Der er ofte forvirring mellem kunstig intelligens (AI) og maskinlæring (ML), men der er forskelle.
AI er for eksempel en bred beskrivelse af kategorien af teknologier, der muliggør simulering af menneskelignende egenskaber i maskiner.
Maskinlæring er i mellemtiden en delmængde af AI. Det involverer generelt behandling af store mængder data, som derefter anvendes til algoritmer. Ved at gøre dette gør ML det muligt for et computersystem at genkende objekter, forudsige hvornår en maskine fejler eller endda køre bil. Med andre ord giver det systemer mulighed for at lære og træffe valg med lidt menneskelig interaktion.
Overvej, at maskinlæring ikke er nyt. Rødderne til denne teknologi går tilbage til 1950'erne, hvor den blev udviklet til at hjælpe med ting som at spille skak.
Men det var først i det seneste årti, at maskinlæring er blevet transformativ. Nogle af årsagerne til dette inkluderer udviklingen af nye teorier som deep learning – som er en delmængde af ML – såvel som eksplosionen af data og væksten i cloud computing.
Så hvor stor er denne mulighed for maskinlæringsaktier?
Det er bestemt massivt. Ifølge International Data Corporation (IDC) forventes verdensomspændende udgifter til AI-teknologier at se en femårig sammensat årlig vækstrate (CAGR) på 17,4 % i 2024, med en omsætning på 554,3 milliarder USD.
Når det er sagt, er her fem maskinlæringsaktier, der kunne drage fordel af betydelig vækst på det globale AI-marked.
Maskinlæring har været en central del af fokus for Alphabet (GOOGL, $2.347,58) siden dets tidlige dage. Husk, at den originale PageRank – som gjorde det muligt effektivt at søge på websider i skala – var baseret på sofistikerede algoritmer.
Men GOOGLs investeringer i maskinlæring er accelereret i løbet af det sidste årti. Alphabet har ombygget sin infrastruktur, ansat tusindvis af dataforskere og foretaget et utal af opkøb.
I 2017 sagde Alphabets administrerende direktør Sundar Pichai, at teknologigigantens investeringer i maskinlæring "drev innovationer på tværs af Google", og at han var tilfreds med, hvordan de gik over til en "AI-first-virksomhed."
Teknologien har været afgørende for mange af dens applikationer, såsom for at optimere annoncemålretning, forsyne sprogoversættelsessystemet og give mulighed for Google Assistant. Machine learning er også blevet en nøgle til at bygge sin cloud-platform.
Alphabet skabte en af de første udviklingsplatforme for kunstig intelligens, kaldet TensorFlow. Virksomheden åbnede softwarebiblioteket til maskinlæring i 2015, hvilket var med til at gøre det til en global standard. Nogle af dets marquee-kunder omfatter Intel (INTC), General Electric (GE) og Coca-Cola (KO).
Alphabet er naturligvis også en af de førende inden for udvikling af selvkørende biler. Kernen i dette er Waymo-afdelingen, som rejste 3 milliarder dollars i kapital sidste år. Buzzen er, at denne division af GOOGL vil blive udskilt i en børsintroduktion (IPO) inden for de næste år eller to, hvilket kunne være en god værdidriver for virksomheden.
Det er bestemt umagen værd at holde øje med denne maskinlæringsaktie fremad.
Grundlagt i 1993, Nvidia (NVDA, $678,79) er pioneren inden for GPU'er (grafikbehandlingsenheder) til mere kraftfulde spiloplevelser. Dette blev muliggjort af sofistikeret parallel behandling af store mængder data.
Alligevel er GPU'er blevet de vigtigste computerplatforme for dataforskere til at skabe maskinlæringsmodeller. Som følge heraf har Nvidia oplevet betydelig vækst i sin datacenterforretning.
Bemærk, at dens A100-chip er blevet et must-have for hyperskala og store cloud-kunder. Det giver mulighed for både AI-træning og inferens ved høje hastigheder - selvom markedsadoptionen stadig er i de tidlige stadier.
Nu er det rigtigt, at NVDAs selvkørende bildivision har oplevet hakkende vækst, men virksomheden har en avanceret platform, der begynder at få buy-in fra store kunder som Nio (NIO), SAIC (SAIC), Li Auto (LI) ), Zoox, Mercedes-Benz og Xpeng (XPEV).
For at styrke sin dominerende position med AI-baserede chipsystemer har Nvidia gjort et modigt spil for at erhverve den britiske chipdesigner Arm for 40 milliarder dollars. Dette vil hjælpe NVDA med at trænge ind i kategorier som Internet of Things (IoT), smartphones og edge computing.
Så var der købet af Mellanox, som er en udvikler af avancerede netværkssystemer. M&A-aftalen vil være med til at booste Nvidias datacenterforretning.
Som følge heraf er maskinlæringsaktiens vækst forblevet imponerende. I det seneste kvartal steg NVDA-indtægterne med 84 % år-til-år til rekordhøje 5,7 milliarder USD, mens den justerede indtjening mere end fordobledes og nåede frem til 3,66 USD per aktie.
