🔍 Поиск готовых работ

🔍 Поиск работ

ИССЛЕДОВАНИЕ ТРЕНДОВ И БАРЬЕРОВ В ДЕЯТЕЛЬНОСТИ СТАРТАПОВ В ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Работа №135956

Тип работы

Бакалаврская работа

Предмет

менеджмент

Объем работы99
Год сдачи2023
Стоимость4260 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
219
Не подходит работа?

Узнай цену на написание


Введение 6
Актуальность работы 7
Обобщенная управленческая проблема 9
Цели исследовательской работы, метаданные 10
Глава 1. Теория сферы исследования 12
1.1. Основные определения 12
1.1.1. Искусственный интеллект 12
1.1.2. Технологические стартапы 23
1.1.3. Взаимосвязь инноваций и технологического предпринимательства 29
1.2. Релевантные исследования 36
1.2.1. Модель анализа характеристик стартапа и его сетевой активности 36
1.2.2. Изучение ценности искусственного интеллекта 40
1.3. Методы исследования и основные гипотезы 42
Глава 2. Исследование характеристик отрасли и инвестиций в ней 43
2.1. Исследование ключевых макропоказателей отрасли ИИ 43
2.2. Драйверы роста и особенности рынка ИИ 49
2.2.1. Влияние пандемии COVID-19 на развитие ИИ 49
2.2.2. Облачные вычисления и Multi-Cloud 50
2.2.3. Развитие глубокого обучения 50
2.2.4. Увеличение спроса на коммуникативный искусственный интеллект 50
2.2.5. Новые возможности в сфере аппаратных средств и сетевого соединения 51
2.3. Ключевые игроки отрасли 54
2.3.1. Крупные отраслевые игроки 54
2.3.2. Влиятельные стартапы 55
2.4. PESTEL-анализ 56
2.4.1. Политические факторы 56
2.4.2. Экономические факторы 57
2.4.3. Факторы социального влияния 59
2.4.4. Технологические факторы 60
2.4.5. Экологические факторы 62
2.4.6. Юридические факторы 63
2.5. Анализ пяти сил конкуренции Портера 64
2.5.1. Сила поставщиков 64
2.5.2. Сила потребителей 65
2.5.3. Внутриотраслевая конкуренция 65
2.5.4. Угроза новых игроков 65
2.5.5. Угроза заменителей 66
2.6. Процесс инвестирования в технологические стартапы 66
2.6.1. Способы проведения венчурного финансирования 66
2.6.2. Этапы проведения инвестиционной сделки 67
2.6.3. Критерии инвестирования в ИИ-стартап 70
Глава 3. Анализ трендов и барьеров для стартапов-разработчиков ИИ 72
3.1. Бизнес-модели стартапов 72
3.1.1. Сферы разработки продуктов для ИИ-стартапов 72
3.1.2. Распространенные масштабируемые модели предоставления услуг ИИ-стартапами 73
3.2. Анализ отраслевых тенденций для ИИ-стартапов 73
3.2.1. Драйверы развития технологии 75
3.2.2. Развитие DeepReasoning 78
3.2.3. SmallData 79
3.2.5. Улучшение метода UnsupervisedLearning 79
3.2.6. Эффективные алгоритмы и новые аппаратные мощности для ИИ 80
3.2.7. ConversationalAI и ExplainableAI 80
3.3. Барьеры в деятельности ИИ-стартапов 81
3.3.1. Ограниченное количество экспертов в области 81
3.3.2. Стоимость внедрения 81
3.3.3. Недостатки процесса 82
3.3.4. Кибербезопасность 83
3.3.5. Низкое качество данных 83
3.4. Описание и проверка статистических гипотез 84
Заключение 89
Список источников 91
Приложение 1 99



С момента изобретения компьютерных устройств спектр их задач расширился с произведения базовых вычислительных действий до полуавтономного управления транспортом, создания комплексных симуляций, работы с аудиальным вводом и выводом, распознавания изображений и даже до написания кода на основе предиктивных моделей обработки естественного языка. Многие из этих задач выполняются на основе программных комплексов, задуманных и спроектированных разработчиками и учеными как системы, способные к многосторонней обработке разнообразных данных, на основе которых они были бы способны прогнозировать результат или принимать решения подобно человеку –обычно системы с такими свойствами обобщенно называют термином «искусственный интеллект». В настоящее время невозможно недооценить значение искусственного интеллекта как технологии в масштабе всего человечества. Программные и инженерные решения на его базе применяются в широком спектре сфер деятельности человека: здравоохранении, транспортных технологиях, промышленном производстве, робототехнике, правоохранительных органах, электронном документообороте, лингвистике, создании других интеллектуальных сетей и систем (например, технологии интернета вещей) – и это лишь некоторые примеры, в которых ИИ способен осуществлять работу на сегодняшний день. Многие организации, занимающиеся изучением и созданием искусственного интеллекта, стремятся привести его к идеальной форме «независимого мыслящего агента», более реалистичной и продуктивной представляется такая его версия в рамках конкретного поля задач, которая будет содействовать человеку, дополняя слабые стороны в его работе, подобно тому как реализован алгоритм обнаружения раковых клеток, созданный командой исследователей на основе сверточной нейронной сети (CNN ), способной решать задачи по распознаванию изображений: после объединения результатов работы программного комплекса и специалиста-патолога суммарная точность прогнозов (классификация клеток как злокачественных) составила 99,5% .
