Страница телеграм канала Quantum Quintum

Про внутреннее море протона. Звучит как заголовок фантастической книги, покушающейся на школьную физику. Но на самом деле нет - QuantaMagazine рассказывает о последних изысканиях в физике частиц и попытках заглянуть внутрь микровселенной. https://www.quantamagazine.org/protons-antimatter-revealed-by-decades-old-experiment-20210224/

В продолжение темы квантовых вычислений, про Россию. Диверсифицированная стратегия создания стека квантовых вычислений кажется единственной правильной для любого игрока, стремящегося занять опорные позиции в квантовом будущем. И, если, в США и Китае эта стратегия реализуется с опорой на технологических ИТ-гигантов, то в России такую роль играют Росатом и РКЦ. Под конец прошлого года они объявили о создании Национальной квантовой лаборатории [1], координирующий продвижение по соответствующей дорожной карте. В приложении несколько слайдов из презентации центра, раскрывающие ту самую диверсификацию. Обратите внимание на широту необходимого охвата: самое тонкое звено в такой схеме всегда находится между блоками — в выстраивании работающей цепочки. Ну и грустный фактор: за российскими облачными игроками особого интереса к квантовым вычислениям не замечено. [1] https://nauka.tass.ru/nauka/10092597

Несколько мыслей про клабхаус: 1. "Тихой сапой" произошла техническая микрореволюция, сделавшая для стартаперов доступными технологии потоковой обработки аудио-потоков на клиенте и на сервере. В том числе с очисткой шумов на базе нейронных сеточек. Оставлю за скобками вопрос, сколько ресурсов жрет конкретно клабхаус. 2. Чуть менее тихой, но тоже сапой произошли элитаризация и отделение большой группы людей, которые [почти] все сидят на одной мобильной платформе и, в этом плане, не замечают круг, оставшийся за бортом. "Ты еще не в клабхаусе, давай тебе скину инвайт," - неожиданно для них может оказать дискриминирующей фразой. Хлопаем Куку первый раз. 3. Как говорят коллеги, которые умнее меня, в мире накопился колоссальный профицит энергии и свободного времени. Об этом говорят не только клабхаус, но и тикток, а также все потемкинские попытки социальных сетей сделать вид, что они заботятся о том, чтобы пользователи в них не сидели вечно. 4. Радио живо, как Цой и Ленин. Наушники движутся к приобретению статуса Устройства, а не приблуды. Хлопаем Куку второй раз.

И про квантовые вычисления. В далеком уже 2018 году исследователи из датской лаборатории Microsoft в Дельфийском техническом университете заявили о прорыве в создании топологического квантового компьютера [1] на базе гипотетических майорановских фермионов [2, 3]. И хотя работа над созданием топологических кубитов идет полным ходом [4], Wired отмечает, что в прошлом месяце большая команда из 21 исследователя опубликовали новую работу, из которой следует, что никих майорановских фермионов они не нашли, а в прошлых данных были ошибки [5]. На этом фоне интересно смотреть на общую стратегию компании с широкой диверсификацией: здесь не только работа по всему стеку квантовых вычислений, но и развитие экосистемы, позволяющей менять элементы этого стека. И в этом смысле, застраховаться от собственных потенциальных неудач. Вторая важная особенность стратегии (ее, кстати, повторяет Baidu из вчерашней заметки) — это продвижение новой вычислительной модели до ее фактической готовности за счет симуляций в облаке на базе существующего железа. И тут история простая: застолбить за собой место в инструментарии, API, базе алгоритмов и сообществе экспертов. [1] https://www.bbc.com/news/technology-43580972 [2] https://en.wikipedia.org/wiki/Majorana_fermion [3] https://www.microsoft.com/en-us/research/video/topological-quantum-computing-with-majorana-fermions/ [4] https://www.microsoft.com/en-us/research/blog/full-stack-ahead-pioneering-quantum-hardware-allows-for-controlling-up-to-thousands-of-qubits-at-cryogenic-temperatures/ [5] https://www.wired.com/story/microsoft-win-quantum-computing-error/ [6] https://www.zdnet.com/article/microsofts-quantum-cloud-computing-plans-take-another-big-step-forward/

