Інвестиції українського фонду в українські стартапи: по $200 000 від львівського Angel One в два сервіси:
- Rozmova – платформа пошуку перевірених психотерапевтів
- GO TO-U – операційна SaaS-система для управління та монетизації інфраструктури зарядки електромобілів (EV)

Відзначу, що блабла про інновації традиційно транслюють багато українських університетів. І лише при УКУ діє венчурний фонд, який реально інвестує в стартапи (не обмежуючись фаундерами-студентами). Спілкувався з його керівником, дуже активна і конструктивно налаштована людина. Там і акселератори для стартапів проходять, і окремі професійні і нетворкінг івенти. Гарний приклад для інших ВНЗ.

Всього за 2 квартал пов'язані з Україною стартапи залучили $35 млн фінансування. З них $22 млн — Fintech Farm. Про деякі інші помітні угоди писав раніше.

Щоб зрозуміти, наскільки це мало, статистика для порівняння (via Dealroom): стартапи з Європи залучили за цей час $16 млрд, з США — $35 млрд.

Цікавий список зібрали в Forbes — 250 перспективних українських компаній. Без гігантів, тех-компаній та філіалів міжнародних компаній, фокус саме на малий та середній бізнес. Єдиний мінус — мало інформації про більшість компаній, лише оцінка виручки і кілька речень.

Наприклад, пастилки Bob Snail (виторг 720 млн грн), мережа Експрес Стрижка (283 млн), DOU/Djinni (159 млн), модні бренди Etnodim (75 млн) та Gunia Project (14 млн), прокат авто Getmancar (88 млн), онлайн-інститут Projector (90-120 млн), курси програмування GoIT (200-400 млн), виробник одягу Goldi (735 млн; українські виробники сильно виросли в цьому сегменті після виходу міжнародних мереж Zara/Bershka/H&M), виробник тактичного одягу M-TAC (600-650 млн), мережа кафе Idealist (149 млн), спортивні мережі Smartass (65 млн) та hiitworks (28 млн), агентства з digital-маркетингу Netpeak (611 млн) та Promodo (312 млн), а також виробники солодощів, кераміки, книг, пива, іграшок, пакування, меблів, пакетів, косметики... Безліч перспективних українських компаній, про які ви навіть не чули, або ж чули, але не знали деталей. Раджу ознайомитись!

У серпні 2016 року Facebook запустив Stories — формат тимчасових фото/відео, який став успішним в Snapchat. За 2,5 роки Stories в Instagram переглядали 500 млн користувачів щодня — в рази більше, ніж в Snapchat.

У лютому 2022 року Facebook запустив Reels — формат коротких відео, який став успішним в TikTok. Через півроку аудиторія Reels складала 700 млн в Facebook і 760 млн в Instagram.

Вчора Facebook запустив Threads — сервіс для коротких публікацій, аналог Twitter. Всього лише за добу до нього приєднались 30 млн користувачів. Це робить Threads найбільш швидко зростаючим онлайн-сервісом після ChatGPT.

Не варто недооцінювати силу дистрибуції Meta. Ви можете сміятись з хайпу навколо клона Twitter, але з сторіз і рілзів теж спочатку сміялись. Зрештою, давайте подивимось, скільки людей будуть там сидіти через півроку-рік, накручуючи перегляди рекламним оголошенням від Meta.

Twitter припинив зростати у 2022 році, досягнувши 368 млн активних користувачів. Аналітики очікують, що за 2023-24 їх кількість впаде на 32 млн (-9%). З платформи ідуть найактивніші користувачі та рекламодавці. Виручка компанії від реклами на ключовому ринку США за квітень впала на 59% порівняно з минулим роком.

Цукерберг не вперше під'їдає ланч конкурентів. А зараз, мабуть, кращий таймінг для удару по Twitter.

📉 Тим часом ChatGPT припинив зростати: пік відвідувань був в травні (сервіс запустили в листопаді).

Я б це описав як "награлись". Хто хотів спробувати ці інструменти, той уже спробував і зрозумів, як інтегрувати їх в свою роботу. Чи то у вигляді ChatGPT, чи Bing AI, чи інших інструментів та плагінів.

Далі ця інтеграція буде ставати ще зручнішою і місцями фоновою (як Gmail і Outlook генерують короткі відповіді на листи), буде більше інструментів для різних юзкейсів (робота з таблицями, даними, різними специфічними задачами), і в результаті продуктивність користувачів буде зростати. Ну крім тих, хто все робить по старинці, без оцих ваших хайпових чатів.

