Generative AI：一個充滿創造性的新世界_COP:COI

一類強大的新型大型語言模型正在使機器有可能以可信的、甚至有時是超人類的結果來書寫、編碼、繪畫和創造。人類善于分析事物。但機器可能做的更好。機器可以分析一組數據，并在其中找到模式，用于多種用途，無論是欺詐或是垃圾郵件的檢測，預測你的快遞的ETA，還是預測下一步該給你看哪個TikTok視頻，等待。它們在這些工作上變得越來越聰明。這樣的機器被稱為"分析型AI"，或傳統AI。

但人類不僅擅長分析事物，也擅長創造。我們寫詩、設計產品、制作游戲以及編寫代碼。直到最近，機器還沒有機會在創造性工作方面與人類競爭。但是，機器才剛剛開始善于創造有意義和美麗的東西。這一新類別被稱為"生成型AI"，意味著機器正在生成新的東西，而不是分析已經存在的東西。

生成型AI正在不斷改變，不僅只是更快、更便宜，同時也在某些情況下創造的東西可能比人類手工創造的更好。每一個需要人類創造原創作品的行業都有可能被它們重新來過。某些功能可能會被生成型AI完全取代，而其他功能則更有可能在人類和機器之間緊密的迭代創造周期中茁壯成長，但生成型AI應該在廣泛的終端市場中釋放出更好、更快、更便宜的創造力。我們對此的夢想是，生成型AI將創造和知識工作的邊際成本降至零，產生巨大的勞動生產率和經濟價值，以及相應的市場容量。

生成型AI所涉及的領域覆蓋著數十億的工人。生成型AI可以使這些工人的效率和/或創造性至少提高10%：他們不僅變得更快、更有效，而且比以前有更強的能力。因此，生成型AI有可能產生數萬億美元的經濟價值。

為什么是現在？

生成型AI與更廣泛的AI都有著相同的"為什么是現在"的疑慮：更好的模型，更多的數據，更大的計算。這個類別的變化比我們所能捕捉到的要快，但也值得我們來概括性地回顧一下最近的歷史，以便把當前的時刻也放在背景中。

Scopescan：Worldcoin TFH團隊和投資者地址再次將8個新地址分發9000萬枚WLD:金色財經報道，據Scopescan數據監測，在過去30分鐘，Worldcoin的TFH團隊和投資者的0x0d4c開頭地址向8個新地址分發9000萬枚WLD（1.52億美元）。

在過去5天里，0x0d4c開頭地址已將總計價值4.9億美元的WLD代幣轉移到26個投資者地址。[2023/8/11 16:20:28]

浪潮1：小型模型至上。

5年多以前，小型模型被認為是理解語言的"最先進的技術"。這些小型模型擅長分析任務，并被部署在從預測交付時間到欺詐分類的工作中。然而，對于普遍的生成任務來說，它們的表達能力還不夠強。生成人類水平的寫作或代碼仍然只能是一個夢想。

浪潮2：規模競賽。

谷歌研究院有一篇里程碑式的論文，描述了一種用于自然語言理解的新型神經網絡架構，稱為transformers，它不僅可以生成質量上乘的語言模型，同時還具有更高的可并行性，需要的訓練時間也大大減少。這些模型是少數的學習者，因此可以相對容易地針對特定領域進行定制。

當然，隨著模型越來越大，它們開始提供與人類相當的水平能力，然后是超人類的成果。從2015年到2020年，用于訓練這些模型的計算量增加了6個數量級，其成果在手寫、語音和圖像識別、閱讀理解和語言理解方面超過了人類性能的基準。OpenAI的GPT-3脫穎而出：該模型的性能不僅比GPT-2有了巨大的飛躍，并且在他們提供的充滿吸引力的Twitter演示中也能看出，不管是在代碼生成還是冷笑話寫作等任務上，它的表現都令人大開眼界。

