Автори: Грейс Карні, Метт Мандель, Ребекка Кейден та Нік Гроссман
Компіляція: TechFlow Deep Tide
У цю епоху, наповнену можливостями та невизначеністю, швидкий розвиток штучного інтелекту відкриває перед нами безліч можливостей, але водночас приносить багато глибоких і ще не вирішених питань. Чи будемо ми продовжувати рухатися вперед по експоненційній кривій зростання технологій, навіть зробивши стрибок у самовдосконаленні? Чи сповільнимося ми через появу технологічних бар'єрів? Чи недалеко вже до межі технологічного розвитку, чи вона все ще поза досягненням? Чи буде світ майбутнього контролюватися кількома гігантами у закритій екосистемі чи буде відкритою екосистемою, в якій відбувається багатобічна конкуренція, співіснування та співпраця?
Майбутній напрямок та найбільші можливості можуть залежати від двох ключових факторів: швидкості технологічного прогресу та відкритості передових моделей.
Швидкість технічного прогресу: відображає швидкість розвитку можливостей моделей штучного інтелекту. Якщо розвиток відбувається швидко, ми можемо досягти критичної точки "інтелектуального прориву" в найближчі кілька років; а якщо розвиток сповільниться, можливо, через технічні обмеження та затримки він відбудеться через десять років або навіть пізніше.
Відкритість: вимірюється ступінь влади, яку контролює модель штучного інтелекту, та економічної вартості, яку вона витягує з цього. У відкритому випадку продуктивність відкритої моделі приближається до закритої моделі, або існує багато якісних закритих моделей, що конкурують між собою. Це означає, що модель не може монополізувати економічні вигоди. У закритому випадку невелика кількість великих гравців, за допомогою закритої моделі, лідирують і контролюють більшість створеної вартості.
Хоча у кожній ситуації є нові можливості для розвитку, ми вважаємо, що кінцевий квадрант вирішить, які проекти, стратегії та бізнес-моделі матимуть переваги.
Велика базова модель: лівий нижній квадрант
У технологічному стеку завжди існувала напруга між розподілом вартості на рівні інфраструктури та рівні додатків. У 2016 році аналітик USV Джоел Монегро в своєму блозі «Товстий протокол» вказав: «Розподіл вартості в традиційному інтернет-стеку показує ознаки «худого протоколу» та «товстого додатка». Розвиток ринку доводить, що інвестиції в додатки мають вищу віддачу, тоді як прямі інвестиції в технологію протоколу, як правило, мають нижчу віддачу». Однак у стеку технології блокчейн цей відносини перевернулися, більшість вартості сконцентрована на рівні протоколу. З появою штучного інтелекту як нової провідної платформи, нам потрібно переглянути це відношення - що саме є основною цінністю, сама модель або додатки, побудовані на базі моделі?
У лівому нижньому квадранті технічний прогрес продовжує набирати швидкість, в кінцевому підсумку формується закрите екосистема, в якій моделі майже повністю оволоділи всією вартістю. Чим потужніші моделі, тим менше потреби маємо в застосунках або інших моделях, побудованих на їх основі.
У цьому контексті головними гравцями будуть декілька великих базових моделей та інфраструктури, необхідних для їх розширення. Для підтримки цього розширення моделей нам потрібно використовувати великі обсяги енергії (включаючи більш ефективні нові джерела енергії). Розвиток інфраструктури, пов'язаної з апаратним забезпеченням, програмним забезпеченням та виробництвом енергії, стане важливою сферою створення вартості. Наприклад, компанії, такі як Radiant, Blixt, Lydian і Glow з портфелю USV Investments, зосереджені на інноваціях у виробництві та управлінні енергією. Крім того, є можливість підтримки модельних архітектур, які використовують різні технологічні шляхи, такі як децентралізоване навчання, які можуть стати переможцями на майбутньому ринку.
