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：
FTX 投资者针对红杉资本、Thoma Bravo、Paradigm提起诉讼:金色财经报道，代表投资者提起的集体诉讼指控红杉资本、Thoma Bravo 和 Paradigm 在内的风险投资和私募股权公司参与了 2021 年一场的促销营销活动，以宣传他们自己在 FTX 实体中的数亿美元投资。
投资者称，这为 11 月最终破产的 FTX 增添了一种合法性。投资者指控各风投机构违反州和联邦法律的行为，包括虚假陈述、虚假广告和民事共谋。（彭博社）[2023/2/15 12:07:32]
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？
数据隐私解决方案Privy完成830万美元种子轮融资，红杉资本等领投:4月21日消息，数据隐私解决方案 Privy 宣布完成 830 万美元种子轮融资，红杉资本和 Blue Yard Capital 领投，Electric Capital、Archetype、BoxGroup 和 Protocol Labs 参投。Privy 旨在通过 Web3 方案解决多钱包用户体验不佳与集成登录的隐私风险泄漏之间的矛盾，本轮融资将用于建立团队，并继续创建满足客户需求的用例。（Coindesk）[2022/4/21 14:37:16]
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。
红杉资本计划加大对加密货币的投资:金色财经报道，风险投资巨头红杉资本宣布，计划在美国证券交易委员会(SEC)注册为投资顾问，以便更多地投资于加密货币等替代资产。根据红杉合伙人Roelof Botha发表的一份声明，该公司正在努力组建一个基金，该基金将能够在没有“人工时间范围”的情况下进行投资。Botha将传统的VC模式描述为“过时”。[2021/10/27 20:59:56]
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。
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。
红杉资本合伙人与Coinbase联合创始人联手创建加密货币基金:据axios.com，据华尔街日报报道及一位消息人士向axios证实，红杉资本合伙人Matt Huang将离开红杉资本，计划与Coinbase联合创始人Fred Ehrsam共同创立一个聚焦加密货币的基金。目前尚不清楚该基金的规模和确切的策略。[2018/6/2]
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。?
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。