Wederom een aflevering over kunstmatige intelligentie, dit keer met een Machine Learning Engineer. Het is zeker handig om eerst aflevering 105 te luisteren als je dat nog niet gedaan hebt. In deze aflevering gaan we met Judith wat meer de diepte in.
105. Kunstmatige intelligentie, ook wel AI (met Remy Gieling) | € 228.900Er wordt op dit moment veel gesproken over AI, ook in de beleggingswereld. Helemaal sinds Microsoft het in haar zoekmachine Bing heeft geïmplementeerd. We willen graag meer duiding geven over deze situatie. Waarom zijn andere grote partijen niet eerder met vergelijkbare producten gekomen zoals ChatGPT? Hoe werkt zo'n model? Wat heb je daar allemaal voor nodig? En welke partijen zijn nog meer betrokken in het ecosysteem? We leggen het Judith allemaal voor.
We gaan niet in detail uitleggen wat AI is. Artificiële intelligentie is een erg uitgebreid vakgebied met toepassingen die alle hoeken van de wetenschap raken. De meeste interessante punten voor beleggers lichten we uit.
Wie is Judith?
Judith van Stegeren is AI consultant en machine learning engineer bij een bekende Nederlandse fintech startup. Hiervoor werkte ze bij de Universiteit Twente waar ze onderzoek deed naar creatieve AI voor video games. En zo nu en dan wordt haar mening gevraagd door de NOS.
AI hackathon Amsterdam
Judith en ik hebben elkaar ontmoet op de AI hackathon Amsterdam afgelopen februari. We waren daar allebei aanwezig om binnen 24 uur een product te ontwikkelen gebaseerd op AI. We zaten niet in dezelfde groep dus ik weet niet exact wat zij gemaakt heeft maar met mijn team ontwikkelde we een app die, gebaseerd op wat persoonlijke input, elke dag een uniek slaapverhaaltje maakt. Het verhaaltje met bijbehorende illustraties wordt elke dag door AI gemaakt.
Wat is ChatGPT?
ChatGPT is een geavanceerd taalmodel dat is ontwikkeld door OpenAI, gebaseerd op de GPT-4 architectuur. GPT staat voor "Generative Pre-trained Transformer", wat een type neuraal netwerk is dat getraind is om patronen in tekst te herkennen en te genereren. ChatGPT is ontworpen om mensachtige tekst te genereren op basis van de input die het ontvangt, wat kan variëren van eenvoudige vragen tot complexere verzoeken.
De kracht van ChatGPT ligt in het vermogen om context te begrijpen en te reageren met zinvolle antwoorden, hetgeen helpt bij het voeren van vloeiende gesprekken. Het kan worden ingezet voor diverse toepassingen, zoals het beantwoorden van vragen, het geven van advies, het schrijven van teksten, vertalingen en meer.
Hoewel ChatGPT indrukwekkend is in zijn prestaties, is het belangrijk om te weten dat het nog steeds beperkingen heeft en niet altijd perfecte of accurate informatie kan leveren. ChatGPT heeft voornamelijk een snelle vlucht gemaakt doordat het een extreem gebruiksvriendelijke interface heeft waar iedereen mee kan werken.
OpenAI
OpenAI is een onderzoeksorganisatie die in december 2015 werd opgericht door een groep prominente technologie-ondernemers en onderzoekers, waaronder Elon Musk, Sam Altman, Greg Brockman, Ilya Sutskever, John Schulman en Wojciech Zaremba. Het doel van OpenAI is het bevorderen van kunstmatige algemene intelligentie (AGI) op een veilige en verantwoorde manier. Althans dat was ooit het plan, daar wordt nu openlijk aan getwijfeld omdat het officieel geen non-profit meer is. Microsoft is voor 49% eigenaar van OpenAI.
De ontwikkeling van ChatGPT is voortgekomen uit een reeks van transformerende modellen die door OpenAI zijn ontwikkeld. De eerste versie, GPT, werd in 2018 geïntroduceerd, gevolgd door GPT-2 in 2019. GPT-3 kwam in juni 2020 en markeerde een aanzienlijke vooruitgang in de capaciteiten van taalmodellen. OpenAI werkt aan meer verschillende projecten mee zoals ook DALL-E, een AI-model dat afbeeldingen kan genereren op basis van geschreven beschrijvingen en Whisper dat tekst kan omzetten naar audio.
