ETA:紅杉資本談生成式AI：預計AI的殺手級應用將出現，比賽正在進行_THETA

13年前，我采訪Wolfram|Alpha的創始人、美國計算機科學家史蒂芬.沃爾弗拉姆時，大吃一驚。當時Wolfram|Alpha剛推出，使命是：讓每一個人都可以在搜索引擎里搜出計算機計算的結果。比如說，輸入"HowmanypeopleinChina"，這個搜索引擎會直接跳出目前中國的總人口數、人口密度、平均年人口增長率、預期壽命及平均年齡等直觀數據。當時我意識到：如果說，谷歌試圖將人類智力活動的其中一維——記憶力，趨向于完美，那么，Wolfram|Alpha在致力的其實是人類智力活動的另一個維度——邏輯。但是當時，沃爾弗拉姆告訴我說，他更加渴望的是：最終能實現當用戶向機器提問時，機器也能自動去其它地方尋找可能存在的純計算空間，通過實時開發新的科學和方法去動態地發現新的答案。也就是說，希望在邏輯的這個維度，拓寬人腦目前能夠達到的能力。最近在硅谷火熱的生成式AI，則涉及到了人類的“創造力”領域。剛剛，紅杉資本發表了他們對這一領域的分析，我們一起來讀一下紅杉資本對生成式AI梳理出來的框架。如下：

Theta Labs的“具有靈活文件分片的去中心化邊緣存儲網絡”已獲得美國專利:金色財經報道，據官方博客，去中心化流媒體平臺Theta Network運營商 Theta Labs宣布，其去中心化邊緣網絡的創新方法，即“具有靈活文件分片的去中心化邊緣存儲網絡”已獲得美國專利，專利號為11,611,615 B1。Theta Labs稱，Theta Edge Network利用靈活文件分片等專利技術實現了高擴展性和高資源可用性。（Medium）[2023/3/29 13:32:28]

生成式AI還很早期。平臺層剛剛好，而應用空間幾乎還沒開始。但預計AI的殺手級應用將出現，比賽正在進行人類善于分析事物。機器甚至更好。機器可以分析一組數據，并在其中找到模式，將其用于多種用途，無論是檢測欺詐郵件或垃圾郵件、預測你快遞的ETA，還是預測下一步給你看哪個TikTok。機器在這些任務上越來越聰明，這被稱為是“分析式人工智能"，或者是傳統人工智能。但是我們人類不僅擅長分析，也擅長創造。我們寫詩、設計產品、制作游戲和編寫代碼。直到最近，機器還沒有機會在創造性工作方面與人類競爭——它們被歸為分析和死記硬背的認知勞動。但機器剛剛開始善于創造有意義和美麗的東西。這一新類別，被稱為是“生成式人工智能"，意思是：機器正在生成新的東西，而不是分析已經存在的東西。生成式AI正朝著不僅更快、更便宜的方向發展，而且在某些情況下，它還會比人類手工創造的東西更好。每一個需要人類創造原創作品的行業，包括從社交媒體到游戲、從廣告到建筑、從編碼到平面設計、從產品設計到法律、從營銷到銷售，我們認為都有可能被重新發明。某些功能，可能會被生成性AI完全取代，而其他功能，則更可能是從人類和機器之間緊密的迭代創意周期中茁壯成長——但不管怎樣，生成式AI應該在廣泛的終端市場中釋放出更好、更快、更便宜的創作。我們的夢想是：生成性AI將會把創造和知識工作的邊際成本降至零，以產生巨大的勞動生產率和經濟價值，以及相應的市場容量。生成性AI所涉及的領域——知識工作和創造性工作——包括了數十億的工人。生成性AI可以使這些工人的效率和/或創造性至少提高10%：他們不僅會變得更快、更有效，而且會比以前更有能力。因此，生成性AI有可能產生數萬億美元的經濟價值。為什么是現在？