Підйом нішевої моделі: верхній лівий квадрант
(Примітка про глибокий приплив: Нішева модель відноситься до моделі штучного інтелекту, яка фокусується на задоволенні певної сфери або конкретної потреби.) На відміну від моделей загального призначення, таких як великі мовні моделі, нішеві моделі, як правило, оптимізовані для конкретної галузі, завдання або набору даних, і є більш цілеспрямованими та спеціалізованими. ）
У лівому верхньому квадранті, хоча екосистема є закритою, проте технічний прогрес сповільнюється, це створює можливість для заповнення нішевої моделі базових можливостей. Наразі ми вже бачимо такі тенденції в декількох галузях, таких як біотехнології, охорона здоров'я, робототехніка, аналіз емоцій, персоналізований набір даних та дані фізичного світу. Деякі з цих галузей вже отримали інвестиції від USV. У цьому випадку дані стають більш конкретними та цілеспрямованими, користь моделі також стає більш очевидною. Зменшуючи обсяг застосування та підвищуючи цілеспрямованість, точність та практичність моделі можна значно підвищити. У цьому квадранті ми побачимо постійне зростання впливових нішевих моделей в багатьох галузях, які стануть важливими будівельними блоками.
Додатки з мережевим ефектом: верхній правий квадрант
У правому верхньому квадранті темпи технологічного прогресу базової моделі сповільнюються, але екосистема залишається відкритою. Модель має певні обмеження у своїй можливості та більш конкретний діапазон застосування, це надає можливість для стартапів перетворити штучний інтелект на продуктові застосування та побудувати його на моделі.
Цей результат не є незнайомим екосистемі ризикового інвестування. Це не тільки технологічний прорив, а й випробування для уяви. Можливості полягають у переконструюванні нашого спілкування з штучним інтелектом, щоб змінити нашу роботу і життя. Ми можемо передбачити, що в майбутньому з'являться нові додатки, підтримуючі шари та інтерфейси взаємодії, які повністю перетворять наш спосіб навчання, дослідження, медичного обслуговування, творчості, розваг, соціалізації, виконання завдань та управління бізнесом. Шляхом більш прямого досягнення користувачів, вчителів, пацієнтів або клієнтів витрати значно знизяться, а доступність значно покращиться.
Як завжди, багато розробників боротимуться за ті ж самі можливості. Тому мережевий ефект (чи то через зростання користувачів, чи то через накопичення даних) стане ключовим фактором для накопичення та захисту основної цінності підприємства.
Справжній відкритий штучний інтелект: правий нижній квадрант
Якщо модель швидко розвиватиметься у відкритій екосистемі, то ми побачимо найбільш уявні сценарії: велика кількість суперінтелектуальних моделей будуть взаємодіяти на високій частоті та рівні високої кваліфікації.
У цьому контексті багато відкритих моделей стануть домінуючими в своїх відповідних ринкових сегментах, але для ефективної взаємодії між ними ці моделі потребують інструментів. У світі, де головними суб'єктами є інтелектуальні агенти (AI-агенти), ці агенти повинні здійснювати транзакції з високою частотою. Криптовалюта може стати найпростішою та найбільш гнучкою цифровою формою грошей між інтелектуальними агентами, що забезпечить перевагу для самого токена, децентралізованої інфраструктури, а також протоколів взаємодії, таких як Farcaster. Можна уявити, що у майбутньому з'явиться багато інтелектуальних агентів, які матимуть гаманці та бюджети, і будуть здійснювати часті транзакції в цифровій економіці.
Узагальнення
Ця рамка, хоч і спрощена, без сумніву надає нам вихідну точку для роздумів. Методи, що домінують у кожному квадранті, можуть виділятися в певних сценаріях. Особливо продукти, які можуть стимулювати нову поведінку користувачів, створювати нову цінність та спонукати користувачів до активного використання, матимуть потенціал створити велику цінність.
Це поділ квадрантів допомагає нашій команді глибше продумувати у цей спеціальний період повний невизначеності: "Які умови потрібні для того, щоб певний метод дійсно взяв верх?"
