سرمایه گذاری در Replicate

سرمایه گذاری در Replicate

تمبر زمان: 21 فوریه 2023، 11:17 صبح
سرمایه‌گذاری در هوش داده‌های Replicate PlatoBlockchain. جستجوی عمودی Ai.

بسیار نادر است که شاهد ظهور یک بلوک ساختمانی جدید در محاسبات باشیم. اگر بیگانگان روی زمین فرود می آمدند و نرم افزار ما را از حالت کامپایل خارج می کردند، همه برنامه ها تقریباً یکسان به نظر می رسید: ترکیبی از شبکه، ذخیره سازی و محاسبات. روشی که توسعه‌دهندگان از این منابع استفاده می‌کنند و محل نگهداری آن‌ها، البته در طول زمان به طرز چشمگیری تغییر کرده است. اما مفاهیم اصلی به قدمت خود محاسبات هستند و قدمت آنها به همان اندازه است چرتکه (2700 سال قبل از میلاد)، ماشین تحلیلی (1837)، و شبکه رادار SAGE (دهه 1950)

مدل‌های بزرگ هوش مصنوعی مانند Stable Diffusion و ChatGPT یک بلوک ساختمانی اساسی را نشان می‌دهند. با ادغام مدل‌های بزرگ (LMs) در نرم‌افزار، توسعه‌دهندگان می‌توانند عملکردهایی را به نمایش بگذارند که در غیر این صورت ممکن نبود، از جمله تولید محتوای بصری یا متنی، طبقه‌بندی محتوای موجود، و ترسیم ارتباطات معنایی (و نه رسمی) در داده‌ها. این ممکن است یکی از بزرگ‌ترین تغییرات نرم‌افزاری باشد که تا به حال دیده‌ایم - این فقط نرم‌افزار را روی یک پلتفرم جدید (به عنوان مثال یک دستگاه تلفن همراه) اجرا نمی‌کند، بلکه یک نوع نرم‌افزار جدید است.

تنها مشکل این است که استفاده از LM ها هنوز سخت است. اکثر توسعه دهندگان مهندسان یادگیری ماشین نیستند – در سطح جهانی، مهندسان نرم افزار تقریباً دو مرتبه از مهندسان یادگیری ماشین بیشتر هستند (30 میلیون در مقابل 500,000). پیش‌آموزش در مقیاس بزرگ، هوش مصنوعی را به‌طور چشمگیری در دسترس‌تر کرده است، اما توسعه‌دهندگان نرم‌افزار همچنان با یک سری موانع (مثلاً مکان میزبانی مدل‌ها، چه کاری در زمان خراب شدن و نحوه ایجاد تمایز مدل در طول زمان) برای اجرای برنامه‌های هوش مصنوعی مواجه هستند. در تولید، به خصوص در مقیاس. انتزاعات پاک و ابزارهای ساده برای LM ها به سادگی وجود ندارند. 

مسئله این است تکثیر هدف آن حل است، با چیزی شبیه به Vercel یادگیری ماشین. ما مشتاقیم امروز اعلام کنیم که دور سری A Replicate را رهبری می کنیم تا به شرکت کمک کنیم رشد کند و به چشم انداز خود برای قابل استفاده کردن هوش مصنوعی در مقیاس دست یابد.

اصل اصلی محصول Replicate این است که همه مدل‌های AI منبع باز باید در یک مکان در دسترس و آسان برای استفاده باشند. توسعه‌دهندگان باید بتوانند روی LM‌هایی با کار یادگیری ماشینی، راه‌اندازی میزبانی، یا خطاهای غیرقابل بررسی Python/CUDA راه‌اندازی و اجرا کنند. ترکیب چندین مدل در یک خط لوله باید آسان باشد. و با افزایش مقیاس برنامه ها، توسعه دهندگان باید به ابزارهای ساده برای تنظیم دقیق و میزبانی مدل های خود دسترسی داشته باشند.

همه اینها ممکن است زیرا Replicate فقط بر تجربه توسعه‌دهنده و انتزاعات کلی تمرکز می‌کند - برخلاف ارائه‌دهندگان مدل که به معماری‌های تک مدلی گره خورده‌اند و بیشتر منابع خود را برای توسعه مدل‌های بهتر صرف می‌کنند.

تاکنون، Replicate هزاران توسعه‌دهنده فعال را به این پلتفرم جذب کرده است که بسیاری از آنها برنامه‌های هوش مصنوعی تولیدکننده بصری می‌سازند. برخی از پیچیده ترین و شناخته شده ترین شرکت های هوش مصنوعی از Replicate استفاده می کنند. ما این را به عنوان تأیید اولیه می دانیم که حتی توسعه دهندگان بسیار توانا نمی خواهند چرخ را دوباره اختراع کنند و Replicate در حال ساخت محصول مناسب برای این مخاطبان است.