美聯儲梅斯特：如果條件允許，美聯儲可以加快加息步伐:金色財經報道，美聯儲梅斯特發表講話時表示，如果通脹風險成為現實，美聯儲屆時便可能需要繼續提高利率，甚至如果條件允許，美聯儲可以加快加息步伐。

此外還表示，不準備在下次FOMC會議上宣布美聯儲是否需要更大幅度的加息。[2023/2/17 12:12:04]

盡管所有的基礎研究都取得了進展，但這些模型并未得到普遍應用。它們體積龐大，難以運行，不能廣泛使用，而且作為云服務使用的費用昂貴。盡管有這些限制，但最初的生成型AI應用也開始進入“戰場”。

浪潮3：更好、更快、更便宜。

計算變得更便宜。新技術，如擴散模型，縮減了訓練和運行推理所需的成本。研究界也在繼續開發更好的算法和更大的模型。同時開發者的權限也從封閉測試版擴大到開放測試版，甚至在某些情況下，還開放了源代碼。

對于那些一直對大型語言模型的使用較少的開發者來說，那么現在就是探索和應用開發的閘門大大開放的時候，各色應用也開始綻放。

浪潮4：殺手級應用的出現。

隨著平臺層開始鞏固，模型繼續變得更好、更快、更便宜，以及模型的訪問/使用趨向于免費和開源，應用層的創造力爆發的時機已經成熟。

正如移動通信通過GPS、相機和隨身連接等新功能催生出了新類型的應用，我們預計這些大型模型將激勵新一波生成型AI應用的誕生。正如十年前移動通信的拐點為少數幾個殺手級應用創造了一個市場缺口一樣，我們預計殺手級應用也將出現在生成型AI當中。如今，比賽正在激烈進行當中。

圣基茨和尼維斯將在2023年采用比特幣現金作為法定貨幣:金色財經報道，圣基茨和尼維斯總理Terrance Drew在圣基茨和尼維斯的BCH會議上宣布，BCH將在2023年3月成為該國的法定貨幣。他補充說，該國還將研究開采BCH，并歡迎與加密貨幣的 \"未來機會 \"對話和探索。

該公告引發了關于該國選擇采用比特幣現金而不是比特幣的辯論，支持該決定的人將反對者指向WhyBitcoinCash網站以獲取信息。（cryptoslate）[2022/11/14 12:59:48]

市場格局

下面是一個示意圖，描述了將為每個類別提供動力的平臺層，以及將建立在其上的潛在應用類型。

模型

文本：文本是最先進的領域。然而，語言表達自然流利卻是很難做好的，而且質量也很重要。今天，這些模型在普遍的短篇/中篇寫作方面還算不錯。隨著時間的推移，隨著模型變得更好，我們應該期望看到更高質量以及更長篇的內容輸出，除此外，針對各垂直領域能夠更好的進行優化調整。代碼生成：如GitHubCoPilot所示，代碼生成很可能在短期內對開發者的生產力產生很大影響。它也將使非開發者更容易獲得對代碼的創造性使用。圖像：圖像是一個較新的現象，但它們已經開始像病一樣的瘋狂傳播：在Twitter上分享生成的圖像比文字要有趣得多。我們也看到許多具有不同審美風格的圖像模型的出現，以及編輯和修改生成圖像的不同技術。語音合成：語音合成已經存在了一段時間，但消費者和企業應用才剛剛起步。對于像電影和播客這樣的高端應用來說，要想一次性獲得聽起來不那么機械的人類質量的語音，其標準是相當高的。但就像圖像一樣，今天的模型為進一步完善或為實用性應用的最終輸出提供了一個起點。視頻和3D模型：視頻3D模型領域正在迅速崛起。人們對這些模型在這一創意市場中具有的無限潛力而感到興奮，如電影、游戲、VR、建筑和物理產品設計。研究機構也正在發布基礎的3D和視頻模型。其他領域：許多領域都在進行基礎模型的研發，從音頻和音樂到生物和化學下面的圖表說明了我們可能期望看到的基礎模型的進展和相關的應用成為可能的時間表。2025年及以后只是一個猜測。

