基础模型改变人工智能企业家创建公司的方式

anisur222

对于AI创业者来说，理解时代的特点是“DIY AI”。直到最近，个体初创公司还负责收集训练数据（费力），仔细手工标记数据（昂贵），然后构建自己的模型（需要机器学习工程师）。如果不付出这样的努力，就无法利用人工智能的魔力。这就是为什么人工智能投资者历来都非常关注底层训练数据的质量（参见 Zetta VP 的“数据不是新石油”和A16Z 的“数据护城河的空洞承诺”）和机器学习的原始人才工程师。 基础模型提供了一种将人工智能添加到应用程序中的新方法，并扩展了人工智能企业家的含义。 等模型已经在大量数据集上进行了预训练，可以用作各种人工智能产品的平台。是的，企业家可能仍然需要在其特定领域微调这些通用模型。但他们可能只需要一千个这样的文档，而不是需要数十万个专业文档和人工智能专业知识。现在，每个人工智能企业家的后兜里都拿着一张获取世界数据的“金票”。 市场已经证明了基础模型对企业家的威力： Jasper AI是生成式 AI 时代规模最大、发展最快的初创公司之一，在聘请完整的 ML 团队之前，收入就出现了爆炸性的增长。 新路基础模型 基础模型的真正意义在于它们可以封装所有可获取的人类知识，并以一种新的方式做到这一点。

谷歌的搜索引擎通过查看一切可能的信息并保存重要的信息和来源指针，完成了其“组织全球信息并使其人人皆可访问和有用”的使命。结果是“大小远远超过 100M GB ”。虽然这些基础模型也吸收了它们可以吸收的所有内容（稳定扩散 美国电话号码列表 查看了 600M 左右的图像），但它们不保存它们的副本。相反，他们维护受每个图像影响的单一表示。 Google 的索引大小估计为 100M GB，而 Stable Diffusion 只有 4GB，可以放在 DVD 上（我知道我们刚刚约会过）。 一代时代的钱在哪里？ 在这个一代人的时代，最大的悬而未决的问题之一是，谁将最终从这些生成过程创造的价值中获取最大份额？ 在之前的理解时代，我们经常看到现有记录系统（例如 ）与位于其之上的新建认知应用程序之间发生激烈的“边界战争”，这些应用程序试图通过以下方式进入堆栈：自动化各种流程（想想像Solvvy和Ada Support这样的客户支持聊天机器人，或者像位于 ServiceNow 之上的Moveworks这样的 ITSM 自动化公司）。 从云端构建人工智能 这个时代的类似情况是那些自己构建了基础模型（基础设施层）的公司与坐在这些模型之上的初创公司之间的“边界战争”。



复杂的模型并集成到各种业务流程中，例如Jasper AI、Runway ML和Regie AI。毕竟，那些投资了数百万美元来构建这些令人难以置信的基础模型的公司需要弄清楚如何才能最好地从他们的创造中获利，而世界上的 Runway ML 则以更接近最终用户的优势开始。拿起一些爆米花，为不可避免的边境战争做好准备。 基础模型时代的初创企业建设策略 那么企业家可以采取哪些策略来获取这些生成应用程序创造的巨大价值呢？下面我们概述了迄今为止我们看到的几种方法，我们认识到这个列表并不全面，而且在生成式人工智能边界战争的战壕中战斗的企业家可能会使用多种策略。事实上，这些蓝图是按新认知应用程序堆栈的降序排列的：从应用程序 UI 开始，然后是应用程序和模型的交集，最后是基础模型本身的级别。 1. 构建更易于访问的 UI 这允许业务用户与底层模型进行交互。例如，Regie AI和Jasper AI 等公司认识到，希望生成销售节奏电子邮件和博客文章的销售专业人士和营销人员可能会发现与为开发人员构建的 GPT-3 界面进行交互过于复杂。