Несмотря на то, что искусственный интеллект является важной технологической составляющей многих программных продуктов, процесс работы над созданием алгоритмов и кода, архитектуры продукта, его оптимизацией и доведением до финального состояния с учетом специфики работы на стороне заказчика является достаточно неоднородным процессом для различных организаций. Стартапы сталкиваются с большим количеством трудно прогнозируемых внешних и внутренних рисков, при этом многообразие путей развития продукта или технологии, применяемых методов обработки данных и «принятия решений», и способов реализации и продвижения лишь увеличивают сложность стратегического и тактического планирования и процесса разработки, что приводит нас к определению актуальности и управленческой проблемы исследования.
Актуальность работы
В настоящее время определение дальнейших направлений развития искусственного интеллекта является приоритетной задачей для вновь возникающих стартапов, стремящихся разработать продукт для незанятой ниши с целью обеспечения конкурентного преимущества, при этом технология является одной из наиболее важных для современного бизнеса и науки. Компаниям приходится принимать решения о стратегии развития в условиях крайне ограниченных финансовых ресурсов, давления инвесторов и отсутствия большого штата разработчиков, при этом отдельно взятое ядро их продукта – искусственный интеллект и нейронные сети – не является конечным результатом их деятельности и должно быть скомбинировано с другими функциями и интерфейсами для того, чтобы представлять полноценный программно-аппаратный комплекс, доступный для использования потребителем или заказчиком. В то же время влияние стартапов-разработчиков искусственного интеллекта на трансформацию привычных видов бизнеса в целом и бизнес-процессов в частности, в том числе в области менеджмента, не могло остаться незамеченным со стороны крупных инвесторов, корпораций, некоммерческих организаций и исследовательских фондов, и других внешних стейкхолдеров, заинтересованных в том, чтобы приобретать активы, связанные с ИИ, способствовать его продвижению как массовой и доступной технологии и развивать ядро его технологий как с программной точки зрения, так и в сопутствующих областях, например, с помощью квантовых вычислений. Уже в текущем виде искусственный интеллект способен не только являться технологической основой для команд и организаций, разрабатывающих программное обеспечение и инженерные комплексы, но и облегчать рутинные активности существующему бизнесу, экономя ресурсы и время для проведения аналитических работ, поиска информации, оценки элементов маркетинговой стратегии, оптимизации цепей поставок и тому подобных действий.
Выявление отраслевых тенденций и особенностей, релевантных как для компаний, создающих программное обеспечение или программно-аппаратные комплексы, не включающие в себя использование технологии искусственного интеллекта, так и для тех из них, которые специализируются на создании продуктов на базе ИИ и R&Dпроцессах в этом направлении, позволит точнее оценить как перспективы их роста, так и траекторию развития данной технологии, что может привести к появлению новых экономических и технологических возможностей, включая новые рыночные ниши. Определение барьеров, препятствующих деятельности таких стартапов, не менее приоритетно, так как позволяет рассмотреть причины, затрудняющие коммерциализацию ИИ-проектов или приводящие к их провалу, что потенциально поможет выявить способы смягчения негативных факторов и предусмотреть риски в будущем. Совокупность закономерностей позволит заинтересованным сторонам принимать более качественные управленческие решения в отношении стартапов, разрабатывающих решения на базе ИИ, в том числе точнее оценивать их экономику и технологические перспективы продукта. Дополнительно этому может способствовать изучение схожих и различающихся характеристик у стартапов-разработчиков ИИ, поскольку массовую адаптацию определенного тренда при определенных условиях можно назвать отраслевой тенденцией.
