Năm về AI cho đến nay: Các mô hình khổng lồ và cách sử dụng chúng Trí thông minh dữ liệu PlatoBlockchain. Tìm kiếm dọc. Ái.

Năm về AI cho đến nay: Các mô hình khổng lồ và cách sử dụng chúng

Thế giới trí tuệ nhân tạo và máy học chuyển động rất nhanh. Trên thực tế, nhanh đến mức đáng chú ý khi nghĩ rằng chỉ một thập kỷ trước khi mô hình AlexNet thống trị cuộc cạnh tranh ImageNet và khởi động quá trình biến học sâu thành một phong trào công nghệ thực sự. Hôm nay, sau nhiều năm xôn xao về việc chơi game, chúng tôi thấy sự đổi mới ngày càng tăng áp dụng vào thế giới thực. 

Chỉ trong vài năm gần đây, các mô hình AI/ML như GPT-3 và AlphaFold đã mang đến những khả năng thúc đẩy sản phẩm mớicông tyvà điều đó mở rộng sự hiểu biết của chúng ta về những gì máy tính có thể làm. 

Với ý nghĩ đó, chúng tôi nghĩ rằng chúng tôi sẽ xem lại phạm vi bảo hiểm AI/ML của mình trong Tương lai trong nửa đầu năm, cũng như giúp bạn cập nhật một số vấn đề — nhưng chắc chắn là không tất cả - về những phát triển quan trọng của ngành trong thời gian đó. Như bạn sẽ thấy, một số sự kết hợp giữa các mô hình ngôn ngữ lớn, mô hình tổng quát và mô hình nền tảng là nguồn chú ý chính và chúng tôi chỉ lướt qua bề nổi để hiểu những gì chúng có thể làm và thế giới bên ngoài nghiên cứu lớn như thế nào phòng thí nghiệm có thể sử dụng sức mạnh của họ.

Sản phẩm Tương lai trọng tâm: Cách tận dụng những tiến bộ của AI/ML

Cách sử dụng các mô hình AI khổng lồ (như GPT-3) trong quá trình khởi nghiệp của bạn bởi Elliot Turner / Hyperia

AlphaFold, GPT-3 và Cách tăng cường trí thông minh bằng AI bởi Niko Grupen / Cornell

AlphaFold, GPT-3 và Cách tăng cường trí thông minh bằng AI (Pt. 2) bởi Niko Grupen / Cornell

Data50: Công ty khởi nghiệp dữ liệu hàng đầu thế giới của Jennifer Li, Sarah Wang, và Jamie Sullivan / a16z

Kiến trúc mới nổi cho cơ sở hạ tầng dữ liệu hiện đại by Matt Bornstein, Jennifer Li và Martin Casado / a16z

Thập kỷ học sâu: Trải nghiệm khởi nghiệp AI đã phát triển như thế nào với Richard Socher (Hỏi đáp) / bạn.com

7 kỹ thuật xây dựng mô hình AI đáng tin cậy của Beena Ammanath (trích sách) /Công ty Deloitte

Hai thứ chúng ta cần cho AlphaFold tiếp theo với Daphne Koller (Hỏi đáp) / nội viện

Trọng tâm của ngành: Hình ảnh, từ ngữ và nhiều nội dung mã hóa khác

Lập trình cạnh tranh với AlphaCode / sâu tâm

Dạy AI dịch hàng trăm ngôn ngữ nói và viết trong thời gian thực / Mục tiêu AI

Mô hình ngôn ngữ lộ trình (PaLM): Mở rộng tới 540 tỷ tham số để đạt được hiệu suất đột phá / Nghiên cứu Google

DALL-E2 / OpenAI

Hình ảnh: Mô hình khuếch tán văn bản thành hình ảnh / Nghiên cứu Google

Những loại tiến bộ này và sự hiểu biết ngày càng tăng về cách sử dụng chúng là lý do tại sao chúng tôi tận tâm tăng cường phạm vi phủ sóng của AI/ML và đặc biệt là cách chúng tôi sẽ thấy nó được áp dụng trong cài đặt thế giới thực trong thời gian tới. vài năm. Từ công nghệ sinh học đến tivi, chúng tôi đã sẵn sàng cho việc hình dung lại những gì có thể thực hiện được và cách phần mềm có thể giúp con người thực hiện những ý tưởng điên rồ nhất của họ. Nếu bạn đang nghiên cứu điều gì đó thú vị và mới lạ trong không gian AI/ML và muốn chia sẻ suy nghĩ của mình về mục tiêu chúng ta đang hướng tới, xin vui lòng gửi cho chúng tôi một quảng cáo chiêu hàng.

Đăng ngày 27 tháng 2022 năm XNUMX

Công nghệ, sự đổi mới và tương lai, như những gì đã nói với những người xây dựng nó.

Cảm ơn bạn đã đăng ký.

Kiểm tra hộp thư đến của bạn để biết thông báo chào mừng.

Dấu thời gian:

Thêm từ Andreessen Horowitz