محققین با استفاده از پتانسیل‌های قابل توجه هوش مصنوعی، فناوری جدیدی برای پیش‌بینی موفقیت کسب‌وکارهای نوپا توسعه داده‌اند. در این مطالعه جدید و کاملاً خلاقانه، مدل‌های یادگیری ماشین برای ارزیابی بیش از 1 میلیون شرکت استارت‌آپی آموزش دیده، تا بتوانند به‌طور دقیق، موفقیت یا شکست یک شرکت نوپا را تعیین نمایند. این ابزار پیشرفته که «Venhound» نام دارد، به سرمایه‌گذاران در شناسایی اسب‌های تک شاخ جدید دنیای استارت‌آپ‌ها کمک خواهد کرد.

آمارها نشان می‌دهد که بیش از 90 درصد از استارت‌آپ‌ها، در رسیدن به اهداف خود ناموفق بوده و متحمل شکست می‌شوند. در این بین، 10 تا 22 درصد از این مجموعه‌های نوپا، در اولین سال فعالیت خود شکست را قبول می‌کنند. این میزان از پتانسیل شکست، یک خطر جدی برای سرمایه‌گذاران خطرپذیر و فعالان این حوزه محسوب می‌شود. در واکنش به این چالش بزرگ، محققین با بهره‌گیری از فناوری‌های جدید و نوظهوری همچون هوش مصنوعی، ابزاری کارآمد برای شناسایی استارت‌آپ‌های احتمالاً موفق تولید نموده‌اند.

نتایج بررسی‌ها حاکی از آن است که این ابزار، با دقتی 90 درصدی، می‌تواند موفقیت یا شکست یک استارت‌آپ را پیش‌بینی نماید. پروفسور سانجیو داس (Sanjiv Das)، از توسعه‌دهندگان این ابزار و استاد دانشگاه سانتاکلارا (Santa Clara University) می‌گوید: «مطالعات ما حکایت از این واقعیت دارد که مجموعه مدل‌های یادگیری ماشین غیرخطی که برای داده‌های بزرگ به کار گرفته شده است، دارای پتانسیل عظیمی برای ترسیم ویژگی‌های مرتبط با نتایج کسب‌وکارها می‌باشد. این مزیتی است که با مدل‌های رگرسیون خطی سنتی، غیرقابل دستیابی بود».

گفتنی است، بخشی از داده‌های مورد استفاده برای آموزش مدل‌های یادگیری ماشین، از «Crunchbase» استخراج شده که یک پلتفرم جمع‌آوری اطلاعات پیرامون شرکت‌های مختلف است. علاوه بر این، داده‌های پتنت موجود در دفتر ثبت اختراعات و علائم تجاری آمریکا نیز، به عنوان بخش تکمیلی اطلاعات مورد استفاده قرار گرفته و تلفیق این داده‌ها، دقت پیش‌بینی‌ها را افزایش داده است.

لازم به ذکر است، از آنجا که برخی اطلاعات مورد نیاز، از جمله داده‌های مرتبط با تأمین مالی شرکت‌ها، تا حدی مبهم و غیرشفاف است، در نتیجه شاخصی تحت عنوان میزان اطلاعات از دست رفته برای هر شرکت تعریف شده و از آن، به‌عنوان یکی از ورودی‌های مدل استفاده شده است.

مرجع: «phys.org»