Sam Altman (CEO)
Recent was Sam Altman te gast in de podcast van Lex Fridman. Het is een lang gesprek waar veel topics omtrent AI behandeld worden. Opvallend vond ik de stukjes over AI safety, AGI, from non-profit to capped-profit, Elon Musk, truth and misinformation en future applications.
Data, computerkracht en kennis
AI is een samensmelting van data, computerkracht en kennis. Deze ontwikkeling van deze drie heeft een vogelvlucht genomen de afgelopen 10 jaar en lijkt dit jaar volledig samen te vallen. Om een groot taalmodel te trainen heb je nu nog veel computerkracht nodig, en dat is duur.
We leven steeds meer in een wereld met draadloze devices, het zou ideaal zijn om AI lokaal te laten draaien. Helemaal voor Apple met iOS, Google met Android en Meta met de VR headset is dat belangrijk. Op dat punt zijn we echter nog niet.
AI is geen wondermiddel
AI is een overkoepelende term voor veel verschillende algoritmen die allemaal hun sterkte kanten hebben in verschillende problemen. Termen zoals Machine Learning, Deep learning, (un)-Supervised learning, Reinforcement Learning en ook takken van Data Science vallen hieronder.
De afgelopen 10 jaar hebben we geweldige ontwikkelingen gezien, zoals computers die beter kunnen schaken dan mensen (zonder voorkennis), die kunnen auto rijden (maar nog niet de weg op mogen) en kunnen praten of chatten alsof het echte mensen zijn. Deze snelle ontwikkelingen wekken soms de indruk dat AI oneindig veel potentie heeft, maar ik denk dat het goed is om bij voorzichtig optimisme te blijven.
AI is op dit moment nog niet op het punt om voor elk probleem een oplossing te bieden, daar komt nog jaren aan onderzoek aan te pas en zelfs dan is het mogelijk dat AI niet alles zal kunnen. Zie het dus ook niet als een wondermiddel voor elk probleem.
Data is niet in geld uit te drukken
Bijna alle moderne AI-modellen zijn gebaseerd op Neural Networks (of een variatie hiervan). Neural Networks zijn erg krachtige modellen die (afhankelijk van de structuur) ongelofelijk complexe processen modelleren. Maar om een bruikbaar model te krijgen is er (heel veel) data nodig en moet de data van hele goede kwaliteit zijn. Hier blinken de grote techbedrijven in uit.
Er komen echter veel problemen kijken bij het verzamelen en ook opslaan van veel data. Dat weten machine learning en cloud engineers maar al te goed. Hun werk bestaat voor een groot gedeelte uit het structureren van data. Bedrijven zoals Google, Facebook en Amazon verzamelen dan ook gigantische hoeveelheden data en hebben daarin toch een voorsprong t.o.v. bedrijven die dat niet hebben en data moeten inkopen.
Ook met het recente ChatGPT weet OpenAI data te verzamelen uit de interacties met gebruikers en de waarde van deze data is niet in geld uit te drukken. Het is dus voor AI bedrijven belangrijk om niet alleen goede hardware en modelstructuren te hebben, maar vooral om een houdbare manier van dataverzameling te hebben.
Hardware, videokaarten en processors
Naast het probleem van dataverzameling is er natuurlijk ook een hardware aspect. Grote modellen kosten veel computational resources en ook hier zit een verdienmodel achter. Het is daarom ook geen verbazing dat NVIDIA, een sterspeler in het produceren van processoren en GPU's, ook een grote AI-tak heeft.
Voor beleggers kan het daarom misschien interessant zijn om naar hardware te kijken als een "pick and shovel" play, want ook compleet geïntegreerde AI heeft hardware nodig.
Het ontwerpen van AI modellen is (nog) een mensentaak
Ondanks dat er in de academische wereld veel onderzoek wordt gedaan naar AutoML (een soort van meta-AI), lijkt het erop dat dit nog niet bruikbaar is in de industrie. Dat betekent ook dat de ontwikkelingen van een bedrijf afhankelijk zijn van de onderzoekers en engineers die er werken.
OpenAI heeft bijvoorbeeld een grote groep erg talentvolle engineers die sinds een paar jaar alle state-of-the-art modellen in taalverwerking aanleveren. Het succes van een bedrijf hangt dus erg af van het talent dat er werkt.
Welke bedrijven gebruiken AI?
De lijst van bedrijven die AI gebruiken is te lang om op te noemen. In aflevering 105 hebben we meerdere bedrijven behandeld. Zie ook de show notes voor alle tickers. Grote beursgenoteerde spelers zijn natuurlijk Google (Alphabet), Microsoft, Amazon, Apple, Facebook (Meta) en NVIDIA. Er zijn ook bedrijven die helaas niet beursgenoteerd zijn maar toch voorlopen, zoals OpenAI, Midjourney en Hugging Face.