Про ИИ и Китай. Иногда оказывается полезным посмотреть рекламные материалы иностранных компаний, чтобы расставить акценты. Baidu опубликовала в MIT Technology Review спонсируемую статью с обзором ключевых направлений развития ИИ на 2021 год [1]. Ключевые темы: Использование AI/ML для разработки вакцин. Общее ускорение цикла разработки новых лекарств за счет использования ИИ и моделирования для поиска новых белков и анализа тестовых данных. Критичные зависимости: цифровые модели белков, суперкомпьютеры для вычислений, система мониторинга за распространением инфекции и волонтеров, тестирующих вакцину. Полностью автономное управление транспортом и "роботакси". Постепенный вывод транспорта на улицы городов и интеграция услуги в систему публичного транспорта. Критичные зависимости: локальное изменение законодательства, инфраструктура 5G, которая позволила бы перехватывать управление в критичных ситуациях, изменение общественного мнения о безопасности. Прикладные сценарии NLP. Переход от общих разработок в сентиментальном анализе речи, извлечении намерений и генерации текстов к заточке под конкретные домены знаний и бизнес-сценарии. Критичные зависимости: фреймворки для направленной генерации текстов, гибридные системы, связывающие разные каналы интерпретации реальных сцен — в частности зрение и языковое описание. Квантовые вычисления. Продолжение поиска прикладных сценариев, в которых создание AI/ML-решений выигрывает от квантовых алгоритмов и вычислительных возможностей. Критичные зависимости: модели и фреймворки квантовых нейронных сетей, вычислительные ресурсы, позволяющие тестировать алгоритмы при фактически отсутствующих квантовых компьютерах, низкоуровневые интерфейсы между квантовыми системами и бинарными программами. Специализированные AI-чипы. Разработка и интеграция процессоров, заточенных под вычислительные особенности ML-алгоритмов или даже специализированные кейсы применения ИИ. Критичные зависимости: собственное (страновое) масштабируемое производство ИИ-процессоров, облачные (публичные и частные) системы, дающие доступ к массивам таких процессоров. Как не трудно заметить по статье (ссылка внизу), Baidu, конечно, за каждый пунктом приводит свои достижения в соответствующих направлениях. Но учитывая, что все китайские компании движутся в русле национальной стратегии ИИ, можно делать обобщения на Китай в целом. Также отмечу, что Baidu, как и другие китайские компании, постепенно начинают выводить свои разработки на международную арену. [1] https://www.technologyreview.com/2021/01/14/1016122/these-five-ai-developments-will-shape-2021-and-beyond/

Про новые модели AI. Поиск следующей "большой штуки" в искусственном интеллекте и машинном обучении продолжается. VentrureBeat рассказывает о прошедшей в Монреале онлайн-дискусии про будущее ИИ. [1] Ключевые темы: Гибридный ИИ. Комбинация обучающихся алгоритмов и алгоритмов с выводом решений на основании правил. Ключевая проблема, которую этот подход может помочь решить — это доверие, объясняемость и интерпретируемость алгоритмов. Вдохновение в эволюции. Интеллект в живых существах развивается за счет активного ощущения и взаимодействия с миром, в то время как ИИ-системы опираются на данные, отобранные и размеченные людьми. Создание такого цикла обратной связи для исскуственных алгоритмов поможет создавать агентов, обладающих мульти-модальными, многозадачными, обобщаемыми и даже социальными возможностями. Вычислительная теория интеллекта. Такая теория должна определять, что является целью для некоторой системы обработки информации и почему она ее пытается достичь. В большинстве обсуждений и описаний ИИ такая теория [практически] отсутствует. Обучение с подкреплением — это первая такая вычислительная теория интеллекта: в частности, в нем есть четкая награда как цель. Ключевая проблема RL — ресурсоемкость. Отсюда запрос на альтернативные подходы, включающие постановку цели. Интеграция мирового знания и здравого смысла. Необходимы системы, которые будут объединять знание о мире с данными. Знание происходит не из данных, а из "врожденных" структур, наполняемых данными через взаимодействие. Даже если мы неявно "вытащили" структуру из данных, мы все равно должны найти формат коммуникации такой структуры человеку. В дополнение и как иллюстрация: SingularityHub рассказывает про "жидкий ИИ", который постоянно обучается на основании взаимодействия с миром. За основу искусственной сети взята нейронная сеть червя нематоды, в которую "встроена" нейропластичность. Итоговая искусственная сетка постоянно переобучается, а количество нейронов и настраиваемых параметров в модели на два порядка меньше, чем аналогичных классических сетках. [2] MIT рассказывает про использование фракталов для обучения алгоритмов ИИ. Идея в том, что для объектов, представляющих собой "природные фракталы", соответствующие изображения можно просто генерировать. На этой базе можно проводить предварительную тренировку алгоритмов (задавать структуру), и только после этого скармливать настоящий датасет [меньшего размера]. [3] [1] https://venturebeat.com/2021/01/02/leading-computer-scientists-debate-the-next-steps-for-ai-in-2021/ [2] https://singularityhub.com/2021/01/31/new-liquid-ai-learns-as-it-experiences-the-world-in-real-time/ [3] https://www.technologyreview.com/2021/02/04/1017486/fractals-ai-learn-see-more-ethically-bias-imagenet-training/

