Dans cette vague d’IA qui émerge cette année, quelle application d’IA est la plus prometteuse et sur laquelle il vaut la peine de parier ? Il semble y avoir un consensus unanime dans la communauté des investisseurs sur ce point.
Récemment, AIbeat, une plateforme d’information axée sur l’IA, a dénombré les 10 startups d’IA les plus valorisées au monde.
Si l’on passe au crible les entreprises du tableau, plus de la moitié des produits appartiennent au même type d’application d’IA.
Dans le tableau, qu’il s’agisse de ChatGPT, de Cluade ou de Pi d’Inflection AI, Jasper, qui se concentre sur l’écriture de fonctions, ou Cohere, qui se concentre sur les services d’entreprise, peuvent tous être classés comme des assistants d’IA.
Mais le problème est que dans la voie actuelle de l’IA générative, ce type d’application avec le dialogue naturel comme fonction principale a montré une tendance à l’homogénéisation de plus en plus évidente.
Pour la même question, les utilisateurs peuvent soit y répondre avec ChatGPT, soit aider avec Cluade.
De plus, à l’exception de quelques grandes entreprises, il est difficile pour la plupart des équipes d’établir des barrières techniques élevées.
Cela étant, pourquoi ce type d’application est-il toujours privilégié par la communauté des investisseurs ?
1 Signification de la personnalisation
En ce qui concerne les raisons pour lesquelles les sociétés de capital-risque sont optimistes à l’égard des assistants d’IA, nous pouvons peut-être l’expliquer à partir du processus de financement de la startup Writer.
En septembre, Writer, une start-up spécialisée dans l’IA qui fournit des solutions complètes de création de contenu aux entreprises, a annoncé l’achèvement d’un tour de financement de série B de 100 millions de dollars avec une valorisation totale post-investissement de plus de 500 millions de dollars.
Son produit principal est un assistant IA Writer.AI pour la face B.
Le tour de table a été mené par ICONIQ Growth, avec la participation de WndrCo, Balderton Capital et Aspect Ventures.
Parmi eux, ICONIQ Growth jouit d’un statut très élevé dans la communauté des investisseurs, et est connu pour avoir investi avec succès dans de nombreuses entreprises bien connues, telles que Tencent, Zoom, Send Bird, Flip Kar, etc., et ses opinions sont très représentatives.
Parlant de sa philosophie d’investissement, ICONIQ Growth a mentionné que l’entreprise devrait se concentrer sur la croissance de nouveaux clients au début, cependant, lorsque l’ARR (revenu récurrent annuel) de l’entreprise atteindra une certaine part, trop se concentrer sur les nouveaux clients augmentera l’incertitude et entraînera un désabonnement. Par conséquent, lorsque l’ARR atteint un certain nombre, l’entreprise doit se concentrer sur le maintien des clients réguliers.
Et lorsqu’il s’agit de fidéliser ses clients, Writer montre un côté satisfaisant.
Au cours des deux dernières années, Writer a non seulement multiplié par 10 la croissance de son chiffre d’affaires et atteint un taux de rétention des revenus nets de plus de 150 %, mais a également accumulé des centaines de grandes entreprises clientes telles que Spotify, L’Oréal, Uber, Handshake, Hubspot, Deloitte, etc.
La clé pour maintenir la rétention des utilisateurs est l’expérience fonctionnelle personnalisée et personnalisée de son produit de base.
Plus précisément, le Knowledge Graph de Writer peut être facilement intégré aux sources d’informations et aux documents clés d’un client, ce qui signifie que Writer est non seulement en mesure d’accéder et d’intégrer des informations et des données critiques dans l’ensemble de l’entreprise, mais aussi de fournir des informations précieuses qui sont « adaptées » pour répondre aux questions, analyser les données, rechercher l’entreprise et créer des résumés.
Cette capacité de connexion et d’intégration permet de s’assurer que le contenu généré est plus aligné sur les besoins commerciaux et les réglementations de l’entreprise.