金融穩定委員會：需密切關注穩定幣相關風險管理:10月11日消息，協調跨國金融監管、制定并執行全球金融標準的金融穩定委員會（FSB）在發布的《G20 加強跨境支付路線圖》中表示，國際監管社區正在密切監視穩定幣領域的發展，并正在考量穩定幣對更廣泛的金融市場的潛在影響。隨著穩定幣行業的發展，需要密切關注穩定幣相關風險管理。（coindesk）[2022/10/11 10:30:54]

應用

以下文字描述的是一些令我們感到興奮的應用場景。這一頁上的應用遠比我們所記錄的要多，我們對創始人和開發者所夢想的創造性應用感到興奮。

文案寫作：對個性化網絡和電子郵件內容的需求日益增長，進一步促進銷售和營銷策略以及客戶支持，這些都是語言模型的完美應用。簡短的形式和風格化的言語，加上這些團隊的時間和成本壓力，應該推動對自動化和增強型解決方案的需求。

垂直特定領域的寫作助手：今天的大多數寫作助手是橫向的；我們相信有機會為特定的終端市場建立更好的生成型應用，從法律合同寫作到編劇。這里的產品差異化在于對特定工作流程的模型和用戶體驗模式進行微調。

代碼生成：目前的應用為開發者提供了極大的動力，使他們的工作效率大大提升。GitHubCopilot現在在安裝它的項目中生成了近40%的代碼。但更大的機會可能是為普通消費者打開了編碼的通道。提示學習可能成為最終的高級編程語言。

藝術生成：整個世界的藝術史和流行文化現在被編碼在這些大型模型中，允許任何人隨意探索以前需要用一生才能掌握的主題和風格。

Infinity Exchange完成420萬美元種子輪融資，GSR等參投:9月14日消息，Infinity Exchange宣布完成 420 萬美元種子輪融資，GSR、Coin Merge Strategy、C2 Ventures、Flow Traders、block 0、Mentha Partners 等參投。

Infinity Exchange 由前摩根士丹利高管 Kevin lepose 領導，其團隊由由華爾街金融工程師、交易員、量化專家和技術專家組成，旨在促進傳統機構對 DeFi 的采用。[2022/9/14 6:56:24]

游戲：理想的模式是使用自然語言來創建復雜的場景或可操縱的模型；這種最終狀態可能還很遙遠，但有一些更直接的選擇在短期內更可操作，如生成紋理和天空盒藝術。

媒體/廣告：想象一下將代理工作自動化的潛力，并為消費者優化廣告文案和創意。在這里，多模式生成的機會很大，可以將銷售信息與互補的視覺效果配對。

設計：數字和實物產品的原型設計是一個勞動密集型且不斷反復的過程。從粗略的草圖和文字提示中來實現高保真渲染圖已經成為現實。隨著3-D模型的出現，生成設計的過程將朝著制造和生產方向延伸。在未來，你的下一個iPhone應用或運動鞋可能是由機器設計的。

社會媒體和數字社區：是否會有人借助AI生成的新方式來自我表達呢？像Midjourney這樣的新應用正在創造新的社交體驗，因為消費者能夠學習使用這項工具在公共場合進行創作和表達。

生成型AI應用的剖析

生成型AI應用會是什么樣子？這里有一些預測。

智能化和模型微調

生成型AI應用是建立在GPT-3或StableDiffusion等大型模型之上的。隨著這些應用不斷獲得更多的用戶數據，他們可以對模型進行微調，從而：1）為他們的特定問題領域提高模型質量/性能；2）減少模型尺寸/成本。