Про науку и ML. Еще один симптоматичный термин — это Deep Science, в котором deep — это отсылка не к глубоким фундаментальным исследованиям, а к deep learning и машинному обучению в целом. Например, тот же TechCrunch в лице журналиста Davin Coldewey пишет об этом с завидной регулярностью. Две свежих статьи [1, 2] рассказывают, о применении ML в анатомии, метеорологии и сейсмологии, музыковедении, шахматах, медицине, зоологии, экологии и доступности. Резюме простое — сегодня трудно найти науку, в которой бы не велось исследований с применением инструментария машинного обучения. С другой стороны, если в конкретном вузе/НИИ такой компетенции нет, то с большой вероятностью он очень быстро отстает от мейнстрима. И это касается буквально каждой науки. На закуску — чтение на выходные: обновление на начало 2021 года отчета о гонке за лидерство в AI между США, ЕС и Китаем от Center for Data Information [3]. Это один из мировых "think tank" в области данных, технологий и связанной с ними политики. Из отчета, кстати, видно, что погоня Китая за количеством научных работ, в котором страна лидирует, не сбалансировано с количеством доступных венчурных инвестиций, активных стартапов, инвестиций со стороны компаний в собственный R&D и т. д. Другими словами, [пока?] цепочка не работает. "But research is not enough. Deployment drives innovation." [1] https://techcrunch.com/2021/01/04/deep-science-using-machine-learning-to-study-anatomy-weather-and-earthquakes/ [2] https://techcrunch.com/2021/02/03/deep-science-ais-with-high-class-and-higher-altitudes/ [3] https://www2.datainnovation.org/2021-china-eu-us-ai.pdf

Мы находимся на пересечении нескольких циклов (пересечение это условно, с нахлестами), которые запускают смену бизнес-моделей и фокуса инвестиций. — Созрели и дозревают результаты R&D-инвестиций и фундаменталки, заложенных примерно 20 лет назад (это простая математика формирования минимальной базовой ячейки трех поколений: профессор (10) + аспирант (5) + студент (5)). Помимо AI, это волна bio/pharma, далее materials. — Закончился 30-летний (10 лет раскачки, 10 лет консолидации рынка, 10 лет дойки) идеологический цикл предыдущих моделей управления и связанных IT-решений (ERP, CRM, CMS, CAD и т.п.). После 10-летней раскачки Cloud/AI-темы мы входим в 20-летний этап активного внедрения, вместе с этим переходом бизнес-модели наследуют и новую идеологию (usage-based модель в частности). — Закончился аналогичный 30-летний цикл развития интернета как базовой трансформирующей технологии. Он, конечно, никуда не денется, но капитал активно ищет новую трансформирующую технологию, отсюда интерес именно к deep-tech (где же еще искать что-то с потенциалом фундаментальных изменений?). — Закончился 20-летний этап формирования пласта поколения с новой моделью потребления, новыми ценностями и т.п. для которых ряд отраслей становится окончательно архаичными и потому требуют перестройки. Речь не о тех, кто активно тикточит, а о тех, кто постарше: 20-40 лет (внезапно, поколение Y). Именно они дозрели до ролей, принимающих решения и становятся движущей силой цифровой трансформации. — Закончился 20-летний цикл забывания пузыря доткома. Вместе с этим сформировалась усталость и одновременно неприятие стартаперами традиционных моделей привлечения средств, инструментария биржи, действий регуляторов и т.п. Отсюда активный поиск новых инвестиционных моделей и схем, позволяющих привлекать более гибкие деньги, оставляя за собой контроль над бизнесом. К слову, предыдущий бум SPAC-модели был как раз лет 15-20 назад. — Заканчивается эпоха лидеров-основателей IT-гигантов (уход Безоса — ярчайший тому пример). На смену "отцам" приходят приглашенные или взращённые управленцы, задача которых — перезапустить компании в новый цикл, вместе с обновлением продуктовых линеек, миссии, культуры, бизнес-моделей и т.п. Новые ценности — очень даже стартапные, потому что сами компании входят в модель внутреннего стартапа: устойчивость, этичность, ответственность, большие вызовы.

