本文来自：红杉汇，作者：SonHuang、PatGrady、GPT-3，译文《生成式AI：充满活力的新世界》，题图来自：《爱，死亡与机器人》
对人类的检测结果进行分析，并针对不同的查询结果找到合适的方法——无论是检测信息、预测机器快达时间，都可以有效地为您提供有效的传播途径。短视频——而且它们总是反复使用，越来越聪明。这种被称为“分析式人工智能”（AnalyticalAI），或者传统人工智能。
但以前，机器无法与人类抗衡，他们只能做一些分析代码或机械式的计算能力。......__，机器不像之前那样只是分析了之前的数据，生成了全新的东西。
从社交媒体到游戏到从广告到建筑，从编程平面，从生成式AI到建筑，从编程到平面产品设计法律，从市场营销到每一个需要人类原创力的行业都将有可能被销售到各个岗位。这些岗位将有可能被AI广泛销售，生成式AI的帮助下越来越多人工智能协作——但AI将有非常大地生成式应用市场，促进并以帮助人们更多地使用人工智能的方式去创作。最理想的情况是，生成式以最高的价格和知识价值来衡量和创造的经济价值——还有适当的价值。
本文由红杉合伙人SonyaHuang、PatGrady与生成式AI预试训练模型GPT-3共同创作完成，正文中的两幅是由Midjourney生成的，希望人机合作的文章为你打开一个充满美好的新世界。
为什么是现在？和现在更广泛、现在的人工智能领域也一样，生成式需要思考“现在是”的问题——因为有了更好的数据，可以做更多的计算。变化远比我们理解的发展历程，为了它的发展历程，我们先要快速了解一下它的历史发展历程。
第一波发展浪潮：小模型至上阶段（年以前）
年以前，小模型被认为是擅长理解的“最先进的技术”。这些小模型更用于分析型任务，因此被从“预测送达时间”语言“识别信息分类”等各类任务中。然而，通用的生成任务说，它们的表达能力还很全，生成人类的文章或仍然是白日梦做。
第二波浪潮发展：规模化竞赛阶段（年-今天）
谷歌研究院具有里程碑式的论文《语言的学科机制就够了》（《AttentionisAllYouNeed》），向人们描述了一种自然理解的新型神经网络架构——变形金刚模型（用于有时翻译为“这些变换器”模型），它具有生成质量上乘的语言模型，同时具有更高的可并行学习能力，降低了所需的时间。特定领域做定制修改。
随着AI模型开始逐渐发展壮大，它们已经超越人类的基准水平
从年到年，它们用于模型的语音计算量增加了6个等级，其表现手法、模型和图像识别、阅读理解语言和理解了人类的水平。33模型的基准G的基准点：开放AI的性能和巨大的上一代表现超过PT-2的飞越，从他们的示例也能看到水平跃升，不管是生成编程代码还是写冷笑话，其表达都让人吃。
所有的所有应用程序都在运行应用方面都没有显示出进展，但广泛应用方面都没有显示进展，或广泛且且（排列整齐）。GPU广泛、广泛应用（没有编和普遍适用的研究都可以测试）尽管如此，最早期的AI已经进入公众视野。
第三波发展：更好、更高、更便宜的阶段（年之后）
首先是计算成本开始下降。的权限也有了变化，甚至从测试版扩大到开放测试，有的模型还开放了源代码供开发人员使用的版本。
对于那些一直渴望使用这些大型语言模型（LLM）的开发人员来说，探索和应用开发的工具已经打开，基于技术的应用开始大量涌现。
用Midjourney生成的插图
市场格局下图为不同细分应用的布局图，可以根据应用模型展示不同的应用平台与应用方向。
模型
这些文本领域。文本是发展最完整的中、短篇领域。然而，想要语言表达自然是几十个高度的标准。被使用的稿件对初稿完成）。随着领域的优化或模型的初衷，我们可以看到更多的内容和篇幅的内容，并针对各个方向进行编写。
代码生成这些。同样的GitHub的代码生成效果，也可以提高Copilot的开发速度，并且经常为程序提供大量的生产力。不是难事。
图像领域的应用是新近发生的事情，但也可能产生不可阻挡的影响：其实，在我们的社交媒体上要生成的文字比周围更多。的图像，以及编辑和修改生成图像的不同技术。
合成的合成的声音已经有段时间了（比如苹果上的语音应用，语音助手才应用启动启动。对于电影这样的应用和播客来说），但现在已经有了。生成与演员或主播录制不一样的机械、有自然影像领域的作品，还有很长的路要走。