Verder is het lastig om een goed overzicht te krijgen van bedrijven die op dit moment beursgenoteerd en toch veelbelovend zijn. Als je het opzoekt op Google kom je voldoende lijstjes tegen maar daar zou ik wel voorzichtig mee zijn. Het lijkt erop dat veel goede bedrijven niet beursgenoteerd zijn maar worden gesponsord door de grote spelers. Zo gaat het vaak met innovatie, als startup ben je nu eenmaal wendbaar en heb je niet te maken met reputational risk of innovator's dilemma.
“AI and Robotics ETFs Are Hot”
Een recente enquête van Brown Brothers Harriman toont aan dat 56% van de professionele beleggers van plan zijn om AI- en robotica-gerichte ETF-strategieën aan hun portefeuilles toe te voegen in 2023, wat een stijging is ten opzichte van 46% in 2022. Dit komt omdat ETF's die gericht zijn op AI en robotica in maart ongeveer $105 miljoen aan kapitaal hebben aangetrokken.
De populariteit van AI-aangedreven chatbots, zoals ChatGPT, speelt hierin een rol. De op $1,7 miljard gewaardeerde Global X Robotics & Artificial Intelligence ETF (symbool: BOTZ) is het leidende fonds met $121 miljoen aan instroom tot nu toe in 2023. Dat is in tegenstelling tot andere thematische strategieën, zoals schone energie, elektrische auto's en cloud computing, die allemaal uitstroom zagen.
Bloomberg vermeldt ook dat ondanks de onzekerheid over de volgende monetaire beleidsstap van de Federal Reserve, beleggers nog steeds geïnteresseerd zijn in speculatieve activa, zoals crypto-gerichte ETF's.
Boom and Bust zie je vaak op de beurs, AI zal dit ook niet zijn ontgaan. Maar dat wil niet zeggen dat AI direct vergelijkbaar is met de Metaverse, Web3, of Blockchain. AI heeft onderliggend veel meer toe te voegen. Dat betekent niet gelijk dat het ook goede beleggingen zijn. Pas dus op voor de hype!
Financiële begrippenlijst
De afgelopen weken hebben we met het PDT-team gespeeld met AI. Het is uiteindelijk onvermijdelijk dat je als softwarebedrijf iets met kunstmatige intelligentie gaat doen. Momenteel is nog lang niet alles mogelijk, creativiteit is nog steeds belangrijk om leuke toepassingen te bedenken. Waar we onder andere naar gekeken hebben is het samenvatten van nieuws rondom bedrijven in jouw portfolio, het geautomatiseerd structureren van broker exports maar ook het genereren van beleggingsideeën. Voor nu is het nog niet goed genoeg voor productie maar het blijft zeer leerzaam om mee te experimenteren. Uiteindelijk heeft één project wel de livegang gehaald: de Financiële begrippenlijst.
De financiële begrippenlijst kan gezien worden als een soort van woordenboek waar allerlei begrippen uit de financiële wereld worden uitgelegd. De financiële wereld is natuurlijk erg breed, zo hebben we het dus ook ingestoken. Mis je een begrip, laat het mij dan weten. We (en AI) hebben aardig ons best gedaan om de meest voorkomende begrippen in beleggen en economie te behandelen.
Nieuwsgierig? Hier een paar begrippen die we op de website hebben staan:
- Wat is aandelenuitgifte?
- Wat is marktrente?
- Wat is deflatie?
- Wat is de 130/30 strategie?
- Wat is een deep-in-the-money optie?
Portfolio
Transactie: Nee
Portfolio waarde: € 290.200
Volgende week gaan we het hebben over 'Grote beleggers: Terry Smith'. Rest ons nog een ding: Investeer in je kennis! En beleg met beleid.
Word Vriend
Vind je het leuk om ons te steunen als onafhankelijke podcast, gebruik te maken en mee te denken met de Portfolio Dividend Tracker? Voor €6,25 per maand krijg je toegang. Zeven dagen gratis proberen!
► Doe mee met Jong Beleggen: PortfolioDividendTracker.com
Pim's portfolio
► Bekijk mijn volledige aandelen portfolio: Portfoliodividendtracker.com/jongbeleggen
JB updates op Instagram
► @JongBeleggen op Instagram: Instagram.com/jongbeleggen