В продолжение предыдущей заметки про "стартапы полного цикла (end to end startups)" и заметки прошлой недели про "стартапы с оплатой за использование (usage-based startups)". Заметки кажутся не связанными напрямую, хотя и обе про стартапы. Но давайте я добавлю в этот ряд еще несколько тем, которые в последнее время всплывают все чаще: — Глубокотехнологичные стартапы (deep tech startups). И всевозможные детализации и уточнения: biotech, spacetech, climate tech). Например, TechCrunch рассказывает, как строить маркетинговые команды в таких компаниях и поднимать инвестиции. См. еще отчет BCG за 2019 про deep tech экосистему. Сюда же можно отнести менее популярный и более европейский термин — научно-технологические стартапы (sci-tech startups). — Устойчивые и этичные стартапы (sustainable/ethic startups). Это одновременно про миссионерство, про переписывание норм и про дополнительную ответственность, которую можно "пощупать". В том числе как альтернатива поведению больших технологических гигантов. Вот например, MIT вроде бы рассказывает, как сделать AI лучше, — а в каждом тезисе читается "не берите пример с Google". — SPAC-модель подъема денег, и снова криптовалюты как способ оплаты услуг и товаров. Что все это объединяет? Как минимум две темы: Илон Маск — и это не теория заговора. Компании Маска просто являются отличным медийным примером для многих бизнес-моделей, доказывающим их право на жизнь, и одновременно сам Маск является иконой для многих стартапов и инвесторов. При этом публичный образ всех этих компаний — как раз про дисрапш за счет сильного R&D (deep tech), включающего последовательные инновации на всех этапах создания продукции (end-to-end) — и все это в архаичных отраслях, с производной монетизацией тяготеющей к плате за использования (usage-based). SPAC-модель Илон критикует после того, как несколько его конкурентов использовали ее для привлечения денег, но сам активно "топит за битки" и другие койны. Ну и, конечно, Маск — это мессия поколения Y с его "multiplanet civilization", "electric vehicles" и всем остальным семейством лозунгов и амбиций.