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Union Square Ventures: зображення, що висвітлює 4 можливих напрямки майбутньої AI технології
Автори: Грейс Карні, Метт Мандель, Ребекка Кейден та Нік Гроссман
Компіляція: TechFlow Deep Tide
У цю епоху, наповнену можливостями та невизначеністю, швидкий розвиток штучного інтелекту відкриває перед нами безліч можливостей, але водночас приносить багато глибоких і ще не вирішених питань. Чи будемо ми продовжувати рухатися вперед по експоненційній кривій зростання технологій, навіть зробивши стрибок у самовдосконаленні? Чи сповільнимося ми через появу технологічних бар'єрів? Чи недалеко вже до межі технологічного розвитку, чи вона все ще поза досягненням? Чи буде світ майбутнього контролюватися кількома гігантами у закритій екосистемі чи буде відкритою екосистемою, в якій відбувається багатобічна конкуренція, співіснування та співпраця?
Майбутній напрямок та найбільші можливості можуть залежати від двох ключових факторів: швидкості технологічного прогресу та відкритості передових моделей.
Швидкість технічного прогресу: відображає швидкість розвитку можливостей моделей штучного інтелекту. Якщо розвиток відбувається швидко, ми можемо досягти критичної точки "інтелектуального прориву" в найближчі кілька років; а якщо розвиток сповільниться, можливо, через технічні обмеження та затримки він відбудеться через десять років або навіть пізніше.
Відкритість: вимірюється ступінь влади, яку контролює модель штучного інтелекту, та економічної вартості, яку вона витягує з цього. У відкритому випадку продуктивність відкритої моделі приближається до закритої моделі, або існує багато якісних закритих моделей, що конкурують між собою. Це означає, що модель не може монополізувати економічні вигоди. У закритому випадку невелика кількість великих гравців, за допомогою закритої моделі, лідирують і контролюють більшість створеної вартості.
Хоча у кожній ситуації є нові можливості для розвитку, ми вважаємо, що кінцевий квадрант вирішить, які проекти, стратегії та бізнес-моделі матимуть переваги.
Велика базова модель: лівий нижній квадрант
У технологічному стеку завжди існувала напруга між розподілом вартості на рівні інфраструктури та рівні додатків. У 2016 році аналітик USV Джоел Монегро в своєму блозі «Товстий протокол» вказав: «Розподіл вартості в традиційному інтернет-стеку показує ознаки «худого протоколу» та «товстого додатка». Розвиток ринку доводить, що інвестиції в додатки мають вищу віддачу, тоді як прямі інвестиції в технологію протоколу, як правило, мають нижчу віддачу». Однак у стеку технології блокчейн цей відносини перевернулися, більшість вартості сконцентрована на рівні протоколу. З появою штучного інтелекту як нової провідної платформи, нам потрібно переглянути це відношення - що саме є основною цінністю, сама модель або додатки, побудовані на базі моделі?
У лівому нижньому квадранті технічний прогрес продовжує набирати швидкість, в кінцевому підсумку формується закрите екосистема, в якій моделі майже повністю оволоділи всією вартістю. Чим потужніші моделі, тим менше потреби маємо в застосунках або інших моделях, побудованих на їх основі.
У цьому контексті головними гравцями будуть декілька великих базових моделей та інфраструктури, необхідних для їх розширення. Для підтримки цього розширення моделей нам потрібно використовувати великі обсяги енергії (включаючи більш ефективні нові джерела енергії). Розвиток інфраструктури, пов'язаної з апаратним забезпеченням, програмним забезпеченням та виробництвом енергії, стане важливою сферою створення вартості. Наприклад, компанії, такі як Radiant, Blixt, Lydian і Glow з портфелю USV Investments, зосереджені на інноваціях у виробництві та управлінні енергією. Крім того, є можливість підтримки модельних архітектур, які використовують різні технологічні шляхи, такі як децентралізоване навчання, які можуть стати переможцями на майбутньому ринку.
