13年前，我采访Wolfram|Alpha的创始人、美国计算机科学家史蒂芬.沃尔弗拉姆时，大吃一惊。当时Wolfram|Alpha刚推出，使命是：让每一个人都可以在搜索引擎里搜出计算机计算的结果。比如说，输入"HowmanypeopleinChina"，这个搜索引擎会直接跳出目前中国的总人口数、人口密度、平均年人口增长率、预期寿命及平均年龄等直观数据。当时我意识到：如果说，谷歌试图将人类智力活动的其中一维——记忆力，趋向于完美，那么，Wolfram|Alpha在致力的其实是人类智力活动的另一个维度——逻辑。但是当时，沃尔弗拉姆告诉我说，他更加渴望的是：最终能实现当用户向机器提问时，机器也能自动去其它地方寻找可能存在的纯计算空间，通过实时开发新的科学和方法去动态地发现新的答案。也就是说，希望在逻辑的这个维度，拓宽人脑目前能够达到的能力。最近在硅谷火热的生成式AI，则涉及到了人类的“创造力”领域。刚刚，红杉资本发表了他们对这一领域的分析，我们一起来读一下红杉资本对生成式AI梳理出来的框架。如下：
Cardano生态去中心化稳定币系统Ardana将停止开发:金色财经报道，基于Cardano的去中心化稳定币系统Ardana发推表示，由于资金和项目时间表的不确定性，Ardana将停止开发。
Ardana认为，Cardano生态大量资金用于工具、基础设施和安全，项目开发存在不确定性，团队不得不停止开发dUSD。此后，Ardana将继续开放源代码，剩余资金和金库余额等将由Ardana Labs持有，当社区中出现有开发能力等团队时，Ardana将继续工作。
此前去年10月份消息，Ardana完成由三箭资本领投的1000万美元融资。[2022/11/24 8:03:18]
生成式AI还很早期。平台层刚刚好，而应用空间几乎还没开始。但预计AI的杀手级应用将出现，比赛正在进行人类善于分析事物。机器甚至更好。机器可以分析一组数据，并在其中找到模式，将其用于多种用途，无论是检测欺诈邮件或垃圾邮件、预测你快递的ETA，还是预测下一步给你看哪个TikTok。机器在这些任务上越来越聪明，这被称为是“分析式人工智能"，或者是传统人工智能。但是我们人类不仅擅长分析，也擅长创造。我们写诗、设计产品、制作游戏和编写代码。直到最近，机器还没有机会在创造性工作方面与人类竞争——它们被归为分析和死记硬背的认知劳动。但机器刚刚开始善于创造有意义和美丽的东西。这一新类别，被称为是“生成式人工智能"，意思是：机器正在生成新的东西，而不是分析已经存在的东西。生成式AI正朝着不仅更快、更便宜的方向发展，而且在某些情况下，它还会比人类手工创造的东西更好。每一个需要人类创造原创作品的行业，包括从社交媒体到游戏、从广告到建筑、从编码到平面设计、从产品设计到法律、从营销到销售，我们认为都有可能被重新发明。某些功能，可能会被生成性AI完全取代，而其他功能，则更可能是从人类和机器之间紧密的迭代创意周期中茁壮成长——但不管怎样，生成式AI应该在广泛的终端市场中释放出更好、更快、更便宜的创作。我们的梦想是：生成性AI将会把创造和知识工作的边际成本降至零，以产生巨大的劳动生产率和经济价值，以及相应的市场容量。生成性AI所涉及的领域——知识工作和创造性工作——包括了数十亿的工人。生成性AI可以使这些工人的效率和/或创造性至少提高10%：他们不仅会变得更快、更有效，而且会比以前更有能力。因此，生成性AI有可能产生数万亿美元的经济价值。为什么是现在？