De même, nous pouvons également voir ce type de « personnalisation » dans d’autres applications d’assistant d’IA.
Par exemple, les applications d’IA Otte.AI qui se concentrent sur la transcription vocale peuvent fournir des analyses et des suggestions basées sur différentes conversations vocales.
Dans le même temps, grâce à la reconnaissance linguistique et à la technologie de diarisation vocale, Otte.AI pouvez également identifier quelqu’un grâce au son. Une fois que la parole d’une personne est détectée, un profil d’empreinte vocale est créé pour que ce locuteur puisse faire la distinction entre toutes les autres voix de la même personne.
En plus de Otte.AI, RewindAI est également un exemple de la façon dont la personnalisation gagne. La fonction principale de RewindAI est de fournir une sorte de capacité d'"assistant de mémoire ».
Rewind est capable d’enregistrer automatiquement toutes les informations sur le téléphone ou l’ordinateur avec le consentement de l’utilisateur, et prend en charge l’examen, la récupération et le résumé.
Il peut capturer ce que l’utilisateur lit dans le navigateur Safari, ainsi que des captures d’écran importées, etc., et offre la possibilité de naviguer et de rechercher. Les utilisateurs peuvent naviguer rapidement dans le contenu précédent en faisant simplement glisser la chronologie.
Tout cela montre l’omniprésence de la personnalisation dans les applications actuelles d’assistant d’IA. Ce type de comportement « sur mesure » pour les utilisateurs augmente sans aucun doute subtilement l’adhérence et le temps d’utilisation des utilisateurs. De plus, la personnalisation signifie également « des milliers de personnes », ce qui élargira considérablement la portée de l’application, et le plafond de l’échelle de l’utilisateur sera plus élevé.
**2 Où sont les obstacles ? **
En plus de la personnalisation, les plus grands sommets stratégiques des assistants d’IA sont les barrières de données propriétaires qu’ils créent dans une interaction continue.
À l’ère de l’Internet mobile, Baidu, Tencent, Google et Amazon n’ont pas accordé autant d’attention et d’utilisation des données qu’ils le font aujourd’hui.
À cette époque, aux yeux de divers géants, seuls les utilisateurs et le trafic étaient les plus critiques, et celui qui pouvait brûler plus d’argent et encercler plus d’utilisateurs serait en mesure de former un effet d’échelle plus important.
Selon la logique cruelle selon laquelle le trafic est roi et l’échelle reine, l’ensemble du marché est un jeu à somme nulle, et l’augmentation du nombre d’utilisateurs sur la plate-forme A signifie souvent une diminution du nombre d’utilisateurs sur la plate-forme B.
Dans une telle bataille boursière, les pistes entre de nombreuses plates-formes coïncident souvent, de sorte que tout le monde doit se creuser la tête pour regrouper les applications, les fonctions et le contenu.
Lorsque tout le monde est impliqué dans les applications, les fonctions et le contenu, il sera difficile pour toute la logique Internet de se poursuivre.
L’avènement des assistants IA a inversé la tendance pour le mieux.
En ajustant et en optimisant les données de comportement des utilisateurs en temps réel, l’assistant IA peut accumuler en permanence des données propriétaires uniques pour chaque utilisateur.
Les différences et la diversité des individus humains déterminent que les pistes construites sur des données propriétaires ne seront pas des jeux à somme nulle, encombrés et involués.
Parce que les utilisateurs ciblés par les assistants d’IA sont des « individus » spécifiques ou des entreprises composées d’individus différents, plutôt que quelques étiquettes et groupes étendus abstraits par des algorithmes.
Un tel écart est principalement déterminé par les caractéristiques techniques différentes entre l’IA et la génération précédente d’algorithmes.
Par rapport aux assistants d’IA, la génération précédente de systèmes d’algorithmes s’appuyait sur un ensemble de données limité pour l’entraînement et s’appuyait souvent sur des fonctionnalités conçues par l’homme pour faire des recommandations d’algorithmes, mais ces fonctionnalités peuvent ne pas capturer pleinement la complexité et la diversité du comportement des utilisateurs.
