Читайте РБК без баннеров

Подписка отключает баннерную рекламу на сайтах РБК и обеспечивает его корректную работу

Всего 90₽ 30₽ в месяц для 3-х устройств

Продлевается автоматически каждый месяц, но вы всегда сможете отписаться

Прямой эфир
Ошибка воспроизведения видео. Пожалуйста, обновите ваш браузер.
Лента новостей
PRO Все новости
Успех фитнес-центров: что учесть, чтобы не провалиться Услуги, 13 дек, 17:57 Различий нет: Анастасия Бородина — о психологии начальников и подчиненных HR, 13 дек, 16:58  Просто спросите эксперта: наем продавцов и руководителей в ретейле HR, 13 дек, 16:28 Матери-основательницы: как сеть детсадов выручает ₽200 млн на билингвах Услуги, 13 дек, 16:26 Музыкальные технологии: на чем можно заработать. Дайджест иностранных СМИ IT, 13 дек, 15:59 Что ждет бизнес от закона о цифровых финансовых активах Право, 13 дек, 15:03 Стопроцентный рост: с какими показателями FMCG покоряет онлайн Потребительские товары, 13 дек, 14:00 Регион избалованных кандидатов: как нанять сотрудников в Азии HR, 13 дек, 12:56 Как «ПИК-Индустрия» использует принципы McDonald's и Uber на стройке Строительство, 13 дек, 11:55 Почему большинство онлайн-сервисов так и не запускается IT, 13 дек, 10:57 Как Chanel собралась одолеть гигантов рынка элитных часов — Bloomberg Маркетинг, 13 дек, 10:06 Как лейбл из XIX века приспосабливается к «цифре» IT, 13 дек, 09:12 Открыть бизнес в новой стране: пять советов эксперта платежной отрасли Интернет-торговля, 13 дек, 07:45 Банки обсуждают новые меры борьбы с переводами средств мошенникам Финансы, 13 дек, 07:00
 
0 
Стартапы должны научиться умирать: главное о технологиях
WIRED IT Менеджмент
Wired объясняет, почему даже самые успешные стартапы должны задумываться об уходе с рынка, рассказывает, на что PayPal потратил $4 млрд, и рассуждает, можно ли перевоспитать искусственный интеллект

Мастрид Wired — главное о современных технологиях и их влиянии на культуру, экономику и политику. Выходит в первый вторник месяца.

Стартапы должны заранее думать о достойном уходе

В Силиконовой долине принято думать о старте и росте, у предпринимателей есть миллион слов, чтобы описать эти процессы: запускай, создавай сайт и приложение, масштабируйся. Вся индустрия живет в отрицании неудач и провалов, хотя, по статистике, 70% стартапов не живут дольше пяти лет. И все же, когда очередная гениальная компания-новичок вынуждена закрыться, это сильно удивляет как ее клиентов, так и работников.

Пользователи сервиса Picturelife потеряли все фотографии, когда компания не смогла больше оплачивать пространство на сервере. Фирму WeWork, которая зарабатывает на аренде коммерческих зданий, оценили в $47 млрд, а через три недели она обанкротилась и тысячи сотрудников потеряли работу. Аналитики несколько лет критиковали бизнес-модель этой компании, но ее крах все равно стал для многих неожиданностью.

Технические проблемы, истощение потребителей, смена тренда — причиной неудачи может быть что угодно. Закрытие невозможно предсказать, но к нему нужно быть готовым — сейчас это уже не частное мнение отдельных экспертов, а требования закона. Например, по общему регламенту ЕС по защите персональных данных фирмы обязаны удалять личные данные клиентов, когда уходят из бизнеса.

Хороший пример достойного ухода — домашние роботы компании Jibo. Последние сотрудники компании запрограммировали прощальную речь роботов, которую они говорили своим владельцам, когда компания выходила с рынка: «Серверы, которые позволяют мне работать, скоро будут отключены. Как только это произойдет, наше общение закончится». Основатель стартапа подписал лицензию, которая позволит разработчикам продолжать работу над исходным кодом робота в образовательных целях. Jibo умер, но однажды он может дать жизнь новому виду роботов.

Полная версия статьи — по ссылке.

Плохие данные могут давать плохие уроки

Обучение с подкреплением — это один из способов машинного обучения, при котором система обучается, взаимодействуя с некоторой средой. Обучение с подкреплением позволяет машинам самостоятельно учиться, бесконечно практикуясь в разных задачах: от освоения настольных игр до навигации по оживленным дорогам.

Пока такой метод обучения не очень широко распространен, но уже появляется все больше публикаций, которые указывают на риски такого обучения. Небольшие изменения в данных, которые машины используют для обучения, могут сильно повлиять на результат. Например, доцент Бостонского университета Венчао Ли смог обмануть популярный алгоритм обучения от компании DeepMind и изменить правила начисления очков в игре.

Пожалуйста, представьтесь, чтобы получить бесплатный доступ