্বীকৃতি, চালকবিহীন গাড়ি), এবং গেম খেলা (যেমন আলফাগো, বিবর্তনীয় বিনিয়োগের সিদ্ধান্ত) তৈরি)।
তৃতীয়ত, ব্যবসার বিস্তৃত কম্পিউটিং শক্তি অর্জন করার ক্ষমতা থাকতে হবে . আমার আগের নিবন্ধে বিশদভাবে আলোচনা করা হয়েছে, ক্লাউড কম্পিউটিং বা নিজের GPU সার্ভার থেকে কম্পিউটিং শক্তি ব্যয়বহুল। এই দিকটি অধ্যবসায়ের জন্য আপনাকে জিজ্ঞাসা করতে হবে এমন দুটি মূল প্রশ্ন রয়েছে:1) এই ব্যবসার জন্য একটি সাধারণ কাজের জন্য কত কম্পিউটিং শক্তি প্রয়োজন? এই ধরনের কম্পিউটিং শক্তি কি আজ পাওয়া যায়? এটি বিশেষত সেই অ্যাপ্লিকেশনগুলির জন্য গুরুত্বপূর্ণ যেগুলির জন্য রিয়েল-টাইম প্রক্রিয়াকরণের প্রয়োজন কিন্তু GPU এবং ব্যাটারিগুলি (যেমন ড্রোন) মিটমাট করার জন্য প্রকৃত ডিভাইসে শুধুমাত্র সীমিত উপলব্ধ স্থান রয়েছে৷ 2) ব্যবসা কি এই ধরনের কম্পিউটিং ক্ষমতা বহন করতে পারে? উদাহরণ স্বরূপ, কাইফু লি তার বই, আর্টিফিশিয়াল ইন্টেলিজেন্স-এ একটি মজার গল্প বলেছেন যে একটি গভীর শিক্ষার স্টার্টআপ যেটিতে তিনি বিনিয়োগ করেছিলেন তা প্রথম 3 মাসে 7 মিলিয়ন RMB (~1 মিলিয়ন USD) ব্যয় করেছে শুধুমাত্র ডিপ লার্নিং কম্পিউটিং সার্ভার কেনার জন্য। তিনি আরও জোর দিয়ে বলেন যে আজ, একটি সাধারণ ডিপ লার্নিং মডেল ট্রেনিং টাস্কের জন্য এক বা একাধিক কম্পিউটারের প্রয়োজন যাতে চার থেকে আটটি উচ্চ ক্ষমতার GPU আছে। অনেক কম্পিউটার ভিশন টাস্কের জন্য শত শত এবং হাজার হাজার GPU ক্লাস্টার প্রয়োজন এবং একটি সাধারণ সার্ভারের তুলনায় 10x বেশি তাপ নির্গত করে। এই ক্ষেত্রগুলির কিছু স্টার্টআপ দলকে এসি সিস্টেমগুলিকে পুনরায় ডিজাইন করতে হয়েছিল বা সার্ভারগুলিকে ঠান্ডা করার জন্য বিশাল বরফ কিনতে হয়েছিল৷
পরিশেষে, আপনার AI ব্যবসার আর্থিক পরিসংখ্যান এবং এর অ-আর্থিক ব্যবসায়িক দৃষ্টিভঙ্গিগুলিকে অধ্যবসায় করা উচিত এবং অন্য যেকোন প্রযুক্তি সংস্থাগুলির জন্য আপনি কীভাবে করবেন তা মূল্যায়ন করুন৷ নিচের সারণীতে দেখানো উদাহরণ বিশ্লেষণ দেখুন।
ব্যবসার মূল্যায়ন করার জন্য ঐতিহ্যগত আর্থিক এবং অ-আর্থিক মেট্রিকগুলির মধ্যে রয়েছে রাজস্ব, নেট আয়/নগদ প্রবাহ, রাজস্ব বৃদ্ধির হার, অনুপাত (P/E, P/S, ইত্যাদি), সামষ্টিক অর্থনীতি, প্রতিযোগী, নিয়ন্ত্রণ ইত্যাদি। টেক কোম্পানিগুলিও রয়েছে তাদের নিজস্ব স্বতন্ত্র বৈশিষ্ট্য। একটি উদাহরণ হল যে বৃদ্ধির হার লাভের চেয়ে বেশি গুরুত্বপূর্ণ হতে পারে। প্রাথমিক পর্যায়ের প্রযুক্তিগত স্টার্টআপগুলির জন্য, ব্যবহারকারীর পরিসংখ্যান যেমন সক্রিয় ব্যবহারকারী এবং বুকিং রাজস্ব বা নগদ প্রবাহের চেয়ে বেশি গুরুত্বপূর্ণ। এই ধরনের বিনিয়োগের চাহিদার কারণে মূল্যায়ন বেশি হতে পারে। উদাহরণস্বরূপ, Nvidia (NVDA) এর P/E অনুপাত হল ~30x P/E, যেখানে McDonald’s (MCD) ~20x এ ট্রেড করছে।