Par exemple, si une personne est un utilisateur masculin, elle est plus susceptible de se voir recommander du contenu militaire ou politique lorsqu’elle navigue sur une application vidéo, même si l’utilisateur a à peine cliqué sur ces vidéos. Ou recommandez systématiquement des vidéos avec les mêmes hashtags.
En revanche, les progrès des assistants d’IA résident dans leur capacité à collecter et à traiter des données sur le comportement des utilisateurs en temps réel grâce à l’apprentissage profond, à l’apprentissage par renforcement et à d’autres technologies, et à s’ajuster et à optimiser en permanence pour capturer certaines caractéristiques de données non linéaires, plus complexes et plus subtiles.
De cette façon, les utilisateurs sont libérés des étiquettes brutes et générales et deviennent des individus « uniques ».
Même si certains assistants d’IA se chevauchent dans leurs fonctions, en raison de l’existence de données propriétaires, les utilisateurs s’habitueront progressivement et s’adapteront aux assistants d’IA qu’ils utilisent depuis longtemps grâce à l’optimisation et au retour d’expérience, et ne passeront pas facilement à d’autres applications.
Par conséquent, les start-ups d’IA construites sur ces données propriétaires auront également une plus grande vitalité.
3 défis possibles
Étant donné que les assistants d’IA sont si prometteurs et prometteurs, quels sont les défis ou les problèmes qu’ils peuvent rencontrer ?
En ce qui concerne ce point, on peut dire que l’ancienne licorne IA Jasper a utilisé sa propre expérience douloureuse comme un « matériel pédagogique négatif ».
En tant que l’une des premières entreprises à entrer dans le domaine de l’AIGC, Jasper a rapidement gagné la faveur du capital, atteignant une valorisation très élevée.
Dès 2022, Jasper a accumulé 1 million d’utilisateurs, et en octobre de la même année, Jasper a reçu un tour de financement de série A de 125 millions de dollars dirigé par Insight Partners, et sa valorisation a également atteint 1,5 milliard de dollars, ce qui en fait une licorne.
Cependant, les bons moments ont été de courte durée et, en février, Jasper, qui s’attendait à un chiffre d’affaires annuel de 140 millions de dollars, a réduit ses prévisions de 30 % pour l’été, puis a commencé à licencier en juillet.
Récemment, Jasper a abaissé de 20 % la valorisation de ses actions destinées aux employés.
Auparavant, lorsqu’ils analysaient les raisons de l’échec des assistants d’IA comme Jasper, de nombreuses personnes attribuaient toujours le nœud au manque de modèles propriétaires.
Après tout, jusqu’à présent, Jasper utilise toujours l’interface API de ChatGPT, qui est une véritable application « shell ».
En raison de l’absence de modèles propriétaires, il est impossible d’accéder directement aux données des utilisateurs et de les analyser, et il est difficile d’analyser les données des utilisateurs, ce qui rend difficile la mise en place d’ajustements et d’optimisations ciblés.
Dans ce cas, les assistants d’IA comme Jasper, qui n’ont pas de modèles propriétaires, peuvent-ils trouver leur propre créneau ?
Comme mentionné précédemment, bien que l’un des principaux avantages des assistants IA soit leur fonction de personnalisation personnalisée, cette personnalisation est également divisée en personnalisation passive et personnalisation active.
La personnalisation passive fait référence à un type d’assistant d’IA qui collecte et analyse automatiquement des données et effectue un apprentissage adaptatif sans paramètres utilisateur.
C’est le cas par exemple du Pi développé par Inflection AI, ainsi que du Rewind.AI susmentionné.
La personnalisation active fait référence au type d’assistant IA qui oblige les utilisateurs à configurer et à personnaliser de manière indépendante en fonction de leurs propres besoins et préférences.