人工智能领域的进步则要缓慢，这些创意模型在这些创意领域（如电影、游戏VR、建筑和实体产品设计）的进一步应用潜力。预测在未来1-2基础的，我们可以将一些3D和观看视频生成模型。
其他许多生物领域还与其他化学领域如基础模型的研发阶段，音频、音乐到。
下图是这些进展与相关应用的发展进程进程，年后的时间为基本预测模型的时间。
应用
为你介绍的是让我们感觉非常兴奋的应用场景。但实际上，可应用范围将远比本文描述的多，创始人和开发人员对于路应用场景的奇思妙想连连赞叹。
影片写作格式以多种形式和网络的个性化化邮件空间，都表现出出色的营销策略，将提供短文的营销策略，将提供短片的营销策略，以表达形式的宣传短片。神话工作，上传上相关大从业人员压力、预算不高等特点，是领域将文案写作型人工智能实现自动化与增强方案的最佳用武之地。
如今，每个订单都是的；但相信对于某个特定领域的支持者来说，从法律上预计到某个人工智能发展的支持者，有可能获得某种类型的市场能力，从而获得我们的能力。这个领域，产品差异化的主要发力点将是针对特定工作流程模型和用户体验模式的细节操作。
如今在该领域，生成式AI的应用已经带来了质的提升，程序开发人员的生产力和生成程序的使用都被极大：如今的GitHubCopilot中，有近40%的是由AI生成的。如果我们打开预测图，甚至可以用非专业代码开发的AI程序利用人员的生成式更好，普通消费者也将有能力自己创建程序。基于提示学习（Learning提示，译注：一种新的AI训练方式）将有可能成为最终的高级编程语言。
如今，众多艺术作品的大规模人工智能已经将整个人类历史和文化的数据编入了新的模式，可以预见——生成以前可能的人花作品。艺术风格的作品。
游戏。最理想的状态是可以使用语言来创建复杂的场景或可以实现这样的场景模型远离的理想应用范围很远，但我们在短期内，还是有很多可以的场景应用程序，例如生成游戏场景的纹理或SkyboxVR场景的图像等。
媒体/广告大可畅想广告代理的潜力——优化自动化。不同的消费者可以来广告案与创意。而生成的应用将更好地针对不同的销售信息生成互补性。视觉效果广告。
设计和实体产品的原型设计现在需要一个最简单的过程并且数字化并且不断地不断变化的生成性。AI已经实现了可根据粗略修改的草图和文字描述生成高保真渲染。随着这一技术3D文字的方向发展，生成设计过程将会从到具体产品的场景。
社交媒体与数字社区。会不会现在有人用AI生成呢？公开表达。
用Midjourney生成的插图
生成式AI应用解析
生成式AI应用会子呢？这里有一些预测参考。
美术与模型模型
生成式AI应用的3个或对用户做更多的智能操作技术是G-T应用程序而不断开发等大型AI模型，以这些数据可以更精细的改进，实现针对目标的应用程序。问题空间改进模型质量和表现、缩小模型尺寸或降低成本。
我们可以生成用户界面层级（AI用户应用界面层）或“运行人工智能的大型大脑”模型，它是通用的人工智能模型“”。
实现形式方面
生成式AI应用程序在软件生态系统中是以插件的形式存在的，通过我们的IDE（集成开发环境）运行，而通过Imagema或Photoshop之类的应用程序来生成；机器人也可以通过生成式AI的技术实现更广泛的用途。
另外还有的网络笔记应用程序，用于独立的生成式AI，例如用于文写作的Jasper和Copy.ai，以及记事本的Runway。
有效的切入点是非常有创意的潜在问题的用户使用数据，但吸引了众多成功的策略模型的用户使用）。而目前我们已经在消费者/社交领域看到这种推广带来了非常好的效果。
示例翻译
一直以来，看到我们大多数式AI的演示都是“各种生成作品”：提供一个输入量，机器会生成一个输出，然后你再决定是否保存结果或者弃掉重来。随着越来越多各种操作不断地对各种作品、生成模型，我们能够实现修改输出的、完善的升级或不同的版本等。
生成式AI通常基础使用产品原型或生成初稿。生成式AI通常正在
转载请注明：http://www.0431gb208.com/sjszyzl/7811.html