Підйом нішевої моделі: верхній лівий квадрант
(Примітка про глибокий приплив: Нішева модель відноситься до моделі штучного інтелекту, яка фокусується на задоволенні певної сфери або конкретної потреби.) На відміну від моделей загального призначення, таких як великі мовні моделі, нішеві моделі, як правило, оптимізовані для конкретної галузі, завдання або набору даних, і є більш цілеспрямованими та спеціалізованими. ）
У лівому верхньому квадранті, хоча екосистема є закритою, проте технічний прогрес сповільнюється, це створює можливість для заповнення нішевої моделі базових можливостей. Наразі ми вже бачимо такі тенденції в декількох галузях, таких як біотехнології, охорона здоров'я, робототехніка, аналіз емоцій, персоналізований набір даних та дані фізичного світу. Деякі з цих галузей вже отримали інвестиції від USV. У цьому випадку дані стають більш конкретними та цілеспрямованими, користь моделі також стає більш очевидною. Зменшуючи обсяг застосування та підвищуючи цілеспрямованість, точність та практичність моделі можна значно підвищити. У цьому квадранті ми побачимо постійне зростання впливових нішевих моделей в багатьох галузях, які стануть важливими будівельними блоками.
Додатки з мережевим ефектом: верхній правий квадрант
У правому верхньому квадранті темпи технологічного прогресу базової моделі сповільнюються, але екосистема залишається відкритою. Модель має певні обмеження у своїй можливості та більш конкретний діапазон застосування, це надає можливість для стартапів перетворити штучний інтелект на продуктові застосування та побудувати його на моделі.
Цей результат не є незнайомим екосистемі ризикового інвестування. Це не тільки технологічний прорив, а й випробування для уяви. Можливості полягають у переконструюванні нашого спілкування з штучним інтелектом, щоб змінити нашу роботу і життя. Ми можемо передбачити, що в майбутньому з'являться нові додатки, підтримуючі шари та інтерфейси взаємодії, які повністю перетворять наш спосіб навчання, дослідження, медичного обслуговування, творчості, розваг, соціалізації, виконання завдань та управління бізнесом. Шляхом більш прямого досягнення користувачів, вчителів, пацієнтів або клієнтів витрати значно знизяться, а доступність значно покращиться.
Як завжди, багато розробників боротимуться за ті ж самі можливості. Тому мережевий ефект (чи то через зростання користувачів, чи то через накопичення даних) стане ключовим фактором для накопичення та захисту основної цінності підприємства.
Справжній відкритий штучний інтелект: правий нижній квадрант
Якщо модель швидко розвиватиметься у відкритій екосистемі, то ми побачимо найбільш уявні сценарії: велика кількість суперінтелектуальних моделей будуть взаємодіяти на високій частоті та рівні високої кваліфікації.
У цьому контексті багато відкритих моделей стануть домінуючими в своїх відповідних ринкових сегментах, але для ефективної взаємодії між ними ці моделі потребують інструментів. У світі, де головними суб'єктами є інтелектуальні агенти (AI-агенти), ці агенти повинні здійснювати транзакції з високою частотою. Криптовалюта може стати найпростішою та найбільш гнучкою цифровою формою грошей між інтелектуальними агентами, що забезпечить перевагу для самого токена, децентралізованої інфраструктури, а також протоколів взаємодії, таких як Farcaster. Можна уявити, що у майбутньому з'явиться багато інтелектуальних агентів, які матимуть гаманці та бюджети, і будуть здійснювати часті транзакції в цифровій економіці.
Узагальнення
Ця рамка, хоч і спрощена, без сумніву надає нам вихідну точку для роздумів. Методи, що домінують у кожному квадранті, можуть виділятися в певних сценаріях. Особливо продукти, які можуть стимулювати нову поведінку користувачів, створювати нову цінність та спонукати користувачів до активного використання, матимуть потенціал створити велику цінність.
Це поділ квадрантів допомагає нашій команді глибше продумувати у цей спеціальний період повний невизначеності: "Які умови потрібні для того, щоб певний метод дійсно взяв верх?"