Pour les assistants d’IA qui sont open source ou qui utilisent des modèles tiers, la voie personnalisée proactive est évidemment une meilleure alternative en l’absence de données propriétaires.
Par exemple, Polyglot est un client de plateforme de formation à l’oral basé sur l’IA open source qui aide les utilisateurs à pratiquer leurs compétences orales dans plusieurs langues. Polyglot utilise la technologie de l’IA pour fournir aux utilisateurs des suggestions et des commentaires personnalisés en matière de formation à l’oral.
Les utilisateurs peuvent choisir la langue et la difficulté d’entraînement appropriées en fonction de leurs besoins et de leur niveau.
Polyglot fournira des commentaires et des suggestions en temps réel basés sur la prononciation, la grammaire et les performances de vocabulaire de l’utilisateur pour aider les utilisateurs à améliorer leurs compétences orales.
Un autre exemple, plus évident, est le Poe.AI bien connu.
Dans cette application, qui ressemble presque à un grand modèle d’App Store, les utilisateurs peuvent personnaliser activement des chatbots IA avec des personnalités, des identités et des fonctions différentes en fonction de leurs différents besoins, afin que l’IA soit plus personnalisée et plus conforme à leurs propres attentes.
Bien que tous les modèles Poe.AI proviennent d’API tierces, les besoins individuels des utilisateurs sont également satisfaits grâce à de telles fonctions « créées par l’utilisateur ».
4 Résumé
S’il y a une chose à propos de la plus grande valeur commerciale des assistants IA, c’est qu’il s’agit d’un aperçu du « moment iPhone » de l’intelligence artificielle.
Depuis l’essor de la vague actuelle de l’IA, d’innombrables entreprises, capital-risqueurs ou investisseurs ont réfléchi et recherché le « moment iPhone » de l’IA. Et si nous regardons en arrière dans le passé, nous constaterons que les conditions pour la réalisation de ce genre de « moment iPhone », l’assistant IA ont été préparées pour huit ou neuf.
En 2007, Apple a lancé l’iPhone 1 révolutionnaire, qui intégrait de multiples fonctions telles qu’un écran tactile, un appareil photo, un lecteur de musique, un navigateur Web, etc., changeant la façon dont les gens communiquent, se divertissent, vivent et travaillent, et inaugurant une nouvelle ère de l’Internet mobile.
De même, en tant qu’application intégrée, l’assistant IA peut interagir avec les utilisateurs par la voix, le texte, les images et d’autres moyens, et peut réaliser une variété de fonctions et de services tels que la recherche, la réservation, la rédaction et les questions-réponses, afin de répondre à divers besoins et scénarios des utilisateurs.
Ce qui va au-delà de l’iPhone de l’année, c’est que l’assistant IA actuel peut non seulement améliorer la relation entre lui-même et l’utilisateur grâce à un apprentissage et une évolution continus, mais aussi la camaraderie humanisée et les fonctions émotionnelles de certains assistants AI le font dépasser le cadre d’un outil et devenir un « compagnon intelligent » inséparable avec l’utilisateur.
À ce stade, de nombreuses fonctions d’assistant IA, si elles sont retirées individuellement, ont des points en suspens, mais ces fonctions sont encore dispersées et non intégrées.
Si, après la fermentation et le retour d’expérience du marché, une entreprise ambitieuse franchit une étape clé, alors un « maître de l’ensemble » qui intègre les forces de tous les assistants IA précédents verra le jour.
C’est à ce moment-là que le « moment iPhone » de l’IA arrive vraiment.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Pourquoi s’agit-il d’applications d’IA qui font l’unanimité auprès de nombreux VC cette année ?
Source originale : AI New Intelligence
En 2023, il reste moins de deux mois.
Dans cette vague d’IA qui émerge cette année, quelle application d’IA est la plus prometteuse et sur laquelle il vaut la peine de parier ? Il semble y avoir un consensus unanime dans la communauté des investisseurs sur ce point.
