آیا هوش مصنوعی سهام فنی از دست دادن پول را از فروشندگان کوتاه مدت صرفه جویی می کند؟

بورس سهام به سرمایه گذاران اجازه می دهد تا در سودهای بلند مدت حاصل از مشاغل خوب ، به اشتراک بگذارند. همچنین به دلالان این امکان را می دهد تا بلیط های قرعه کشی را در استارتاپ هایی خریداری کنند که ممکن است موفق شوند اما معمولاً چنین نمی شوند.

در سال 2022 جی ریتر ، استاد دارایی در دانشگاه فلوریدا ، گزارش داد که چگونه IPO ها بین سالهای 1975 و 2018 صادر شده است در طی سه سال بعدی: 59 ٪ بازده منفی و 37 ٪ کاهش یافته است. میانگین بازده سه ساله 17. 1 درصد پایین تر از بازده بازار کل سهام بود.

تا همین اواخر ، این عملکرد ناخوشایند تقاضا برای بلیط های استارتاپی را کاهش نداده است. بودجه سرمایه گذاری در سرمایه گذاری در ایالات متحده ، اروپا و آسیا بین سالهای 2017 و 2021 با یک رکورد یک ساله در سال 2021 تعیین شده است. بسیاری از آنها خیال می کردند که ظهور اقتصاد گیگ باعث پایان دادن به اتومبیل های خصوصی و پارکینگ های زیادی می شود ، فشار جسمیبانک ها از وجود خارج شده و دفاتر پزشک را با ویزیت آنلاین جایگزین می کنند.

با این حال ، چنین رویاها از آن زمان خرد شده اند - همراه با قیمت سهام استارتاپ های معامله شده عمومی ، ارزش گذاری های کوچک شده از استارتاپ های تجاری خصوصی و تعداد کاهش دهنده IPO و Spac.

به گزارش Crunchbase ، بودجه جهانی VC در سه ماهه اول 2023 کل 76 میلیارد دلار - 53 ٪ کمتر از 162 میلیارد دلار در سال قبل افزایش یافته است. علاوه بر این ، شکل 2023 شامل دو خریدار بزرگ است - یک سرمایه گذاری 10 میلیارد دلاری گزارش شده در OpenAI (عمدتا از Microsoft MSFT) و 6. 5 میلیارد دلار از پرداخت Stripe غول.

علاقه پژمودکننده در نسبت تقاضای سرمایه و تقاضای سرمایه گذاری Pitchbook منعکس شده است ، که در سه ماهه اول سال 2023 به 3. 24 رسیده است. این بدان معنی است که میزان سرمایه مورد نظر توسط این استارتاپ ها 3. 24 برابر مبلغ بودعرضه شده یا به روش دیگر ، استارتاپ ها توانستند فقط 30 ٪ از بودجه مورد نظر خود را بدست آورند.

تأمین مالی بدهی برای استارتاپ ها نیز خشک می شود. طبق گفته Pitchbook ، حجم وام گرفتن در ایالات متحده در سه ماهه اول سال 2023 به 3. 5 میلیارد دلار کاهش یافته است ، کمترین سطح از سال 2017. احتمالاً با بسته شدن بانک سیلیکون ولی در ماه مارس و سقوط آن از شکست آن تشدید می شود. بشر

این احتمال وجود دارد که این سه روند-بودجه پایین VC ، IPO های کمتری و تأمین بدهی کمتر-قبل از بهتر شدن بدتر شوند ، تا حدودی به دلیل واقعیتی که قبلاً در مورد آن بحث کرده ایم (برای مثال ، در اینجا)-مداوم ضرر به اصطلاحاستارتاپ های تکشاخ.

حدود 90 ٪ از تک شاخهای معامله شده عمومی غیر سودآور هستند و بسیاری از آنها ضررهای تجمعی حیرت انگیز دارند.

حدود 90 ٪ از تک شاخهای معامله شده عمومی غیر سودآور هستند و بسیاری از آنها ضررهای تجمعی حیرت انگیز دارند. از اوایل سال 2023 ، 22 اسب شاخدار بیش از 3 میلیارد دلار ضرر تجمعی داشتند. Uber Technologies 33 میلیارد دلار داشت. Wework 16 میلیارد دلار ؛اتومبیل ریویان 14. 4 میلیارد دلار ؛Teladoc Health 11 میلیارد دلار ، Lyft 9. 3 میلیارد دلار.

اعضای دیگر این باشگاه باخت تکشاخ عبارتند از: بازارهای Robinhood ؛Coinbase Global ؛فن آوری های Palantir ؛Peloton Interactive ؛Wayfair ؛Twilio ؛Nutanix ؛دورداش ؛Ginkgo Bioworks Holdings ؛ضربه محکم و ناگهانی ؛انرژی شکوفه ؛Qualtrics Inteational ؛Airbnb Invitae ؛گروه بهداشت روشن ؛ContextLogic و Faraday Electric Electric Electric

ما در معرض حباب AI هستیم که ممکن است حباب های Dot-com و cryptocurrency را رقیب کند.