Важность исследования также подтверждают отраслевые источники, например искусственный интеллект в различных его формах (CausalAI, MachineLearning, CodeGeneration, DigitalTwinofaCustomer, GenerativeDesignAI, AutonomicSystems) представлен в отчете Gartner “HypeCycleforEmergingTech, 2022”, каждая из данных технологий в данный момент получает изначальный импульс к развитию (на графике ниже перечисленные варианты применения искусственного интеллекта и технологий машинного обучения находятся в сегменте InnovationTrigger), во многом за счет технологических стартапов и Research&Developmentподразделений крупных компаний. Специфика данной стадии в особенности располагает к изучению рыночной конъюнктуры, трендов и препятствий на пути развития организаций, поскольку пользовательский дизайн, опыт и экономическая целесообразность продуктов на основе технологий в ней подлежат проверке.
Обобщенная управленческая проблема
Стартапы, разрабатывающие решения на базе искусственного интеллекта и машинного обучения, сталкиваются с различными трудностями в ходе развития и коммерциализации своего продукта, начиная от выбора технологического стека, заканчивая проработкой бизнес-модели и обучением конечных пользователей. Анализ тенденций в области разработки искусственного интеллекта в частности и в отрасли программного обеспечения в целом, рассмотрение характеристик таких организаций и барьеров, ограничивающих их деятельность, позволит заинтересованным сторонам, лицам, принимающим решения, инвесторам точнее оценить траекторию развития стартапов в этой области для принятия дальнейших управленческих решений (например, об инвестировании) с более высокой точностью: по статистике в первый год прекращают свое существование более 20% стартапов, к десятилетнему возрасту этот показатель достигает 70%, при этом в 2019 году предстояло закрыться 63% стартапов в области информационных технологий, что представляет собой наибольшую вероятность среди всех отраслей. Кроме того, исследование основных драйверов работы стартапов, разрабатывающих ИИ, в сочетании с факторами, препятствующими их развитию, позволит определить болевые точки бизнеса для создания потенциальных рекомендаций и решений по их устранению, прогнозов или планов по дальнейшему развитию отрасли.
Изучение совокупности перечисленных болевых точек позволит инвесторам принимать более качественные решения в отношении инвестирования в перспективные стартапы на основе продуктового анализа и исследования инноваций с помощью предиктивного анализа.
Цели исследовательской работы, метаданные
Цель ВКР: изучить отраслевые и внутренние тенденции в деятельности стартапов, разрабатывающих искусственный интеллект, определить барьеры и факторы, ограничивающие их развитие.
Задачи ВКР:
1. Задать теоретический бэкграунд к понятиям искусственного интеллекта и технологического стартапа, рассмотреть релевантные исследования;
2. Собрать данные о сфере разработки искусственного интеллекта, провести анализ отрасли разработки искусственного интеллекта, опционально провести опрос бизнеса (стартапы-разработчики ИИ или стартапы, занимающиеся разработкой ПО, обладающие экспертизой в сфере создания ИИ);
3. Рассмотреть технологические, экономические и проектные тренды в отрасли разработки искусственного интеллекта;
4. Провести анализ характеристик стартапов-разработчиков ИИ для выявления закономерностей и трендов;
5. Изучить отраслевые и внутренние барьеры и факторы ограничения роста стартапов;
6. Финализировать описание взаимосвязи ключевых характеристик, трендов, барьеров и траектории развития, создать EDA (опционально).
Объект исследования: стартапы в области искусственного интеллекта.
Предмет исследования: отраслевые и собственные характеристики, влияющие на развитие стартапов в области искусственного интеллекта.
Формат работы: эмпирическое исследование.
Инструменты исследования: фреймворки проектного управления, экономический анализ и фреймворки стратегической оценки, такие как PESTEL-анализ, анализ конкурентных сил Портера и др., описательная статистика, регрессионный анализ с помощью моделей на базе Pandas и Scikit-learn (библиотеки языка программирования Python3), опционально создание EDA с помощью библиотек Python.