تیم Replicate به طور منحصر به فردی برای مقابله با این مشکل مجهز شده است. بن فیرشمن اولین نسخه Docker Compose را طراحی کرد، ابزاری که اکنون توسط میلیون‌ها توسعه‌دهنده استفاده می‌شود، و دارای یک ابرقدرت برای درک تجربه توسعه‌دهندگان است. آندریاس جانسون یک مهندس ارشد یادگیری ماشین در Spotify بود، جایی که مدل‌های هوش مصنوعی تولیدی در مقیاس بزرگ را به کار گرفت و ابزارهای جدید هوش مصنوعی را از ابتدا طراحی کرد. آنها با هم آزاد شدند دنده، یک سیستم بسته بندی مدل ساده و مبتنی بر ظروف که اکنون Replicate را فعال می کند.

ما تازه شروع به دیدن قدرت مدل های بزرگ به عنوان یک بلوک جدید در نرم افزار کرده ایم. ما فکر می‌کنیم که Replicate نقش مهمی در دستیابی این مدل‌ها به دست میلیون‌ها توسعه‌دهنده بعدی دارد و ما از حمایت از آنها در این ماموریت هیجان‌زده هستیم.

***

نظرات بیان شده در اینجا نظرات پرسنل AH Capital Management, LLC ("a16z") نقل شده است و نظرات a16z یا شرکت های وابسته به آن نیست. برخی از اطلاعات موجود در اینجا از منابع شخص ثالث، از جمله از شرکت‌های سبد سرمایه‌ای که توسط a16z مدیریت می‌شوند، به‌دست آمده است. در حالی که a16z از منابعی گرفته شده است که قابل اعتماد هستند، اما a16z به طور مستقل چنین اطلاعاتی را تأیید نکرده است و هیچ گونه نمایشی در مورد صحت فعلی یا پایدار اطلاعات یا مناسب بودن آن برای یک موقعیت خاص ارائه نمی کند. علاوه بر این، این محتوا ممکن است شامل تبلیغات شخص ثالث باشد. aXNUMXz چنین تبلیغاتی را بررسی نکرده و محتوای تبلیغاتی موجود در آن را تایید نمی کند.

این محتوا فقط برای مقاصد اطلاعاتی ارائه شده است و نباید به عنوان مشاوره حقوقی، تجاری، سرمایه گذاری یا مالیاتی به آن اعتماد کرد. شما باید در مورد این موارد با مشاوران خود مشورت کنید. ارجاع به هر گونه اوراق بهادار یا دارایی دیجیتال فقط برای مقاصد توضیحی است و به منزله توصیه یا پیشنهاد سرمایه گذاری برای ارائه خدمات مشاوره سرمایه گذاری نیست. علاوه بر این، این محتوا برای هیچ سرمایه‌گذار یا سرمایه‌گذار بالقوه‌ای هدایت نشده و برای استفاده از آن در نظر گرفته نشده است، و تحت هیچ شرایطی نمی‌توان هنگام تصمیم‌گیری برای سرمایه‌گذاری در هر صندوقی که توسط a16z مدیریت می‌شود، به آن اعتماد کرد. (پیشنهاد سرمایه گذاری در یک صندوق a16z فقط توسط یادداشت قرار دادن خصوصی، قرارداد اشتراک و سایر اسناد مربوط به هر صندوق انجام می شود و باید به طور کامل خوانده شود.) هر گونه سرمایه گذاری یا شرکت پرتفوی ذکر شده، ارجاع شده، یا شرح داده شده نشان دهنده همه سرمایه گذاری ها در وسایل نقلیه تحت مدیریت a16z نیست، و نمی توان اطمینان داشت که سرمایه گذاری ها سودآور هستند یا سایر سرمایه گذاری های انجام شده در آینده ویژگی ها یا نتایج مشابهی خواهند داشت. فهرستی از سرمایه‌گذاری‌های انجام‌شده توسط صندوق‌های تحت مدیریت آندریسن هوروویتز (به استثنای سرمایه‌گذاری‌هایی که ناشر مجوز افشای عمومی a16z و همچنین سرمایه‌گذاری‌های اعلام‌نشده در دارایی‌های دیجیتالی عمومی را ارائه نکرده است) در https://a16z.com/investments موجود است. /.

نمودارها و نمودارهای ارائه شده در داخل صرفاً برای مقاصد اطلاعاتی هستند و هنگام تصمیم گیری برای سرمایه گذاری نباید به آنها اعتماد کرد. عملکرد گذشته نشان دهنده نتایج آینده نیست. محتوا فقط از تاریخ مشخص شده صحبت می کند. هر گونه پیش بینی، تخمین، پیش بینی، هدف، چشم انداز، و/یا نظرات بیان شده در این مطالب بدون اطلاع قبلی ممکن است تغییر کند و ممکن است متفاوت یا مغایر با نظرات بیان شده توسط دیگران باشد. لطفاً برای اطلاعات مهم بیشتر به https://a16z.com/disclosures مراجعه کنید.

تمبر زمان:

بیشتر از آندرسن هورویتز