Récemment, AIbeat, une plateforme d’information axée sur l’IA, a dénombré les 10 startups d’IA les plus valorisées au monde.
Si l’on passe au crible les entreprises du tableau, plus de la moitié des produits appartiennent au même type d’application d’IA.
Mais le problème est que dans la voie actuelle de l’IA générative, ce type d’application avec le dialogue naturel comme fonction principale a montré une tendance à l’homogénéisation de plus en plus évidente.
Pour la même question, les utilisateurs peuvent soit y répondre avec ChatGPT, soit aider avec Cluade.
De plus, à l’exception de quelques grandes entreprises, il est difficile pour la plupart des équipes d’établir des barrières techniques élevées.
Cela étant, pourquoi ce type d’application est-il toujours privilégié par la communauté des investisseurs ?
1 Signification de la personnalisation
En ce qui concerne les raisons pour lesquelles les sociétés de capital-risque sont optimistes à l’égard des assistants d’IA, nous pouvons peut-être l’expliquer à partir du processus de financement de la startup Writer.
En septembre, Writer, une start-up spécialisée dans l’IA qui fournit des solutions complètes de création de contenu aux entreprises, a annoncé l’achèvement d’un tour de financement de série B de 100 millions de dollars avec une valorisation totale post-investissement de plus de 500 millions de dollars.
Son produit principal est un assistant IA Writer.AI pour la face B.
Parmi eux, ICONIQ Growth jouit d’un statut très élevé dans la communauté des investisseurs, et est connu pour avoir investi avec succès dans de nombreuses entreprises bien connues, telles que Tencent, Zoom, Send Bird, Flip Kar, etc., et ses opinions sont très représentatives.
Parlant de sa philosophie d’investissement, ICONIQ Growth a mentionné que l’entreprise devrait se concentrer sur la croissance de nouveaux clients au début, cependant, lorsque l’ARR (revenu récurrent annuel) de l’entreprise atteindra une certaine part, trop se concentrer sur les nouveaux clients augmentera l’incertitude et entraînera un désabonnement. Par conséquent, lorsque l’ARR atteint un certain nombre, l’entreprise doit se concentrer sur le maintien des clients réguliers.
Au cours des deux dernières années, Writer a non seulement multiplié par 10 la croissance de son chiffre d’affaires et atteint un taux de rétention des revenus nets de plus de 150 %, mais a également accumulé des centaines de grandes entreprises clientes telles que Spotify, L’Oréal, Uber, Handshake, Hubspot, Deloitte, etc.
La clé pour maintenir la rétention des utilisateurs est l’expérience fonctionnelle personnalisée et personnalisée de son produit de base.
Cette capacité de connexion et d’intégration permet de s’assurer que le contenu généré est plus aligné sur les besoins commerciaux et les réglementations de l’entreprise.
De même, nous pouvons également voir ce type de « personnalisation » dans d’autres applications d’assistant d’IA.
Par exemple, les applications d’IA Otte.AI qui se concentrent sur la transcription vocale peuvent fournir des analyses et des suggestions basées sur différentes conversations vocales.
En plus de Otte.AI, RewindAI est également un exemple de la façon dont la personnalisation gagne. La fonction principale de RewindAI est de fournir une sorte de capacité d'"assistant de mémoire ».
Rewind est capable d’enregistrer automatiquement toutes les informations sur le téléphone ou l’ordinateur avec le consentement de l’utilisateur, et prend en charge l’examen, la récupération et le résumé.
Tout cela montre l’omniprésence de la personnalisation dans les applications actuelles d’assistant d’IA. Ce type de comportement « sur mesure » pour les utilisateurs augmente sans aucun doute subtilement l’adhérence et le temps d’utilisation des utilisateurs. De plus, la personnalisation signifie également « des milliers de personnes », ce qui élargira considérablement la portée de l’application, et le plafond de l’échelle de l’utilisateur sera plus élevé.
