Dotychczasowy rok w sztucznej inteligencji: ogromne modele i jak z nich korzystać PlatoBlockchain Data Intelligence. Wyszukiwanie pionowe. AI.

Dotychczasowy rok w sztucznej inteligencji: ogromne modele i jak z nich korzystać

Świat sztucznej inteligencji i uczenia maszynowego porusza się bardzo szybko. Tak szybko, że aż niezwykła jest myśl, że dopiero dziesięć lat temu model AlexNet zdominował konkurencję ImageNet i rozpoczął proces, który sprawił, że głębokie uczenie się stało się ruchem technologicznym w dobrej wierze. Dziś, po latach nagłówków o grach, widzimy coraz większą innowacyjność, która ma zastosowanie w prawdziwym świecie. 

Tylko w ciągu ostatnich kilku lat modele AI/ML, takie jak GPT-3 i AlphaFold, dostarczyły możliwości, które stały się katalizatorem Nowe produkty i firmy, a to poszerzyło nasze zrozumienie możliwości komputerów. 

Mając to na uwadze, pomyśleliśmy, że wrócimy do naszego zakresu AI/ML w Przyszłość przez pierwszą połowę roku, a także nadrobić zaległości — ale na pewno nie wszystko - najważniejszych wydarzeń w branży w tym czasie. Jak zobaczysz, niektóre kombinacje dużych modeli językowych, modeli generatywnych i modeli podstawowych są głównym źródłem uwagi, a my po prostu przeglądamy powierzchnię pod kątem zrozumienia, co mogą zrobić i jak świat poza dużymi badaniami laboratoria mogą wykorzystać ich moc.

Połączenia Przyszłość focus: Jak wykorzystać postęp AI/ML

Jak korzystać z ogromnych modeli AI (takich jak GPT-3) w swoim startupie? Elliot Turner / Hyperia

AlphaFold, GPT-3 i jak zwiększyć inteligencję za pomocą sztucznej inteligencji Niko Grupen / Cornell

AlphaFold, GPT-3 i jak zwiększyć inteligencję za pomocą sztucznej inteligencji (Pt. 2) przez Niko Grupena / Cornell

Data50: najlepsze na świecie startupy zajmujące się danymi Jennifer Li, Sarah Wang i Jamie Sullivan / a16z

Wschodzące architektury dla nowoczesnej infrastruktury danych by Matt Bornstein, Jennifer Li i Martin Casado / a16z

Dekada głębokiego uczenia: jak ewoluowało doświadczenie start-upu AI z Richardem Socherem (Pytania i odpowiedzi) / ty.com

7 technik budowania niezawodnych modeli AI autor: Beena Ammanath (fragment książki) /Deloitte

Dwie rzeczy, których będziemy potrzebować w następnym AlphaFold z Daphne Koller (Pytania i odpowiedzi) / Initro

Skupienie się na branży: obrazy, słowa i więcej kodowania

Programowanie konkurencyjne z AlphaCode / głęboki umysł

Nauczanie sztucznej inteligencji tłumaczenia setek języków mówionych i pisanych w czasie rzeczywistym / Meta sztuczna inteligencja

Model języka Pathways (PaLM): skalowanie do 540 miliardów parametrów w celu uzyskania przełomowej wydajności / Google Research

DALL-E2 / OpenAI

Imagen: Modele dyfuzji tekstu na obraz / Google Research

Tego typu postępy i lepsze zrozumienie, jak z nich korzystać, są powodem, dla którego dążymy do zwiększenia naszego zasięgu AI/ML, a w szczególności tego, jak zobaczymy, jak będzie to stosowane w rzeczywistych ustawieniach w następnym Parę lat. Z biotechnologia do telewizja, jesteśmy przygotowani do poważnego przeobrażenia tego, co jest możliwe i jak oprogramowanie może pomóc ludziom realizować ich najśmielsze pomysły. Jeśli pracujesz nad czymś ekscytującym i nowatorskim w przestrzeni AI/ML i chcesz podzielić się swoimi przemyśleniami na temat tego, dokąd zmierzamy, Proszę wyślij nam ofertę.

Opublikowano 27 czerwca 2022 r.

Technologia, innowacyjność i przyszłość, jak mówią ci, którzy ją budują.

Dziękujemy za zarejestrowanie się.

Sprawdź w swojej skrzynce odbiorczej wiadomość powitalną.

Znak czasu:

Więcej z Andreessen Horowitz