Для прикладу, в плагін Code Interpreter можна просто передати набір даних, написати "Знайди тут інсайти, зроби гарну візуалізацію" і отримати гарний результат. Подібний UX уже з'явився в Salesforce і ще з'явиться у багатьох сервісах для бізнесу та аналізу.

А підштовхнув цей бум продуктивності перший масовий продукт — ChatGPT, за що його розробникам подяка.

Розібрали в подкасті надважливу і цікаву тему: війну чіпів. А саме:
- як Тайвань лідирує у виробництві сучасних напівпровідників (TSMC виробляє 60% сучасних чіпів) і як загроза агресії з боку Китаю змушує світових виробників техніки шукати чіпи поближче до виробництва;
- як Радянський Союз програв гонку комп'ютерних озброєнь;
- як пандемія та російське вторгення вплинули на ланцюги постачання чіпів, зокрема R&D директор Ajax розповів, як компанія працює з провідним європейським виробником чіпів ST;
- як російська військова промисловість продовжує імпортувати залізо попри санкції - обговорюємо розслідування Reuters про імпорт мікроелектроніки через підставних осіб росіян.

Слухайте, ставте лайки і діліться з друзями — це допомагає нам знайти нову аудиторію!

YouTube / Apple

Окремо відзначу наш екскурс в історію. Коли я навчався на кафедрі обчислювальної техніки в КПІ, деякі викладачі розповідали історії з сивої давнини. Хтось працював з самим Глушковим, хтось працював на кафедрі від її заснування — з 1961 року, хтось застав ще ЕОМ на перфокартах. З сумом розповідали і про те, як після років безуспішної гонки в розробці процесорів радянські інженери визнали, що не можуть тягатись з американцями і почали просто копіювати їх архітектуру.

Чому ж так вийшло? Не через те, що там були якісь особливі інженери, а тут погані. З мізками тут все було ок. Проблема була в системі. Не можна збудувати Кремнієву долину в концтаборі. Не так працює економіка інновацій. В плановій економіці викривлені мотивації — якщо в Каліфорнії ти міг стати мільйонером завдяки своїй інноваційній розробці, то в Києві чи Москві — що, отримати премію до зарплати? Чи грамоту від партії? Та і користь від впровадження комп'ютерів набагато швидше проявлялась в ринковій економіці США, ніж в закритій економіці СРСР, де комп'ютери на підприємствах і у населення були за великим рахунком відсутні.

Глушков вважав, що можна додати до планової економіки комп'ютери, і система стане ефективною. Життя показало, що система в принципі була нежиттєздатною, бо грунтувалась на неправильних принципах. І програш у війні процесорів — яскравий доказ цього.

P.S. Ось класна лекція письменника Гліба Гусєва на цю тему, рекомендую.

🏝 Хто виграв від хайпу навколо штучного інтелекту? Мешканці острову Ангілья, що знаходиться в Карибському морі.

Уряду Ангільї належить доменний простір .ai, популярний серед ШІ-проектів. Вартість реєстрації сайту в цьому красивому домені складає $140 на два роки. Кількість адрес в домені .ai за останні півроку — тобто після запуску ChatGPT — зросла на 70% і досягла майже 250 тисяч. Це $17 млн надходжень до бюджету щороку, що складає 6% ВВП Ангільї. Непогано, як для острову площею 90 кв.км з населенням 15 тисяч.

До речі, ще один острів, якому пощастило з доменом — полінезійська країна Тувалу, яка теж заробляє на доменах .tv близько 6% ВВП.

📈 Аналітики очікують, що в цьому кварталі бульбашка tech stocks, які тягнули весь ринок, почне здуватись — компанії не виправдають очікувань ринку по прибуткам, а облікова ставка буде підійматись.

Нещодавно якраз робив груповий проект з трейдингу на курсі Corporate Finance в КШЕ. Треба було зібрати портфель з акцій різних компаній, місяць трейдити, потім проаналізувати результат і зробити висновки. Я запропонував просту стратегію — купувати акції топ-5 тех-компаній, які тягнуть весь індекс S&P — NVIDIA, Microsoft, Alphabet, Apple, Amazon. Так і вийшло — за місяць все зросло разом з ринком, бо якраз за рахунок цих компаній і ріс ринок. Одна лише NVIDIA зросла на 42% 🤯

Поділюсь своїми висновками з проекту.

В коментарях пішла дискусія про (не питайте) intrinsic value криптовалют. Як взагалі можна оцінити 'чесну вартість' компанії або окремого активу?

Поділюсь тематичним відео від одного з моїх улюблених інфлюенсерів — Асвата Дамодарана. Культовий професор. 40 років викладає Corporate Finance та Valuation в NYU. Всі лекції публікує безкоштовно на своєму ютубі. Автор класичних книг з корпоративних фінансів та оцінки компаній. У нас на одному з курсів було питання на іспиті — Who is professor Damodaran? Professor Damodaran is a guru of finance!