Методы сбора информации: изучение научной литературы, статей и профильных отраслевых интернет-ресурсов, проведение интервью с IT-стартапами, поиск открытых дата-сетов на специализированных платформах


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

В результате анализа отрасли разработки искусственного интеллекта в разрезе трендов и барьеров, актуальных для стартапов, были выявлены следующие нейтральные аспекты, тенденции и препятствия на пути развития ИИ-стартапов, которые инвесторы могут использовать для помощи в планировании и принятии решений в отношении их анализа и финансирования:
• Ключевые тенденции
o Создание генеративного искусственного интеллекта, conversationalи explanatoryИИ – перспективная сфера в течение следующих 4-5 лет;
o Стартапам, разрабатывающим ИИ
o Стартапы в области AIHardware станут более актуальными в период с 2023 по 2030 годы;
o Стартапы в области AIEntertainmentсмогут заключать выгодные M&Aв период до 2030 года в силу повышающегося спроса на прикладной генеративный искусственный интеллект;
o Перспективные рынки: ИИ в здравоохранении, ИИ в работе с клиентами, автономный транспорт, AIHardware, AIEntertainment;
o Основные бизнес-модели ИИ-стартапов по сферам: провайдер ИИ-продукта, провайдер инструмента создания или тренировки ИИ, провайдеры услуг по анализу данных, провайдер исследований в области ИИ;
o В силу наличия барьеров в будущем будет повышен спрос на ИИ-стартапы в области кибербезопасности;
• Ключевые барьеры
o Ограниченное количество экспертов в области разработки ИИ, несмотря на это статистический анализ показал незначительную разницу в привлечении с помощью финансовой мотивации;
o Стоимость внедрения ИИ решений может оказаться существенной для компаний с негибкой структурой бизнес-процессов, несмотря на потенциально выгодные M&A;
o Ограниченные возможности и недостаточность специфических отраслевых данных могут выступить серьезным препятствием как в разработке, так и в интеграции ИИ;
o Низкое качество больших данных, что выражается в их «загрязненности», отсутствии форматирования и отсутствии разметки, что может повлиять на скорость создания моделей ИИ-стартапами;
o Искусственный интеллект вредит окружающей среде, однако анализ данных может способствовать исправлению ситуации;
o Частные инвестиции в ИИ-стартапы могут снизиться в пользу инвестиционных фондов и M&Aот крупных корпораций и других стартапов;
o Информационная безопасность компаний и стран может пострадать от развития ИИ;
• Нейтральные аспекты
o Индустрия в течение нескольких лет будет опережать академические исследования;
o Последний из перечисленных барьеров порождает возможность создания сервиса по очистке данных на базе машинного обучения;
o Требуется создание новых отраслевых бенчмарков эффективности (HELM, BIG-bench).



1. Valueva M. V. et al. Application of the residue number system to reduce hardware costs of the convolutional neural network implementation //Mathematics and computers in simulation. – 2020. – Т. 177. – С. 232-243.
2. Wang D. et al. Deep learning for identifying metastatic breast cancer //arXiv preprint arXiv:1606.05718. – 2016
3. Официальный сайт исследовательской и консалтинговой компании Gartner [Электронный ресурс]. − Gartner Supply Chain Top 25 for 2023 – Режим доступа : https://www.gartner.com/en/research/methodologies/gartner-hype-cycle, свободный. – Загл. с экрана.
4. National Business Capital [Электронный ресурс]. − 2019 Small Business Failure Rate: Startup Statistics by Industry – Режим доступа : https://www.nationalbusinesscapital.com/blog/2019-small-business-failure-rate-startup-statistics-industry/, свободный. – Загл. с экрана.
5. Failory.com: A content site for startups founders [Электронный ресурс]. − Startup Failure Rate: How Many Startups Fail and Why in 2023? – Режим доступа : https://www.failory.com/blog/startup-failure-rate, свободный. – Загл. сэ крана.
6. Computer Science Department, Stanford University : John McCarthy WHAT IS ARTIFICIAL INTELLIGENCE? [Электронный ресурс] / John McCarthy // Stanford University. – 2007 Nov 12, 2:05 a.m. − Stanford, CA 94305. – Режим доступа : https://www-formal.stanford.edu/jmc/whatisai.pdf, свободный. – Загл. сэкрана.
7. Turing A. M. Computing machinery and intelligence. – Springer Netherlands, 2009. – С. 23-65.
8. Russell S., Norvig P. AI a modern approach //Learning. – 2005. – Т. 2. – №. 3. – С. 4.
9. Официальный сайт компании IBM [Электронный ресурс]. − What is artificial intelligence? – Режим доступа : https://www.ibm.com/topics/artificial-intelligence, свободный. – Загл. с экрана.