Еще про тренды в бизнес-моделях. Roger Lee из Battery Ventures рассказывает в TechCrunch об изменении в поведении консьюмеров при покупках и описывает вытекающую из него модель стартапов полного цикла. Обратите внимание на сквозящую: так правильно, но нельзя взять и просто так сделать стартап полного цикла. Это сложно и таких успешных единицы, но вы пробуйте. А по набору признаков, в принципе, можно делать программу акселератора. Предпосылки: Продолжение очевидного исторического сдвига модели интернет-продаж: от плановых покупок с десктопного веба мы перешли к мобильным покупкам со смартфона в момент потребности. Продолжение уплотнения коммуникаций и слияния шагов: от агрегаторов, через которые можно было узнать информацию и зарезервировать услугу, мы перешли к перешли к мобильным приложениям и сопутствующей инфраструктуре, управляющими операциями на несколько шагов глубже: матчинг спроса и предложения, верификация качества услуги и даже динамичное ценообразование. Каждый шаг в такой эволюции "разблокирует" миллиардные долларовые рынки. В отраслях с недостатком предложения или инноваций в продуктах или услугах цифровой маркетплейс может на самом деле ухудшить опыт клиентов. В таких случаях трансформация должна начинаться с нуля. У этого феномена уже есть название: "full stack startups". Такие стартапы обеспечивают полный (end-to-end) цикл операций, управляют всей цепочкой создания ценности. Чем большим количеством операций в стеке владеет компания, тем лучшее у нее контроль над качеством, оказанием услуг, доставкой, ценообразованием и т.п. Обратная сторона медали - таким компаниям нужно больше стартовых инвестиций для масштабирования. Пять признаков успешных end-to-end стартапов: Фокус на очень больших и архаичных рынках. Данных подход имеет наибольший смысл, когда нацелен на большие архаичные индустрии: банки, страхование, недвижимость, здравоохранение и т.п. Текущие игроки в этих рынках слишком большие и укоренившиеся (= с кучей обременений). Все вместе мешает им адаптировать новые технологии, большинство из них провалило переход к цифровых технологиям, не является авторитетом мобильного поколения, а опыт оказания услуг не соответствует современным требованиям. Улучшение ключевой функциональности в пользовательском опыте. Для этого нужно определить, в чем суть самых болезненных моментов для пользователей в их текущем опыте, и далее строить бизнес вокруг решения этих задач. Как правило, это означает, что у вас больше уровень удовлетворенности и меньше процент отваливающихся пользователей по сравнению с существующей индустрией. Симбиоз данных и технологии как ключевое отличительное свойство. Нужно найти правильное сочетание, которое позволит повысить эффективность привлечения и удержания клиентов, уменьшить постоянные и переменные затраты через автоматизацию, снизить стоимость для клиентов, расширить или создать наращиваемое производство. Такие заделы позволяют создать трудно преодолимый отрыв от последователей. Продвинутая юнит-экономика. Хотя такие бизнесы кажутся более ресурсо-емкими в начале (им надо перестроить всю инфраструктуру с нуля), их P&L оказывается более привлекательным за счет лучшей юнит-экономики и отсутствия сверхзатрат старых бизнесов (например, на физические отделения обслуживания). Доверие бренду как основа органического роста. Если бизнес управляет всей цепочкой создания ценности, у него появляется отличная возможность развивать привлекательный бренд в своей нише. Со временем узнаваемый бренд становится источником органического роста. У всего этого, конечно, есть обратная сторона. Чтобы стать успешным, стартапу надо быть достаточно хорошим во множестве направлений сразу: софте, железе, дизайне, маркетинге на потребителей, управлении цепочками, продажах, партнерствах, регулировании и т.д. Для получения инвестиций вам придется подробнее объяснять венчурным инвесторам, вот что именно вы вкладываетесь и как это будет работать. https://techcrunch.com/2021/01/22/end-to-end-operators-are-the-next-generation-of-consumer-business/

Про грибы. Пока в одних местах борются с плесенью, в других изучают, как из грибов делать строительные материалы. The Verge рассказывает и показывает о таком эксперименте. Сегодня процесс создания одного грибного кирпича в лабораторных условиях занимает около четырех недель, а свойства материала не позволяют заменить им цемент, но, судя по ролику, потенциально подходят для не несущих конструкций. Дальше параллельно с улучшением целевых свойств материала и временем/стоимостью производства нужно снимать шоры традиционных строительных аналогий и пересматривать концепции. А что, если используемые материалы будут биоразлагаемыми? (традиционно мы закладываемся на "вечность"). А что, если используемые материалы будут "живыми", способными взаимодействовать с окружающей средой? (традиционно мы закладываемся на нейтральность) В общем, большая тема, которая лет через 5-10 не будет казаться такой странной - примерно как сегодня мы перестаем удивляться выращенному в пробирках мясу. https://www.theverge.com/22257120/mushroom-bricks-mycelium-sustainable-building-materials

Про постановку задач. Если вам кажется, что задачу ставят неправильно, первый шаг — это распознать категорию постановки и дальше уточнениями сместить в более комфортную категорию. Сделал матрицу. Комментарии и дополнения принимаются тут: https://miro.com/app/board/o9J_lVm152g=/