目前而言,AI 的功能尚未被完全确定。
在独立游戏开发中,AI 作为开发辅助工具表现不错,能加速玩法验证和 Demo 制作,但还不足以完全替代开发者进行开发,对复杂项目也未达到“言出法随”的境界。
对于 SaaS 生态,最初认为 AI 的转型不会摧毁现有的云计算公司,但现在不再那么确定。认知架构带来巨大工程挑战,将模型基础能力转化为成熟可靠的端到端解决方案可能比想象更复杂。
目前最好的大型语言模型改进速度约为每 5 至 14 个月翻一番,但仍未完全发挥现有 AI 的能力。AI 在事实核查方面甚至可超越人类,在医疗等专业领域表现出色,但仍存在局限性。机器人代理人可能成为将 AI 与组织整合的关键。
总之,到目前为止,AI作为开发辅助的工具表现还不赖。能确定的是,它目前还不足以完全替代开发者进行开发,对复杂的项目也远远没到“言出法随”的境界,但作为生产力工具加速玩法验证和Demo制作已经完全没有任何问题了。这对独立开发者是一个绝对的福音。引用1:https://wandb.ai/yepster/tpu-t5-base/reports/Adafactor-learning-rate-0-005-seems-best-for-t5-base-training--VmlldzoxNTgyODIw引用2:https://arxiv.org/pdf/2301.07733.pdf引用3:https://github.com/google/automl/tree/master/lion引用4:https://github.com/KohakuBlueleaf/LyCORIS
今年早些时候,我们与有限合伙人讨论过,他们最关心的问题是:“AI的转型是否会摧毁现有的云计算公司?”最初,我们的默认回答是“不会”。在初创企业和大公司之间的竞争中,通常是初创企业在构建分销渠道,而incumbents(现有大公司)则专注于优化产品。这场竞争的关键在于,初创公司是否能在incumbents拿出酷产品之前,吸引足够多的用户。鉴于生成式AI的核心技术基础模型对初创公司和大公司都是开放的,并且incumbents本身就拥有数据和分销优势,因此我们认为,大公司不会受到太大冲击。初创企业的机会并不是要取代大公司,而是瞄准那些可以自动化的工作领域。然而,现在我们不再那么确定了。正如前文所述,认知架构带来了巨大的工程挑战。将模型的基础能力转化为成熟的、可靠的端到端解决方案,可能比我们想象的更为复杂。我们是否低估了“AI原生”的巨大潜力?二十年前,传统软件公司曾对SaaS的崛起不屑一顾。“这有什么大不了的?我们也可以自己运行服务器,通过互联网提供这些服务!”从表面上看,SaaS确实概念简单,但其引发的却是一场业务模式的全面变革。从工程、产品和设计(EPD)部门的瀑布式开发转变为敏捷开发和A/B测试,到市场策略(GTM)从自上而下的企业销售转向自下而上的产品驱动增长(PLG),再到商业模式从高价格的销售转向基于使用的定价模式,这场变革彻底颠覆了传统软件公司的运营方式。最终,只有极少数的传统公司成功完成了这次转型。如果AI带来的变革与SaaS类似呢?AI的机会是否不仅仅是“销售工作”,还有可能取代现有的软件?
目前最好的大型语言模型的改进速度估计为每5至14个月翻一番。虽然我们已经有了GPT-4等前沿模型,但我们仍然没有完全发挥现有AI的能力。AI的潜力仍然难以确定,因为大多数人在一种方法行不通时就停止尝试。此外,AI在使用工具方面的能力也是一个重要因素。AI在事实核查方面甚至可以超越人类。此外,AI在医疗领域和其他专业领域也表现出了很高的水平。机器人代理人可能成为将AI与组织整合的关键,它们可以作为“AI合同工”来完成任务,并且与人类更自然地交互。然而,目前的AI仍然存在一些局限性,如果下一代模型能够显著改进,那么不确定的上限能力、在某些领域的“超人”能力和自主代理人将变得非常重要。关键段落AI的潜力无法确定:大多数人在某种方法行不通时就停止尝试,因此很难确定这些模型的能力究竟有多大。但是,通过仔细的引导,AI通常可以做到看似不可能的事情。AI在使用工具方面的能力:当AI可以使用像Google搜索这样的工具时,它们在事实核查等方面的表现甚至可以超过人类。最近的研究表明,AI在某些非常人类的任务上甚至可以超越人类的表现。AI在医疗领域的应用:AI在处理医疗数据和进行临床推理方面的表现优于医生。这并不意味着AI可以取代医生,但它表明AI可以模仿医生在诊断方面的一些强大过程机器人代理人的出现:机器人代理人可能成为将AI与组织整合的关键,它们可以作为“AI合同工”来完成任务,并且与人类更自然地交互。机器人代理人的出现也预示着未来的巨大变革。