У Дамодарана унікальний талант — доступно і захоплююче розповідати про складні речі. Це якийсь новий рівень у викладанні, академічний стендап. Ось його лекція 2015 року про оцінку компаній — на чому вона грунтується і чим відрізняється від прайсингу. Дамодаран іронізує з інвестбанкірів і загальноприйнятих методів оцінювання, показує абсурдність оцінки соціальних мереж, зокрема Twitter.

На каналі можна знайти його розбори більш актуальних тем — наприклад, зростання NVIDIA, скандал із шортселлінгом бізнес-імперії індійського магната Адані, розбори бізнесу Meta, Tesla і просто купу класних лекцій з корпоративних фінансів. Enjoy!

Непогана інструкція до того, як робити "мегапромпти" — деталізовані структуровані запити в LLM, які дозволяють вирішувати складніші задачі.

Приклад такого "мегапромпта". Контекст звісно треба замінити на свій, але зацініть структуру 🤓

📊 Здається, перша соціологія на тему використання ШІ в Україні.

64% не використовують ChatGPT 😳

Якщо ви користуєтесь LLM для роботи, ви в топ 9% просунутих українців 🤓

Дослідження науковців зі Стенфорду показало, що GPT-детектори дискримінують людей, для яких англійська не є рідною. Вони мають бідніший словниковий запас і використовують прості формулювання, тому GPT-детектори інтерпретують їх текст як занадто передбачуваний, а значить — згенерований машиною.

Забавно, що детектор легко обманути за допомогою GPT, додавши тексту "кучерявості" промптом на кшталт ‘‘Elevate the provided text by employing literary language’’.

Мене зацікавила ця новина, тому що у нас в КШЕ деякі викладачі перевіряли курсові роботи через ZeroGPT, і якщо він видавав більше 20%, просили переписати (незалежні тести показали, що він може видавати 20% false positives). Бачив, як студентка LSE писала про їх політику щодо GPT — там ти маєш принаймні вказати в роботі, чи використовував GPT і в якій мірі. Деякі університети повністю забороняють використання GPT. В Гарварді розробили чатбота на основі GPT, який допомагатиме студентам вивчати культовий курс CS50. Викладач бізнес-школи Уортон Етан Моллік зробив використання ШІ обов'язковим для студентів — ось тут він розповідає про цей досвід та показує цікаві юзкейси.

Мені здається, це єдиний правильний підхід — виходити з того, що студенти будуть використовувати GPT. І адаптовувати програму і завдання з урахуванням цього. В кожному сучасному університеті має бути AI policy.

А як ви використовуєте GPT в навчанні? Яка політика у вашого університету щодо цього? Діліться.

Ще один багатообіцяючий тренд в ШІ — збільшення пам'яті моделей.

Наприклад, нова модель від Anthropic може обробляти 100к токенів. Якщо в ChatGPT ви можете закинути промпт на 3000 слів, то в Claude 2 — на 75 000 слів. Тобто цілий документ, базу даних, книгу — що завгодно.

Anthropic заснували двоє виходців з OpenAI, з березня залучили $750 млн фінансування — писав про це. Зараз мають оцінку $4,1 млрд.

⚙️ Тут можна протестувати різні мовні моделі, в тому числі найновішу Claude 2 і GPT-4 — poe.com

Або ж на сайті https://claude.ai/ (наразі доступ відкритий для US та UK)

Ще одна версія, чому трафік на ChatGPT спадає: літо → школярі і студенти не чітять через ChatGPT → спад трафіка → (поганий знак для ChatGPT, якщо така значна група його користувачів — школярі і студенти).

А я думаю, що у OpenAI все ок. Вони запустили API і будуть заробляти на ньому, продаючи доступ до своєї технології розробникам і компаніям. Інтерфейс ChatGPT виявився революційним і підштовхнув інші компанії до розробки своїх LLM-продуктів. Але набагато більше цінності LLM можуть принести, коли вони вбудовані в існуючі сервіси — пошту, документи, електронні таблиці, CRM... Тому не варто надавати великого значення трафіку на веб-інтерфейс ChatGPT. Основна цінність буде створена через його API.

Що буде, якщо навчати генеративну нейромережу на зображеннях, згенерованих нею самою? Вона буде деградувати з кожною ітерацією, і тим швидше, чим менше свіжих даних буде в навчальному датасеті. Ось дослідження про це. Актуальна тема, адже в інтернет щодня уже завантажується безліч згенерованих зображень, які потім скачуються і використовуються для навчання нових моделей.