10. SAS.com: Analytics Software & Solutions [Электронный ресурс]. − How Artificial Intelligence Is Being Used – Режим доступа : https://www.sas.com/en_us/insights/analytics/what-is-artificial-intelligence.html#industries, свободный. – Загл. сэкрана.
11. The Conversation: Academic rigour, journalistic flair [Электронный ресурс]. − Understanding the four types of AI, from reactive robots to self-aware beings – Режим доступа : https://theconversation.com/understanding-the-four-types-of-ai-from-reactive-robots-to-self-aware-beings-67616, свободный. – Загл. сэкрана.
12. Coursera.org: сервис открытых онлайн-курсов [Электронный ресурс]. − 4 Types of AI: Getting to Know Artificial Intelligence – Режим доступа : https://www.coursera.org/articles/types-of-ai, свободный. – Загл. сэкрана.
13. IBM Research [Электронный ресурс]. − Deep Blue – Режим доступа : https://web.archive.org/web/20090201110741/http://www.research.ibm.com/deepblue/meet/html/d.3.html, свободный. – Загл. с экрана.
14. Cambridge University Press [Электронныйресурс]. − Does the chimpanzee have a theory of mind? – Режимдоступа : https://www.cambridge.org/core/journals/behavioral-and-brain-sciences/article/does-the-chimpanzee-have-a-theory-of-mind/1E96B02CD9850016B7C93BC6D2FEF1D0, свободный. – Загл. сэкрана.
15. Google DeepMind [Электронный ресурс]. − AlphaGo – Режим доступа : https://www.deepmind.com/research/highlighted-research/alphago, свободный. – Загл. с экрана.
16. Официальный сайт компании IBM [Электронный ресурс]. − What is natural language processing? – Режимдоступа : https://www.ibm.com/topics/natural-language-processing#:~:text=Natural%20language%20processing%20(NLP)%20refers,same%20way%20human%20beings%20can, свободный. – Загл. сэкрана.
17. Постолит А. В. Основы искусственного интеллекта в примерах на Python. Самоучитель. – СПб.: БХВ-Петербург, 2022. – 448 с.: ил. – (Самоучитель)
18. Techopedia.com: go-to tech source for professional IT insight [Электронныйресурс]. − Narrow Artificial Intelligence (Narrow AI) – Режимдоступа : https://www.techopedia.com/definition/32874/narrow-artificial-intelligence-narrow-ai#:~:text=Narrow%20artificial%20intelligence%20(narrow%20AI)%20is%20a%20specific%20type%20of,be%20applied%20to%20other%20tasks, свободный. – Загл. сэкрана.
19. Kaggle.com: Jupyter Notebooks environment [Электронный ресурс]. − MissingValues – Режим доступа : https://www.kaggle.com/code/alexisbcook/missing-values, свободный. – Загл. с экрана.
20. Mongo.DB: The developer data platform [Электронный ресурс]. − UnstructuredData – Режим доступа : https://www.mongodb.com/unstructured-data#:~:text=Unstructured%20data%20is%20information%20that,common%20types%20of%20unstructured%20content, свободный. – Загл. с экрана.
21. Kaggle.com: JupyterNotebooksenvironment [Электронный ресурс]. − HowModelsWork – Режим доступа : https://www.kaggle.com/code/dansbecker/how-models-work, свободный. – Загл. с экрана.
22. Kaggle.com: JupyterNotebooksenvironment [Электронный ресурс]. − ASingleNeuron – Режим доступа : https://www.kaggle.com/code/ryanholbrook/a-single-neuron, свободный. – Загл. с экрана.
23. Автоэнкодеры: типы архитектур и применение// Neurohive, 2018. – Режим доступа: https://neurohive.io/ru/osnovy-data-science/avtojenkoder-tipy-arhitektur-i-primenenie/(дата обращения: 11.04.2023).
24. Обучение нейросети с учителем, без учителя, с подкреплением — в чем отличие?// Neurohive, 2018. – Режим доступа: https://neurohive.io/ru/osnovy-data-science/obuchenie-s-uchitelem-bez-uchitelja-s-podkrepleniem/ (дата обращения: 11.04.2023).
25. Сапунов Г. Введение в машинное обучение – Режим доступа: http://bioinformaticsinstitute.ru/sites/default/files/vvedenie_v_mashinnoe_obuchenie.pdf (дата обращения: 11.04.2023).
26. What is supervised learning? // IBM. –Режимдоступа:https://www.ibm.com/topics/supervised-learning (датаобращения: 11.04.2023).