**2 Où sont les obstacles ? **
En plus de la personnalisation, les plus grands sommets stratégiques des assistants d’IA sont les barrières de données propriétaires qu’ils créent dans une interaction continue.
À l’ère de l’Internet mobile, Baidu, Tencent, Google et Amazon n’ont pas accordé autant d’attention et d’utilisation des données qu’ils le font aujourd’hui.
À cette époque, aux yeux de divers géants, seuls les utilisateurs et le trafic étaient les plus critiques, et celui qui pouvait brûler plus d’argent et encercler plus d’utilisateurs serait en mesure de former un effet d’échelle plus important.
Selon la logique cruelle selon laquelle le trafic est roi et l’échelle reine, l’ensemble du marché est un jeu à somme nulle, et l’augmentation du nombre d’utilisateurs sur la plate-forme A signifie souvent une diminution du nombre d’utilisateurs sur la plate-forme B.
Lorsque tout le monde est impliqué dans les applications, les fonctions et le contenu, il sera difficile pour toute la logique Internet de se poursuivre.
L’avènement des assistants IA a inversé la tendance pour le mieux.
En ajustant et en optimisant les données de comportement des utilisateurs en temps réel, l’assistant IA peut accumuler en permanence des données propriétaires uniques pour chaque utilisateur.
Les différences et la diversité des individus humains déterminent que les pistes construites sur des données propriétaires ne seront pas des jeux à somme nulle, encombrés et involués.
Parce que les utilisateurs ciblés par les assistants d’IA sont des « individus » spécifiques ou des entreprises composées d’individus différents, plutôt que quelques étiquettes et groupes étendus abstraits par des algorithmes.
Par rapport aux assistants d’IA, la génération précédente de systèmes d’algorithmes s’appuyait sur un ensemble de données limité pour l’entraînement et s’appuyait souvent sur des fonctionnalités conçues par l’homme pour faire des recommandations d’algorithmes, mais ces fonctionnalités peuvent ne pas capturer pleinement la complexité et la diversité du comportement des utilisateurs.
Par exemple, si une personne est un utilisateur masculin, elle est plus susceptible de se voir recommander du contenu militaire ou politique lorsqu’elle navigue sur une application vidéo, même si l’utilisateur a à peine cliqué sur ces vidéos. Ou recommandez systématiquement des vidéos avec les mêmes hashtags.
De cette façon, les utilisateurs sont libérés des étiquettes brutes et générales et deviennent des individus « uniques ».
Même si certains assistants d’IA se chevauchent dans leurs fonctions, en raison de l’existence de données propriétaires, les utilisateurs s’habitueront progressivement et s’adapteront aux assistants d’IA qu’ils utilisent depuis longtemps grâce à l’optimisation et au retour d’expérience, et ne passeront pas facilement à d’autres applications.
Par conséquent, les start-ups d’IA construites sur ces données propriétaires auront également une plus grande vitalité.
3 défis possibles
Étant donné que les assistants d’IA sont si prometteurs et prometteurs, quels sont les défis ou les problèmes qu’ils peuvent rencontrer ?
En ce qui concerne ce point, on peut dire que l’ancienne licorne IA Jasper a utilisé sa propre expérience douloureuse comme un « matériel pédagogique négatif ».
Dès 2022, Jasper a accumulé 1 million d’utilisateurs, et en octobre de la même année, Jasper a reçu un tour de financement de série A de 125 millions de dollars dirigé par Insight Partners, et sa valorisation a également atteint 1,5 milliard de dollars, ce qui en fait une licorne.
Cependant, les bons moments ont été de courte durée et, en février, Jasper, qui s’attendait à un chiffre d’affaires annuel de 140 millions de dollars, a réduit ses prévisions de 30 % pour l’été, puis a commencé à licencier en juillet.
Récemment, Jasper a abaissé de 20 % la valorisation de ses actions destinées aux employés.