Aptos代币经济学疑似泄露，其中51.02%的代币分配给社区:10月18日消息，The Block研究副总裁Larry Cermak发推表示，加密交易所Upbit疑似意外在他们的Aptos PDF报告中泄露了Aptos代币经济学。根据对应图表，51.02%的代币分配给社区、16.5%分配给基金会、19%分配给核心贡献者、13.48%分配给投资人。[2022/10/18 17:30:41]
生成式AI和更广泛的AI都有这个问题：为什么是现在？答案是：更好的模型、更多的数据，和更多的计算。
由于这一类别的变化比我们能捕捉到的要快，值得我们回顾最近AI发展的历史，以便把当前时刻放置于上下文背景中。
浪潮1：小模型至上
5年多以前，小模型被认为是理解语言的"最先进技术"。这些小模型，擅长分析任务，并被部署在从预测交付时间到欺诈分类的工作中。然而，对于通用的生成任务，它们的表达能力还不够强。生成人类水平的写作或者代码，仍只是一个梦想。
Unstoppable Domains推出手机App:据官方消息，Unstoppable Domains推出手机应用程序，用户可直接在手机创建和管理域名；建立个人资料卡；登录到180多个应用程序、元宇宙和游戏。[2022/8/17 12:29:42]
浪潮2：规模竞赛
谷歌研究院的一篇里程碑式论文描述了一种用于自然语言理解的新神经网络架构，称为transformers，可以生成质量上乘的语言模型，同时，具有更高的可并行性，需要的训练时间也大大减少。这些模型是少数的学习者，可以相对容易地针对特定领域进行定制。
当然，随着模型越来越大，它们开始提供人类的水平，然后是，超人的结果。从2015年到2020年，用于训练这些模型的计算量增加了6个数量级，其结果在手写、语音和图像识别、阅读理解以及语言理解方面，超过了人类性能的基准。其中，OpenAI的GPT-3脱颖而出：该模型的性能比GPT-2有了巨大飞跃，在从代码生成到冷笑话写作的任务上，提供了诱人的Twitter演示。?
加密货币总市值为1.172万亿美元:金色财经报道，据CoinGecko数据显示，当前加密货币市值为1.172万亿美元，24小时交易量为975.48亿美元，当前比特币市值占比为38.4%，以太坊市值占比为18.5%。[2022/8/11 12:17:12]
尽管有所有基础研究领域的进展，这些模型并不普遍。它们体积大、运行困难，不能广泛使用，而且作为云服务使用的费用昂贵。但是尽管有这些限制，最早的生成性AI应用开始进入战场。?
浪潮3：更好、更快、更便宜计算变得更便宜。新的技术，如扩散模型，缩小了训练和运行推理所需要的成本。研究界继续开发更好的算法和更大的模型。开发者的权限从封闭测试版扩大到了开放测试版，或者在某些情况下，开放源代码。浪潮4：杀手级应用出现?随着平台层的稳固，模型继续变得更好、更快、更便宜，以及模型的访问趋向于免费和开源，应用层的创造力爆发时机已经成熟。就像手机通过GPS、相机和随身连接等新功能，释放了新类型的应用一样，我们期待这些大型模型能够激发新一波生成性AI应用。正如十年前移动通信的拐点为少数几个杀手级应用创造了一个市场缺口，我们预计：AI领域的杀手级应用也将出现。比赛正在进行。市场格局?下面是一个我们制作的示意图，描述了将为每一个类别提供动力的平台层，以及将建立在这些平台层上的潜在应用类型。……
本文剩余内容的主要摘要如下：
1，红杉资本认为，这些平台层上的生成式AI的潜在应用类型是什么？哪一些是让红杉资本感到兴奋的应用？
2，生成式AI的应用会有一些什么特点？如在交互模式方面、形成因素方面、具有可持续性的品类领导者方面、障碍和风险方面等等。
3，目前，我们正站在生成式AI的哪一个阶段？时间表和进度条会如何发展？
责编：Lynn
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。