چگونه ممکن است این بازی کند؟Pitchbook می گوید که باند فرودگاه های بسیاری از راه اندازی های اولیه و اواسط مرحله می تواند طی شش تا نه ماه منقضی شود. همانطور که یکی از VC هشدار داد ، "اگر شرکت ها نتوانند پول جمع کنند ، کجا می روند؟"

آیا chatgpt و سایر مدل های بزرگ زبان (LLM) می توانند آنها را نجات دهند؟

بیل گیتس می گوید که چتپ "دنیای ما را تغییر خواهد داد."یک استاد وارتون اعلام می کند که بهره وری از LLMS ممکن است بزرگتر از سود حاصل از بخار باشد. بن میلر ، مدیرعامل جمع آوری کمک های مالی ، پیش بینی کرد که هوش مصنوعی "بیشترین رونق بهره وری در تاریخ آمریکا را از زمان اختراع برق به دنیا خواهد آورد."

جای تعجب نیست که بنگاههای اقتصادی بندری به دنبال یک زندگی هوش مصنوعی هستند و استارتاپ های جدید AI Hype را در حال انجام هستند. ما در معرض حباب AI هستیم که ممکن است حباب های Dot-com و cryptocurrency را رقیب کند. بسیاری از سرمایه گذاران ناامید هستند که از این کار خارج نشوند و بسیاری از شرکت ها خوشحال هستند که پول خود را می گیرند. چه کسی به جزئیات نیاز دارد؟فقط آن را هوش مصنوعی بنامید و پول را حساب کنید.

ما نسبت به هوش مصنوعی شک و تردید داشته ایم و چنین هستیم. LLM ها ژنراتور متن جعبه سیاه هستند ، چیزی بیشتر. آنها این کار ساده را به طرز حیرت انگیزی انجام می دهند ، با اطمینان ، با اطمینان و با اطمینان از نظر گرامری صحیح (هرچند که اغلب کلامی) به مطالب کاربر می پردازند. از آنجا که آنها جعبه سیاه هستند ، حتی سازندگان نیز گاهی اوقات از خروجی آنها شگفت زده و گیج می شوند.

با این حال ، با وجود ظواهر سطحی ، واقعیت این است که LLM ها در نظر گرفته نشده اند و در عمل به هیچ وجه نمی توانند کلماتی را که با دنیای واقعی ایجاد می کنند ، مرتبط کند. LLM ها مستعد ابتلا به نامشخص ها هستند و هیچ راهی برای دانستن اینکه گفته های آنها درست یا نادرست است ، ندارند.

عدم اعتماد به نفس ChatGPT و سایر LLMS خطر قانونی ، مالی و شهرت قابل توجهی را برای هر شغلی که از آنها برای نسل متن نتیجه استفاده می کند ، ایجاد می کند.

Yann Lecun ، دانشمند ارشد AI در Meta AI ، یک علاقه مندان به LLMS که اغلب سرسخت است ، اخیراً در دانشگاه شمال شرقی صحبت کرد و در آنجا اعتراف کرد که "یادگیری ماشینی" در آن سیستم های فعلی هوش مصنوعی تخصصی و شکننده هستند ، اشتباهات "احمقانه" می کنند وبر خلاف حیوانات و انسانهایی که می توانند کارهای جدید را به سرعت یاد بگیرند ، استدلال نکنید و برنامه ریزی کنید ، درک کنید که جهان چگونه کار می کند و می تواند استدلال و برنامه ریزی کند.

حباب هوش مصنوعی ممکن است مدتی طولانی تر استارتاپ های غرق شده در بالای آب را حفظ کند و مطمئناً بسیاری از استارتاپ های جدید را به وجود می آورد ، اما سودآوری بلند مدت بیشتر از توانایی تولید نثر گرگ نیاز دارد. بسیاری از وظایف کاملاً تعریف شده وجود دارد که سیستم های AI می توانند به تنهایی و چه به انسان کمک کنند ، اما ادعا می کند که بهره وری از این فناوری به قدرت بخار می رسد و برق پف می کند و پفرینگ آشکار است که با اطلاعاتی که AI از آن استفاده می کند ، رقابت می کند.

جفری لی فانک یک مشاور مستقل فناوری است. گری اسمیت ، استاد اقتصاد فلچر جونز در کالج پومونا ، نویسنده ده ها مقاله تحقیقاتی و 16 کتاب است که اخیراً ، بی اعتمادی: داده های بزرگ ، داده ها و حمله به علم (انتشارات دانشگاه آکسفورد ، 2023).