একটি কোম্পানিকে কীভাবে মূল্য দিতে হয় সে সম্পর্কে অনেক বিনিয়োগের বই রয়েছে তাই আমি এখানে খুব বেশি বিস্তারিতভাবে তা জানতে যাচ্ছি না। যদি এটি একটি পাবলিক কোম্পানি হয়, আপনি এই বিবরণগুলি সর্বজনীন ফাইলিং যেমন আর্থিক প্রতিবেদন বা বাজারের ডেটা প্রদানকারী যেমন Google ফাইন্যান্স বা ব্লুমবার্গ থেকে পেতে পারেন। যদি এটি একটি প্রাইভেট কোম্পানি হয়, আপনি প্রয়োজনীয় বিবরণ পেতে কোম্পানির ব্যবস্থাপনার সাথে যোগাযোগ করতে পারেন।
সংক্ষেপে, আমার মতে, আমি মনে করি একটি AI বিনিয়োগের জন্য সবচেয়ে পছন্দসই বৈশিষ্ট্যগুলি স্বল্প থেকে মাঝারি মেয়াদে (এবং তাই যা একটি ভাল AI বিনিয়োগ করে), তা হল:1) একটি সু-সংজ্ঞায়িত পছন্দসই সমস্যা সমাধান করা এবং 2) নন-মিশন-ক্রিটিকাল (এটি ব্যর্থ হলে কেউ মারা যাবে না)।< এই ক্ষেত্রে চ্যাটবট (বিশুদ্ধভাবে নিয়ম-ভিত্তিক নয়), মেডিকেল ইমেজিং ডায়াগনসিস, ফেসিয়াল রিকগনিশন, মেশিন অনুবাদ, এআই আর্থিক উপদেষ্টা, কম্পিউটার গেমিং ইত্যাদির মতো স্মার্ট গ্রাহক পরিষেবার ক্ষেত্রগুলি অন্তর্ভুক্ত। অবশ্যই, দীর্ঘ মেয়াদের জন্য, উচ্চ ঝুঁকি/উচ্চ পুরস্কার মিশন-গুরুত্বপূর্ণ সমস্যা (যেমন, চালকবিহীন গাড়ি) অনেকেরই চোখ থাকে এমন পুরস্কার . একবার আপনি নির্ধারণ করেন যে তাদের সমাধান করার জন্য একটি পছন্দসই সমস্যা আছে, আপনি তাদের বাণিজ্যিক কার্যকারিতা, প্রযুক্তিগত সম্ভাব্যতা, আর্থিক পরিসংখ্যান এবং ব্যবসার মেট্রিক্স বিশ্লেষণ করতে পারেন৷
আপনি যে নির্দিষ্ট AI ভার্টিকালগুলিতে বিনিয়োগ করতে চান সেগুলি সম্পর্কেও আপনাকে ভাবতে হবে৷ বিভিন্ন AI ভার্টিকালের গ্রাহকের চাহিদা এবং প্রযুক্তির প্রস্তুতির ভিন্নতা রয়েছে এবং সেইজন্য বিভিন্ন বিনিয়োগের রিটার্ন এবং ঝুঁকি রয়েছে৷ আপনি হার্ডওয়্যার বনাম সফ্টওয়্যার বনাম প্ল্যাটফর্ম বনাম পরিষেবা, এবং বিভিন্ন শিল্প যেমন আর্থিক, শিক্ষা, স্বাস্থ্যসেবা, শিল্পে বিনিয়োগ করতে পারেন। পরবর্তী প্রবন্ধে, আমি আলোচনা করব কিভাবে আপনি AI-তে বিনিয়োগ শুরু করতে পারেন যার মধ্যে সবচেয়ে প্রতিশ্রুতিশীল উল্লম্ব এবং প্রযুক্তি, বিনিয়োগ শৈলী (প্যাসিভ বনাম সক্রিয়), এবং ভৌগলিক (মার্কিন যুক্তরাষ্ট্র বনাম চীন বনাম বাকি বিশ্ব)।