Auparavant, lorsqu’ils analysaient les raisons de l’échec des assistants d’IA comme Jasper, de nombreuses personnes attribuaient toujours le nœud au manque de modèles propriétaires.
Après tout, jusqu’à présent, Jasper utilise toujours l’interface API de ChatGPT, qui est une véritable application « shell ».
En raison de l’absence de modèles propriétaires, il est impossible d’accéder directement aux données des utilisateurs et de les analyser, et il est difficile d’analyser les données des utilisateurs, ce qui rend difficile la mise en place d’ajustements et d’optimisations ciblés.
Dans ce cas, les assistants d’IA comme Jasper, qui n’ont pas de modèles propriétaires, peuvent-ils trouver leur propre créneau ?
Comme mentionné précédemment, bien que l’un des principaux avantages des assistants IA soit leur fonction de personnalisation personnalisée, cette personnalisation est également divisée en personnalisation passive et personnalisation active.
La personnalisation passive fait référence à un type d’assistant d’IA qui collecte et analyse automatiquement des données et effectue un apprentissage adaptatif sans paramètres utilisateur.
C’est le cas par exemple du Pi développé par Inflection AI, ainsi que du Rewind.AI susmentionné.
La personnalisation active fait référence au type d’assistant IA qui oblige les utilisateurs à configurer et à personnaliser de manière indépendante en fonction de leurs propres besoins et préférences.
Pour les assistants d’IA qui sont open source ou qui utilisent des modèles tiers, la voie personnalisée proactive est évidemment une meilleure alternative en l’absence de données propriétaires.
Par exemple, Polyglot est un client de plateforme de formation à l’oral basé sur l’IA open source qui aide les utilisateurs à pratiquer leurs compétences orales dans plusieurs langues. Polyglot utilise la technologie de l’IA pour fournir aux utilisateurs des suggestions et des commentaires personnalisés en matière de formation à l’oral.
Les utilisateurs peuvent choisir la langue et la difficulté d’entraînement appropriées en fonction de leurs besoins et de leur niveau.
Un autre exemple, plus évident, est le Poe.AI bien connu.
Dans cette application, qui ressemble presque à un grand modèle d’App Store, les utilisateurs peuvent personnaliser activement des chatbots IA avec des personnalités, des identités et des fonctions différentes en fonction de leurs différents besoins, afin que l’IA soit plus personnalisée et plus conforme à leurs propres attentes.
4 Résumé
S’il y a une chose à propos de la plus grande valeur commerciale des assistants IA, c’est qu’il s’agit d’un aperçu du « moment iPhone » de l’intelligence artificielle.
Depuis l’essor de la vague actuelle de l’IA, d’innombrables entreprises, capital-risqueurs ou investisseurs ont réfléchi et recherché le « moment iPhone » de l’IA. Et si nous regardons en arrière dans le passé, nous constaterons que les conditions pour la réalisation de ce genre de « moment iPhone », l’assistant IA ont été préparées pour huit ou neuf.
En 2007, Apple a lancé l’iPhone 1 révolutionnaire, qui intégrait de multiples fonctions telles qu’un écran tactile, un appareil photo, un lecteur de musique, un navigateur Web, etc., changeant la façon dont les gens communiquent, se divertissent, vivent et travaillent, et inaugurant une nouvelle ère de l’Internet mobile.
Ce qui va au-delà de l’iPhone de l’année, c’est que l’assistant IA actuel peut non seulement améliorer la relation entre lui-même et l’utilisateur grâce à un apprentissage et une évolution continus, mais aussi la camaraderie humanisée et les fonctions émotionnelles de certains assistants AI le font dépasser le cadre d’un outil et devenir un « compagnon intelligent » inséparable avec l’utilisateur.
Si, après la fermentation et le retour d’expérience du marché, une entreprise ambitieuse franchit une étape clé, alors un « maître de l’ensemble » qui intègre les forces de tous les assistants IA précédents verra le jour.
C’est à ce moment-là que le « moment iPhone » de l’IA arrive vraiment.