27. What is unsupervised learning? // IBM. –Режимдоступа:https://www.ibm.com/topics/unsupervised-learning#:~:text=the%20next%20step-,What%20is%20unsupervised%20learning%3F,the%20need%20for%20human%20intervention (датаобращения: 15.04.2023).
28. Генеративно-состязательная нейросеть (GAN): архитектура, примеры, код // Neirohive. 2018. – Режим доступа: https://neurohive.io/ru/osnovy-data-science/gan-rukovodstvo-dlja-novichkov/ (датаобращения: 15.04.2023).
29. Mummert T., Subramanian D., Vu L., Pham N. What is reinforcement learning? // IBM. – Режимдоступа:https://developer.ibm.com/learningpaths/get-started-automated-ai-for-decision-making-api/what-is-automated-ai-for-decision-making/ (датаобращения: 17.04.2023).
30. 452 startup failure post-mortems // RESEARCH BRIEFS. 2023. – Режим доступа: https://www.cbinsights.com/research/startup-failure-post-mortem/ (датаобращения: 18.04.2023).
31. Ries E. The lean startup: How today's entrepreneurs use continuous innovation to create radically successful businesses. – Currency, 2011.
32. Customer Development // ProductPlan. –URL:https://www.productplan.com/glossary/customer-development/#:~:text=Customer%20Development%20consists%20of%20asking,discovery%2C%20and%20confirmation%20of%20assumptions (датаобращения: 20.04.2023).
33. Fonseca M. The 7 stages of a startup, from ideation to growth and maturity // Latitud. 2023. – URL: https://www.latitud.com/en/blog/stages-of-a-startup#:~:text=That's%20why%20we%20have%20stages,focus%20from%20you%2C%20the%20founder (дата обращения: 20.04.2023).
34. The 8 Stages of Startup Funding // Indeed. 2023. – URL: https://www.indeed.com/career-advice/career-development/startup-funding-stages (дата обращения: 23.04.2023).
35. ТЕХНОЛОГИЧЕСКОЕ ПРЕДПРИНИМАТЕЛЬСТВО И СТАРТАПЫ// Высшая Школа Бизнеса Центр развития компетенций в бизнес-информатике, логистике и управления проектами. 2021. – URL: https://hsbi.hse.ru/articles/tekhnologicheskoe-predprinimatelstvo-i-startapy/ (дата обращения: 25.04.2023).
36. Asian Development Blog [Электронныйресурс]. – Hampel-Milagrosa, A., Vandenberg, P. Five Ways Tech Startups Are Different from Other Small and Medium-Sized Enterprises, 2021. – Режимдоступа: https://blogs.adb.org/blog/five-ways-tech-startups-are-different-from-other-small-and-medium-sized-enterprises, свободный. – Загл. сэкрана.
37. Investopedia [Электронныйресурс]. – Kenton W. What Is Business Risk? Definition, Factors, and Examples, 2022. – Режимдоступа: investopedia.com/terms/b/businessrisk.asp, свободный. – Загл. сэкрана.
38. Indeed [Электронный ресурс]. – 12 Risks in Software Development, 2023. – Режим доступа: https://www.indeed.com/career-advice/career-development/risks-in-software-development, свободный. – Загл. с экрана.
39. Linkedin [Электронный ресурс]. – Difference between Startups & Businesses, 2017. – Режим доступа: https://www.linkedin.com/pulse/difference-between-startups-businesses-manish-agarwal, свободный. – Загл. с экрана.
40. HarvardBusinessReview [Электронный ресурс]. – ChristensenM., RaynorM., McDonaldR. WhatIsDisruptiveInnovation?, 2015. – Режим доступа: https://hbr.org/2015/12/what-is-disruptive-innovation, свободный. – Загл. с экрана.
41. Harvard Business Review [Электронныйресурс]. – Satell G. The 4 Types of Innovation and the Problems They Solve, 2017. – Режимдоступа: https://hbr.org/2017/06/the-4-types-of-innovation-and-the-problems-they-solve, свободный. – Загл. сэкрана.
42. Хабр [Электронный ресурс]. – Интерпретация моделей и диагностика сдвига данных: LIME, SHAP и Shapley Flow, 2022. – Режим доступа: https://habr.com/ru/companies/ods/articles/599573/, свободный. – Загл. с экрана.
43. Fortune Business Insights [Электронныйресурс]. – Artificial Intelligence Market Size, Shar & COVID-19 Impact Analysis. – Режимдоступа: https://www.fortunebusinessinsights.com/industry-reports/artificial-intelligence-market-100114, свободный. – Загл. сэкрана.