Kvalitetsdata er afgørende for effektiv maskinlæring, men dette er ikke en nem proces.
For store virksomheder er data fragmenteret på tværs af siloer. Derudover er der de nagende problemer med at rydde op i datasæt, som for det meste normalt er ustrukturerede. Hvad mere er, traditionelle databaser – såsom dem fra Oracle (ORCL) – blev ikke bygget til maskinlæringsbrug, som normalt er ret dyre.
Så hvad skal man gøre?
Nå, skyen har været en måde at hjælpe med at afbøde disse problemer, og en af lederne i kategorien er Snefnug (SNOW, $238,43). Virksomheden har bygget en cloud-native platform, der gør det nemt at spin-up databaser. Der er også fordelene ved tilsyneladende uendelig skala, et stort antal integrationer og indbyggede systemer til maskinlæring.
BlackRock (BLK), som er en af verdens største pengeforvaltere, er kunde hos Snowflake. Firmaet har et system kaldet Aladdin, som bruges til at hjælpe med at forudsige og optimere porteføljer. SNOW har også været vigtig for at integrere ikke-Aladdin-datakilder, hvilket har givet mulighed for bemærkelsesværdige stigninger i ydeevne og investeringsresultater.
Og ja, det er rigtigt, at maskinlæringsaktien har kæmpet på hitlisterne i år. Men uden for hitlisterne er Snowflake en af de hurtigst voksende virksomhedssoftwarevirksomheder.
I dets første kvartal steg produktomsætningen med 110 % år-til-år, og nettoomsætningsfastholdelsesraten steg med imponerende 168 %. Der er også 104 SNOW-kunder, der genererer indtægter på mere end $1 million på årsbasis.
Grundlagt i 2015, Lemonade (LMND, $96,88) er et forsikringsselskab, der er bygget på et maskinlæringsgrundlag. Virksomheden tilbyder i øjeblikket policer til husejere, lejere, kæledyr og livsforsikringer.
Lemonade har tre hoveddele. Der er AI Maya, som er en virtuel assistent, der indsamler oplysninger fra kunder, giver tilbud og administrerer betalinger.
Så er der AI Jim, som er en bot, der håndterer forsikringsskader, og som har været i stand til fuldstændig at automatisere en tredjedel af dem. Og for de påstande, der har brug for et menneske, er processen meget lettere, da AI Jim har udført meget af de tunge løft.
Endelig har Lemonade CX.AI. Dette er et system til at håndtere rutinemæssige kundespørgsmål.
Med disse teknologier har Lemonade fået masser af trækkraft hos yngre generationer. Dette er bestemt et svært marked at nå – men det kan være afgørende for langsigtet vækst.
Det er rigtigt, at denne maskinlæringsaktie ikke er billig, med en værdiansættelse til en heftig 5,9 milliarder dollars, men markedsmuligheden er enorm. Når alt kommer til alt, bevæger Lemonade sig nu ind i det lukrative bilforsikringssegment, som anslås at indbringe omkring 300 milliarder dollars i præmier i USA i år.
Mens flere og flere virksomheder har investeret i maskinlæringsprojekter, har resultaterne ofte været langt fra opmuntrende. Det er almindeligt, at disse ideer ikke strækker sig ud over proof-of-concept-stadiet af flere årsager, herunder kompleksiteten af algoritmer, udfordringerne med data og problemerne med at rekruttere dataforskere.
På grund af dette vil virksomheder stole på hjælp fra konsulentfirmaer – og en af de førende på dette marked er Accenture (ACN, $279,63). Virksomheden har en blomstrende AI-praksis, og den er blevet en vigtig kilde til vækst.
Virksomhedens omfang er bestemt en vigtig faktor i dets lederskab, da Accenture har en arbejdsstyrke på 537.000 og aktiviteter, der spænder over hele kloden. Virksomheden har også erfaring på tværs af de fleste brancher.
Som et eksempel på, hvordan ACN forbedrer maskinlæringsmuligheder for virksomheder, blev det benyttet af det britiske telekommunikationsfirma Vodafone (VOD) for at hjælpe med at øge kundeservicen.
Accenture udviklede et system til at dirigere kundeopkald til de mest passende kanaler til at håndtere deres problemer. Det virker også til at forudsige, hvornår kunderne er mest tilbøjelige til at ringe, og vil udsende proaktive beskeder for at prøve at løse problemer på forhånd. Dette har været med til at reducere VOD's indgående opkald med 1,5 millioner og øge brugen af digitale kanaler med 26 %
Mens Accenture oplevede en afmatning i væksten under COVID-19-pandemien, har virksomheden været i stand til at komme tilbage på sporet.
I det seneste kvartal steg omsætningen med 8% år-til-år til $12,1 milliarder, og justeret overskud steg 10% til $2,03 pr. aktie. Og det nuværende kvartal forventes at se en omsætningsvækst på 10% til 13%.