我們可以把生成型AI應用看作是一個UI層和"小腦"，它位于大型通用AI模型這個"大腦"之上。

形式因素

今天，生成型AI應用程序在很大程度上是作為現有軟件生態系統的插件存在的。代碼完成運行在你的IDE中；圖像生成發生在Figma或Photoshop中；甚至Discord機器人也是將生成型AI注入數字/社交社區的一個理想容器。

還有少數獨立的生成型AI網絡應用，如用于文案寫作的Jasper和Copy.ai，用于視頻編輯的Runway，以及用于筆記的Mem。

插件可能是一個有效的楔子，一方面可以引導你使用自己的應用程序而不需要引入新的應用，另一方面它也以一種聰明的方式來避免了用戶數據和模型質量的雞和蛋的問題。我們已經看到這種分銷策略在其他市場類別中得到了回報，如消費者/社會。

交互范式

今天，大多數生成型AI演示都是"一勞永逸"的：你提供一個輸入，機器吐出一個輸出，你可以保留它，或者把它扔掉再試。越來越多的模型在不斷迭代，也在變得更加強大，未來，你可以對輸出的作品進行修改、完善、提升和產生變化等操作。

今天，生成型AI的產出能力被用作生產原型或初稿。應用程序很擅長吐出多個不同的想法，讓人們的創意過程也得以進行，它們也很擅長提出需要用戶微調才能達到最終狀態的初稿。隨著模型變得更加智能，其中部分也需要依靠用戶數據，我們可以期待這些初稿會變得越來越好，直到它們好到可以作為最終產品使用。

持續的類別領先

最好的生成型AI公司可以通過在用戶參與、更多數據和模型性能之間的飛輪而產生持續的競爭優勢。要想獲勝，團隊必須通過以下方式讓這個飛輪運轉起來：1）擁有卓越的用戶參與度→2）將更多的用戶參與度轉化為更好的模型性能→3）利用優秀的模型性能來推動更多的用戶增長和留存。他們可能會進入特定的問題領域來發展，而不是試圖成為覆蓋所有人的一切。他們可能會首先深入整合到目前人們的應用程序中，從而實現分發和利用自己的程序，然后嘗試用AI原生工作流程取代現有的應用程序。用正確的方式建立這些應用程序來積累用戶和數據需要時間，但我們相信最好的應用程序將是持久的，并有機會成為大規模的。

障礙和風險

盡管生成型AI潛力無限，但在商業模式和技術方面仍有許多問題需要解決。有關版權、信任、安全以及成本等重要問題還遠未解決。

開闊視野

生成型AI仍然是非常早期的。平臺層剛剛有了起色，而且應用空間也剛剛開始起步。

說白了，我們不需要大型語言模型的生成型AI來寫一部托爾斯泰的小說。這些模型今天已經足夠好，可以寫出博客文章的初稿，并生成標識和產品界面的原型。有大量的價值創造將在近期至中期內發生。

第一波生成型AI應用類似于iPhone剛問世時的移動應用景觀。然而，這些應用中有一些提供了對未來可能出現的有趣一瞥，讓我們有了方向。一旦你看到機器產生復雜的功能代碼或出色的圖像，就很難想象未來機器不會在我們的工作和創造中發揮根本作用。

如果我們允許自己做幾十年的夢，那么就很容易想象出這樣一個未來：生成型AI已經深入到我們的工作、創造和娛樂中：備忘錄可以自己寫；3D打印能打印出任何你能想象到的東西；從文字到皮克斯電影；類似Roblox的游戲體驗，在我們能想象出它們的時候就能快速生成豐富的世界。雖然這些體驗在今天看起來像科幻小說，但科技進步的速度是令人難以置信的，我們在幾年內從渺小的語言模型到代碼自動完成，如果我們繼續沿著這種變化的速度并遵循"大型模型摩爾定律"，那么這些遙不可及的場景可能會變的觸手可及。

責任編輯：Kate

Tags：COPCOICOIN穩定幣cop幣一個多少錢binance-coinCoinflect穩定幣和代幣的區別是什么

KuCoin