44. Grand View Research [Электронныйресурс]. – Artificial Intelligence Market Size, Share & Trends Analysis Report. – Режимдоступа: https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-market/segmentation, свободный. – Загл. сэкрана.
45. Mordor Intelligence [Электронныйресурс]. – Global Artificial Intelligence Market Size & Share Analysis – Growth Trends & Forecasts (2023 – 2028). – Режимдоступа: https://www.mordorintelligence.com/industry-reports/global-artificial-intelligence-market, свободный. – Загл. сэкрана.
46. Bloomberg [Электронныйресурс]. – Artificial Intelligence As A Service Market Worth $96,064.7 Million By 2030: Grand View Research, Inc., 2022. – Режимдоступа: https://www.bloomberg.com/press-releases/2022-11-21/artificial-intelligence-as-a-service-market-worth-96-064-7-million-by-2030-grand-view-research-inc, свободный. – Загл. сэкрана.
47. Официальный сайт Tesla [Электронный ресурс]. – Режим доступа:https://www.tesla.com/models, свободный. – Загл. с экрана.
48. Datamation [Электронный ресурс]. – CrockettE. 100 Top Artificial Intelligence (AI) Companies in 2023, 2023. – Режим доступа: https://www.datamation.com/featured/ai-companies/#financial, свободный. – Загл. с экрана.
49. Tortoise [Электронный ресурс]. – The Global AI Index. – Режим доступа: https://www.tortoisemedia.com/intelligence/global-ai/, свободный. – Загл. с экрана.
50. Nvidia [Электронный ресурс]. – Мультипликатор производительности на основе ИИ. – Режим доступа: https://www.nvidia.com/ru-ru/geforce/technologies/dlss/, свободный. – Загл. с экрана.
51. IBM [Электронный ресурс]. – What is conversational AI?. – Режим доступа: https://www.ibm.com/topics/conversational-ai, свободный. – Загл. с экрана.
52. Technology & Telecommunications [Электронныйресурс]. – Number of IoT connected devices worldwide 2019-2021, with forecasts to 2030, 2022. – Режимдоступа: https://www.statista.com/statistics/1183457/iot-connected-devices-worldwide/, свободный. – Загл. сэкрана.
53. Broadband Search [Электронныйресурс]. – Who Invented the Internet – A Full History. – Режимдоступа: https://www.broadbandsearch.net/blog/who-invented-the-internet-full-history, свободный. – Загл. сэкрана.
54. Kaggle [Электронныйресурс]. – Bansal S. Merger and Acquisitions by Tech Companies, 2021. – Режимдоступа: https://www.kaggle.com/datasets/shivamb/company-acquisitions-7-top-companies, свободный. – Загл. сэкрана.
55. Verdict [Электронныйресурс]. – Technology industry artificial intelligence M&A deals total $1.7bn globally in October 2022. – Режимдоступа: https://www.verdict.co.uk/technology-industry-artificial-intelligence-ma-deals-total-1-7bn-globally-in-october-2022/, свободный. – Загл. сэкрана.
56. CBInsights [Электронный ресурс]. – AI 100: The most promising artificial intelligence startups of 2022. – Режим доступа: https://www.cbinsights.com/research/report/artificial-intelligence-top-startups-2022/, свободный. – Загл. с экрана.
57. OpenAI [Электронный ресурс]. – Pioneering research on the path to AG. – Режим доступа: https://openai.com/research/overview, свободный. – Загл. с экрана.
58. Insider [Электронный ресурс]. – Digalaki E. The impact of artificial intelligence in the banking sector & how AI is being used in 2022. – Режим доступа: https://www.businessinsider.com/ai-in-banking-report, свободный. – Загл. с экрана.
59. World Economic Forum [Электронный ресурс]. – 4 ways AI will impact the financial job market, 2018. – Режим доступа: https://www.weforum.org/agenda/2018/09/4-ways-ai-artificial-intelligence-impact-financial-job-market/, свободный. – Загл. сэкрана.
60. WSJ [Электронный ресурс]. – Bruell A. BuzzFeed to Use ChatGPT Creator OpenAI to Help Create Quizzes and Other Content. – Режим доступа: https://www.wsj.com/articles/buzzfeed-to-use-chatgpt-creator-openai-to-help-create-some-of-its-content-11674752660, свободный. – Загл. сэкрана.
