智客公社

标题: 从CHAT-CPT到生成式AI：人工智能新范式，重新定义生产力|附下载 [打印本页]

作者: 抗日无须理由 时间: 2023-3-24 08:24
标题: 从CHAT-CPT到生成式AI：人工智能新范式，重新定义生产力|附下载
【新米行业研究报告-数策全行业调研报告】

专注于洞察全行业发展研究，关注我，带您前瞻各大行业未来趋势！

[attach]802695[/attach]

[attach]802696[/attach]

下文为报告部分内容，完整报告请关注并私信添加客服下载
生成式AIVS Web 3.0 : 不仅是web3.0的生产工具，更是人工智能的新范式

生成式AI可以作为Web3.0的生产工具，但Web3.0中的应用仅是其应用的冰山一角。Web3.0围绕去中心化的理念展开，结合区块链、智能合约、加密货币等技术；
核心是产生的数据由用户拥有能够改变用户数据及原创内容等均由互联网中心化实体控制的现状，在创作者经济中取得更好的平衡从而提升用户创作内容的积极性。
生成式AI在内容领域的应用能够满足用户不断提升的创作需求，但这仅是其应用的冰山一角。
生成式AI在广大垂直领域的应用带来的是AI用途的结构性改变以及生产力的进一步提高，未来可能创造巨大的市场价值。

[attach]802697[/attach]

生成式AIVS Web 3.0 : 不追求生产关系的重塑，但将大幅度提升和创造生产力

创造是生成式AI的核心，本质是对生产力的大幅度提升和创造。生成式AI通过从数据中学习要素，进而生成全新的、原创的内容或产品，不仅能够实现传统AI的分析、判断、决策功能，还能够实现传统AI力所不及的创造性功能。
生成式AI已催生了营销、设计、建筑和内容领域的创造性工作，并开始在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天进行初步应用，为各个领域带来巨大的生产力提升。
生成式AI将促进生产关系高效发展，而不是像Web3.0重塑生产关系。Web3.0通过底层的分布式与去中心化密码学的应用、加密货币的结算方式，为集体协作、分工、收益提供了更好的结算方式，去中心化自治组织(Decentralized Autonomous Organization，DAO) 将是常见的组织形态，打破了原有的生产关系。
生成式AI不是打破传统的生产关系，而是通过提高生产力促进现有生产关系高效发展。

[attach]802698[/attach]

生成式Al:“最有商业前景的人工智能技术”

Gartner将生成式A列为最有商业前景的人工智能技术。根据其发布的2022年人工智能技术成熟度曲线，预计生成式AI 2-5内将进入生产成熟期，发展潜力与应用空间巨大:
2025年，生成式A产生的数据将占到所有数据的10%，而2021年生成式AI产生的数据不到所有数据的1%:
2025年，30%的大型组织出站消息将由生成式AI生成:
2025年50%的药物发现与研发将使用生成式Al:
2027年，30%的制造商将使用生成式AI提高产品研发效率。

[attach]802699[/attach]

资本:海外一级投资涌入多家知名风投公司看好生成式AI赛道

红杉资本官网9月19日发布的文章《生成式AI: 充满创造力的新世界》中提到:“生成式AI有潜力产生数万亿美元的经济价值”
Coatue发布的《A12022: 爆发》认为规模化突破使得A在短时间内变得指数级强大，其应用场景迅速突破。2022年10月，Stability Al完成1.01亿美元融资，估值10亿美元，投资方包括Coatue、Lightspeed VenturePartners和OShaughnessy Ventures。
公司由前英国对冲基金经理Emad Mostaque于2020年成立。2022年10月，Jasper完成1.25亿美元融资，估值达15亿美元，投资者包括Coatue、Bessemer VenturePartners、IVP等多家机构。
2019年，OpenAl获得微软10亿美元投资，2021年OpenAl 估值已达200亿美元。

[attach]802700[/attach]

技术:2022年是拐点

前期架构、模型、数据、算力的积累与提升
架构改进:深度神经网络的学习能力和模型的大小呈正相关，但规模越大训练难度越高，需要对结构进行改进，拥有更强并行性的Transformer架构带来了深度神经网络参数量从最早的几万到目前的数千亿的跃升。
模型发展: GPT-3、CLIP、Difusion、DALL·E2等模型的提出极大提升了AI处理NLP、跨模态、生成问题的能力。教据增多:拥有的优质训练数据越多，算法从中学习的效果越好。
随着数字时代的到来，生成数据的工具和软件越来越普遍，数据总量呈指数增长，可供AI训练的数据质量和数量均有很大提升。
算力提升:大规模深度学习模型的参数和数据量达到了一定量级，需要相应算力的支撑，目前，大规模模型的训练算力是原来的10到100倍。

[attach]802701[/attach]

技术:模型选代

变分自编码器 (Variational Autoencoder，VAE): 2013年由Diederik P. Kingma和Max Welling提出，编码器将原始高维输入转换为对潜在空间的概率分布描述，从中采样输入解码器，得到新生成的结果，可用于图像生成语音合成等，生成的图像较为模糊。
生成式对抗网络 (Generative Adversarial Nets，GAN): 2014年由an J. Goodfellow等人提出，模型由生成器和判别器组成，以图像生成为例：
生成器输入训练噪声后生成图像，判别器用来判断图像是真实的还是由生成器生成的，随着训练不断进行，生成器水平提升，判别器不再分辨图像真伪，固定生成器对判别器进行驯良，直到判别器能够分辨图像真伪，固定判别器再次训练生成器，不断循环，获得生成效果好的生成器。
GAN模型能够生成图像、3D模型甚至视频，但对输出结果控制较弱，易产生随机结果。

END

人工智能资料包-1420，关注并私信添加客服领取

[attach]802702[/attach]

[attach]802703[/attach]

[attach]802704[/attach]

该份资料包共1420份

如果您觉得这些资料对您有帮助，希望获取完整的电子版内容参考学习

您可以关注+评论+转发

然后私信我“报告”

免责声明：以上报告均系本报告通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如有侵权，请联系作者删除，本报告为推荐阅读，仅供参考学习，不构成投资建议，如对报告内容存疑，请与撰写/发布机构联系。

作者: yuyidata 时间: 2023-3-24 08:24
太棒了！

欢迎光临智客公社 (http://bbs.cnaiplus.com/)