人工智能和机器学习的世界发展非常迅速。 事实上,速度如此之快,以至于仅仅在十年前,AlexNet 模型在 ImageNet 竞争中占据主导地位,并开启了让深度学习成为真正的技术运动的进程,这真是太了不起了。 今天, 经过多年关于游戏的头条新闻,我们看到适用于现实世界的不断增长的创新。
仅在过去几年中,GPT-3 和 AlphaFold 等 AI/ML 模型就提供了催化 新产品 和 公司,这扩展了我们对计算机可以做什么的理解。
考虑到这一点,我们认为我们应该重新审视我们的 AI/ML 覆盖范围 未来 在今年上半年,以及赶上你一些 - 但肯定不会 全部 - 在此期间的主要行业发展。 正如您将看到的,大型语言模型、生成模型和基础模型的某种组合是关注的主要来源,我们只是在了解它们可以做什么以及大型研究之外的世界如何实验室可以利用他们的力量。
未来 焦点:如何利用 AI/ML 的进步
如何在你的创业公司中使用海量 AI 模型(如 GPT-3) 埃利奥特·特纳 / Hyperia
AlphaFold、GPT-3 以及如何使用 AI 增强智能 通过 Niko Grupen / 康奈尔
AlphaFold、GPT-3 以及如何使用 AI 增强智能 (Pt. 2) 通过 Niko Grupen / 康奈尔大学
Data50:世界顶级数据初创公司 詹妮弗·李、莎拉·王和 杰米沙利文 / a16z
现代数据基础设施的新兴架构 by 马特·伯恩斯坦、詹妮弗·李和马丁·卡萨多 / a16z
深度学习十年:人工智能创业体验如何演变 与理查德·索切尔 (问答) / 你.com
7 种构建可靠 AI 模型的技术 比纳·阿曼纳特 (Beena Ammanath) (书摘) /德勤
下一个 AlphaFold 我们需要的两件事 与达芙妮·科勒 (问答) / 插入式
行业焦点:图像、文字和更多编码
使用 AlphaCode 进行竞争性编程 / Deepmind
教授 AI 实时翻译 100 多种口语和书面语言 / 元人工智能
Pathways 语言模型 (PaLM):扩展到 540 亿个参数以实现突破性性能 / Google Research
达尔-E 2 / OpenAI
Imagen:文本到图像的扩散模型 / Google Research
这些类型的进步,以及对如何利用它们的加深理解,是我们致力于扩大对 AI/ML 的覆盖范围的原因,特别是我们将如何看待它在未来的现实环境中的应用几年。 从 生物技术 至 电视,我们准备认真重新构想什么是可能的,以及软件如何帮助人类实现他们最疯狂的想法。 如果您正在 AI/ML 领域从事令人兴奋和新颖的工作,并想分享您对我们前进方向的看法, 请 给我们发信号.
发表于六月27,2022
正如那些建造它的人所说的那样,技术、创新和未来。
“帖子”(包括文章、播客、视频和社交媒体)中表达的观点是其中引用的个人的观点,不一定是 AH Capital Management, LLC (“a16z”) 或其各自关联公司的观点。 此处包含的某些信息是从第三方来源获得的,包括来自 a16z 管理的基金的投资组合公司。 虽然取自被认为可靠的来源,但 a16z 并未独立验证此类信息,也不对信息的持久准确性或其对特定情况的适用性做出任何陈述。
此内容仅供参考,不应被视为法律、商业、投资或税务建议。 您应该就这些事项咨询您自己的顾问。 对任何证券或数字资产的引用仅用于说明目的,并不构成投资建议或提供投资咨询服务的要约。 此外,本内容并非针对也不打算供任何投资者或潜在投资者使用,并且在任何情况下都不得在决定投资于 a16z 管理的任何基金时作为依据。 (投资 a16z 基金的要约仅通过私募备忘录、认购协议和任何此类基金的其他相关文件提出,并应完整阅读。)任何提及、提及或提及的投资或投资组合公司所描述的并不代表对 a16z 管理的车辆的所有投资,并且不能保证这些投资将是有利可图的,或者将来进行的其他投资将具有类似的特征或结果。 由 Andreessen Horowitz 管理的基金进行的投资清单(不包括发行人未允许 a16z 公开披露的投资以及对公开交易数字资产的未宣布投资) https://a16z.com/investments/.
所提供的图表仅供参考,在做出任何投资决定时不应依赖。 过去的表现并不预示未来的结果。 内容仅以指定日期为准。 这些材料中表达的任何预测,估计,预测,目标,前景和/或观点如有更改,恕不另行通知,并且可能与他人表达的观点有所不同或相悖。 请参阅 https://a16z.com/disclosures 有关其他重要信息。