61. Sales Force [Электронный ресурс]. – The 6th State of Marketing Report Uncovers Trends to Navigate Change. – Режим доступа: https://www.salesforce.com/blog/top-marketing-trends-navigate-change/, свободный. – Загл. сэкрана.
62. Forbes [Электронный ресурс]. – Johnson A. Which Jobs Will AI Replace? These 4 Industries Will Be Heavily Impacted, 2023. – Режим доступа: https://www.forbes.com/sites/ariannajohnson/2023/03/30/which-jobs-will-ai-replace-these-4-industries-will-be-heavily-impacted/, свободный. – Загл. с экрана.
63. Forbes [Электронный ресурс]. – Marr B. The AI Skills Crisis And How To Close The Gap, 2018. – Режим доступа: https://www.forbes.com/sites/bernardmarr/2018/06/25/the-ai-skills-crisis-and-how-to-close-the-gap/?sh=6c8eeeea31f3, свободный. – Загл. с экрана.
64. MIT Technology Review [Электронный ресурс]. – Hao K. Training a single AI model can emit as much carbon as five cars in their lifetimes, 2019. – Режим доступа: https://www.technologyreview.com/2019/06/06/239031/training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes, свободный. – Загл. с экрана.
65. Pestle Analysis SWOT and Business Analysis Tools [Электронный ресурс]. – PESTLE Analysis of Artificial Intelligence: The 6 Factors that Affect AI, 2020. – Режим доступа: https://pestleanalysis.com/pestle-analysis-of-artificial-intelligence/#Environmental_factors_of_Artificial_Intelligence, свободный. – Загл. сэкрана.
66. IBM [Электронный ресурс]. – Jacobi C. IBM Telum Processor: the next-gen microprocessor for IBM Z and IBM LinuxONE? 2021. – Режим доступа: https://www.ibm.com/blogs/systems/ibm-telum-processor-the-next-gen-microprocessor-for-ibm-z-and-ibm-linuxone/, свободный. – Загл. с экрана.
67. Marktechnpost [Электронный ресурс]. – Ingle P. Top Artificial Intelligence (AI) Chip Companies Leading The Way, 2023. – Режим доступа: https://www.marktechpost.com/2023/03/22/top-artificial-intelligence-ai-chip-companies-leading-the-way-in-2022/, свободный. – Загл. сэкрана.
68. AI Multiple [Электронный ресурс]. – Dilmegani C. Top 10 AI Chip Makers of 2023: In-depth Guide, 2023. – Режим доступа: https://research.aimultiple.com/ai-chip-makers/, свободный. – Загл. с экрана.
69. CNET [Электронный ресурс]. – Khan I. ChatGPT vs. Bing vs. Google Bard: Which AI Is the Most Helpful?, 2023 – Режим доступа: https://www.cnet.com/tech/services-and-software/chatgpt-vs-bing-vs-google-bard-which-ai-is-the-most-helpful/, свободный. – Загл. с экрана.
70. Schumpeter J. A. Entrepreneurship as innovation/ J. A. Schumpeter//University of Illinois at Urbana-Champaign's Academy for Entrepreneurial Leadership Historical Research Reference in Entrepreneurship. – 2000.
71. McDonald R. Disruptive innovation/C.Christensen, M. E.Raynor – Harvard Business Review, Brighton, MA, USA, 2013.
72. BealG. M. et al. The diffusion process /G. M. Beal// Agricultural Experiment Station, Iowa State College. – 1957. – С. 111-121.
73. Moore G. A., McKenna R. Crossing the chasm/G. A. Moore, R. McKenna. – 1999.
74. Kuhn T. S. The structure of scientific revolutions/T. S. Kuhn// University of Chicago press. – 2012.
75. Garkavenko M. et al. Where do you want to invest? predicting startup funding from freely, publicly available web information/M. Garkavenko //arXiv preprint arXiv:2204.06479. – 2022.
76. Amit R., Zott C. Creating value through business model innovation / R. Amit, C. Zott //MIT Sloan management review. – 2012.
77. Böttcher T. P. et al. Value Drivers of Artificial Intelligence/T. P. Böttcher – 2022.
78. Marktechnpost [Электронный ресурс]. – Ingle P. Top Artificial Intelligence (AI) Chip Companies Leading The Way, 2023. – Режим доступа: https://www.marktechpost.com/2023/03/22/top-artificial-intelligence-ai-chip-companies-leading-the-way-in-2022/, свободный. – Загл. сэкрана.

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ
.