昨日ETH持有量在1萬枚至100萬枚的巨鯨地址增持近94.8萬枚ETH:11月22日消息，Santiment數據顯示，11月21日ETH持有量在1萬枚至100萬枚ETH的巨鯨地址增持947940枚ETH，約合103億美元，這也是過去1年內第五大ETH增持日。[2022/11/22 7:56:30]

生成式AI和更廣泛的AI都有這個問題：為什么是現在？答案是：更好的模型、更多的數據，和更多的計算。

由于這一類別的變化比我們能捕捉到的要快，值得我們回顧最近AI發展的歷史，以便把當前時刻放置于上下文背景中。

浪潮1：小模型至上

5年多以前，小模型被認為是理解語言的"最先進技術"。這些小模型，擅長分析任務，并被部署在從預測交付時間到欺詐分類的工作中。然而，對于通用的生成任務，它們的表達能力還不夠強。生成人類水平的寫作或者代碼，仍只是一個夢想。

DeFi Llama推出多鏈DEX聚合器內測版本:11月18日消息，鏈上數據分析網站 DeFi Llama 推出多鏈 DEX 聚合器內測版本。據相關頁面信息，該聚合器目前仍處于完善階段。DeFi Llama表示該聚合器不會向用戶收取額外費用，僅通過路由合約提供聚合交易。[2022/11/18 13:21:56]

浪潮2：規模競賽

谷歌研究院的一篇里程碑式論文描述了一種用于自然語言理解的新神經網絡架構，稱為transformers，可以生成質量上乘的語言模型，同時，具有更高的可并行性，需要的訓練時間也大大減少。這些模型是少數的學習者，可以相對容易地針對特定領域進行定制。

當然，隨著模型越來越大，它們開始提供人類的水平，然后是，超人的結果。從2015年到2020年，用于訓練這些模型的計算量增加了6個數量級，其結果在手寫、語音和圖像識別、閱讀理解以及語言理解方面，超過了人類性能的基準。其中，OpenAI的GPT-3脫穎而出：該模型的性能比GPT-2有了巨大飛躍，在從代碼生成到冷笑話寫作的任務上，提供了誘人的Twitter演示。?

美股高開低走，三大指數悉數轉跌:行情顯示，美股高開低走，三大指數悉數轉跌，納指跌超0.2%。[2022/6/28 1:37:09]

盡管有所有基礎研究領域的進展，這些模型并不普遍。它們體積大、運行困難，不能廣泛使用，而且作為云服務使用的費用昂貴。但是盡管有這些限制，最早的生成性AI應用開始進入戰場。?

浪潮3：更好、更快、更便宜計算變得更便宜。新的技術，如擴散模型，縮小了訓練和運行推理所需要的成本。研究界繼續開發更好的算法和更大的模型。開發者的權限從封閉測試版擴大到了開放測試版，或者在某些情況下，開放源代碼。浪潮4：殺手級應用出現?隨著平臺層的穩固，模型繼續變得更好、更快、更便宜，以及模型的訪問趨向于免費和開源，應用層的創造力爆發時機已經成熟。就像手機通過GPS、相機和隨身連接等新功能，釋放了新類型的應用一樣，我們期待這些大型模型能夠激發新一波生成性AI應用。正如十年前移動通信的拐點為少數幾個殺手級應用創造了一個市場缺口，我們預計：AI領域的殺手級應用也將出現。比賽正在進行。市場格局?下面是一個我們制作的示意圖，描述了將為每一個類別提供動力的平臺層，以及將建立在這些平臺層上的潛在應用類型。……

本文剩余內容的主要摘要如下：

1，紅杉資本認為，這些平臺層上的生成式AI的潛在應用類型是什么？哪一些是讓紅杉資本感到興奮的應用？

2，生成式AI的應用會有一些什么特點？如在交互模式方面、形成因素方面、具有可持續性的品類領導者方面、障礙和風險方面等等。

3，目前，我們正站在生成式AI的哪一個階段？時間表和進度條會如何發展？

責編：Lynn

Tags：ETHETATHETHETAEthereal詞匯METAGOLDThe BasisDeltaTheta

fil幣價格今日行情