红杉资本：一文了解生成式 AI，一个充满创造性的新世界

原文标题：《Generative AI: A Creative New World》

撰文：SEQUOIA

编译：Evelyn W3.Hitchhiker

人类善于分析事物。但机器可能做的更好。机器可以分析一组数据，并在其中找到模式，用于多种用途，无论是欺诈或是垃圾邮件的检测，预测你的快递的 ETA，还是预测下一步该给你看哪个 TikTok 视频，等待。它们在这些工作上变得越来越聪明。这样的机器被称为「分析型 AI」，或传统 AI。

但人类不仅擅长分析事物，也擅长创造。我们写诗、设计产品、制作游戏以及编写代码。直到最近，机器还没有机会在创造性工作方面与人类竞争（因为它们的行为被归为分析和死记硬背的认知劳动）。但是，机器才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「生成型 AI」，意味着机器正在生成新的东西，而不是分析已经存在的东西。

生成型 AI 正在不断改变，不仅只是更快、更便宜，同时也在某些情况下创造的东西可能比人类手工创造的更好。每一个需要人类创造原创作品的行业（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）都有可能被它们重新来过。某些功能可能会被生成型 AI 完全取代，而其他功能则更有可能在人类和机器之间紧密的迭代创造周期中茁壮成长，但生成型 AI 应该在广泛的终端市场中释放出更好、更快、更便宜的创造力。我们对此的梦想是，生成型 AI 将创造和知识工作的边际成本降至零，产生巨大的劳动生产率和经济价值，以及相应的市场容量。

生成型 AI 所涉及的领域（知识工作和创造性工作）覆盖着数十亿的工人。生成型 AI 可以使这些工人的效率和 / 或创造性至少提高 10%：他们不仅变得更快、更有效，而且比以前有更强的能力。因此，生成型 AI 有可能产生数万亿美元的经济价值。

为什么是现在？

生成型 AI 与更广泛的 AI 都有着相同的「为什么是现在」的疑虑：更好的模型，更多的数据，更大的计算。这个类别的变化比我们所能捕捉到的要快，但也值得我们来概括性地回顾一下最近的历史，以便把当前的时刻也放在背景中。

浪潮 1：小型模型至上（2015 年之前）

5 年多以前，小型模型被认为是理解语言的「最先进的技术」。这些小型模型擅长分析任务，并被部署在从预测交付时间到欺诈分类的工作中。然而，对于普遍的生成任务来说，它们的表达能力还不够强。生成人类水平的写作或代码仍然只能是一个梦想。

浪潮 2：规模竞赛（2015 - 今天）

谷歌研究院有一篇里程碑式的论文（Attention is All You Need），描述了一种用于自然语言理解的新型神经网络架构，称为 transformers，它不仅可以生成质量上乘的语言模型，同时还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，因此可以相对容易地针对特定领域进行定制。

（随着 AI 模型逐渐变大，它们已经开始超越人类的主要性能基准。SOURCES: © THE ECONOMIST NEWSPAPER LIMITED, LONDON, JUNE 11TH 2022. ALL RIGHTS RESERVED; SCIENCE.ORG/CONTENT/ARTICLE/COMPUTERS-ACE-IQ-TESTS-STILL-MAKE-DUMB-MISTAKES-CAN-DIFFERENT-TESTS-HELP）

当然，随着模型越来越大，它们开始提供与人类相当的水平能力，然后是超人类的成果。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，其成果在手写、语音和图像识别、阅读理解和语言理解方面超过了人类性能的基准。OpenAI 的 GPT-3 脱颖而出：该模型的性能不仅比 GPT-2 有了巨大的飞跃，并且在他们提供的充满吸引力的 Twitter 演示中也能看出，不管是在代码生成还是冷笑话写作等任务上，它的表现都令人大开眼界。

尽管所有的基础研究都取得了进展，但这些模型并未得到普遍应用。它们体积庞大，难以运行（需要 GPU 协调），不能广泛使用（不可公用或仅有封闭测试版），而且作为云服务使用的费用昂贵。尽管有这些限制，但最初的生成型 AI 应用也开始进入「战场」。

浪潮 3：更好、更快、更便宜（2022 +）

计算变得更便宜。新技术，如扩散模型，缩减了训练和运行推理所需的成本。研究界也在继续开发更好的算法和更大的模型。同时开发者的权限也从封闭测试版扩大到开放测试版，甚至在某些情况下，还开放了源代码。

对于那些一直对大型语言模型（LLM）的使用较少的开发者来说，那么现在就是探索和应用开发的闸门大大开放的时候，各色应用也开始绽放。

（用 midjourney 生成的插图）

浪潮 4：杀手级应用的出现（现在）

随着平台层开始巩固，模型继续变得更好、更快、更便宜，以及模型的访问 / 使用趋向于免费和开源，应用层的创造力爆发的时机已经成熟。