Επένδυση στο Replicate

Επένδυση στο Replicate

Χρονική σήμανση: 21 Φεβρουαρίου 2023 11:17 π.μ.
Κόμβος πηγής: 1970260

Είναι πολύ σπάνιο να δούμε ένα νέο δομικό στοιχείο να αναδύεται στους υπολογιστές. Εάν οι εξωγήινοι προσγειώνονταν στη γη και απομεταγλωττίσουν το λογισμικό μας, κάθε εφαρμογή θα φαινόταν περίπου η ίδια: κάποιος συνδυασμός δικτύωσης, αποθήκευσης και υπολογισμού. Ο τρόπος με τον οποίο οι προγραμματιστές καταναλώνουν αυτούς τους πόρους και το πού στεγάζονται, έχει φυσικά αλλάξει δραματικά με την πάροδο του χρόνου. Αλλά οι βασικές έννοιες είναι τόσο παλιές όσο και οι ίδιοι οι υπολογιστές, που χρονολογούνται τόσο πολύ άβακας (~2700 π.Χ.), το Αναλυτική μηχανή (1837) και το Δίκτυο ραντάρ SAGE (1950).

Τα μεγάλα μοντέλα τεχνητής νοημοσύνης όπως το Stable Diffusion και το ChatGPT αντιπροσωπεύουν ένα θεμελιωδώς νέο δομικό στοιχείο. Με την ενσωμάτωση μεγάλων μοντέλων (LM) σε λογισμικό, οι προγραμματιστές μπορούν να εκθέσουν λειτουργίες που δεν θα ήταν δυνατές διαφορετικά, συμπεριλαμβανομένης της δημιουργίας οπτικού περιεχομένου ή κειμένου, της ταξινόμησης υπάρχοντος περιεχομένου και της σχεδίασης σημασιολογικών (και όχι τυπικών) συνδέσεων στα δεδομένα. Αυτή μπορεί να είναι μια από τις μεγαλύτερες αλλαγές στο λογισμικό που έχουμε δει ποτέ — δεν είναι απλώς η εκτέλεση λογισμικού σε μια νέα πλατφόρμα (π.χ. μια φορητή συσκευή), αλλά είναι ένας καθαρός νέος τύπος λογισμικού.

Το μόνο πρόβλημα είναι ότι τα LM εξακολουθούν να είναι δύσκολο να χρησιμοποιηθούν. Οι περισσότεροι προγραμματιστές δεν είναι μηχανικοί μηχανικής μάθησης — παγκοσμίως, οι μηχανικοί λογισμικού υπερτερούν αριθμητικά των μηχανικών μηχανικής εκμάθησης κατά περίπου δύο τάξεις μεγέθους (~30 εκατομμύρια έναντι ~500,000). Η μεγάλης κλίμακας προ-εκπαίδευση έχει κάνει την τεχνητή νοημοσύνη δραματικά πιο προσιτή, αλλά οι προγραμματιστές λογισμικού εξακολουθούν να αντιμετωπίζουν μια σειρά από εμπόδια (π.χ. πού να φιλοξενήσουν μοντέλα, τι να κάνουν όταν χαλάσουν και πώς να δημιουργήσουν διαφοροποίηση μοντέλων με την πάροδο του χρόνου) για να ξεκινήσουν οι εφαρμογές AI στην παραγωγή, ειδικά σε κλίμακα. Καθαρές αφαιρέσεις και απλά εργαλεία για LM απλά δεν υπάρχουν. 

Αυτό είναι το πρόβλημα Αντιγραφή στοχεύει να λύσει, όντας κάτι σαν το Vercel της μηχανικής μάθησης. Είμαστε στην ευχάριστη θέση να ανακοινώσουμε σήμερα ότι ηγούμαστε στον γύρο της σειράς A της Replicate για να βοηθήσουμε την εταιρεία να αναπτυχθεί και να επιτύχει το όραμά της να κάνει την τεχνητή νοημοσύνη χρησιμοποιήσιμη σε κλίμακα.

Το βασικό δόγμα του προϊόντος της Replicate είναι ότι όλα τα μοντέλα τεχνητής νοημοσύνης ανοιχτού κώδικα πρέπει να είναι διαθέσιμα και εύχρηστα σε ένα μέρος. Οι προγραμματιστές θα πρέπει να μπορούν να ξεκινήσουν και να λειτουργούν σε LM με μηδενική εργασία μηχανικής εκμάθησης, εγκατάσταση φιλοξενίας ή ανεξερεύνητα σφάλματα Python/CUDA. Θα πρέπει να είναι εύκολο να συνθέσετε πολλά μοντέλα σε έναν αγωγό. Και, καθώς οι εφαρμογές κλιμακώνονται, οι προγραμματιστές θα πρέπει να έχουν πρόσβαση σε απλά εργαλεία για τον ακριβή συντονισμό και τη φιλοξενία των δικών τους μοντέλων.

Όλα αυτά είναι δυνατά επειδή το Replicate εστιάζει μόνο στην εμπειρία προγραμματιστή και σε γενικές αφαιρέσεις — σε αντίθεση με τους παρόχους μοντέλων που συνδέονται με αρχιτεκτονικές ενός μοντέλου και ξοδεύουν τους περισσότερους πόρους τους για να αναπτύξουν καλύτερα μοντέλα.

Μέχρι στιγμής, το Replicate έχει προσελκύσει χιλιάδες ενεργούς προγραμματιστές στην πλατφόρμα, πολλοί από τους οποίους κατασκευάζουν οπτικές εφαρμογές τεχνητής νοημοσύνης. Μερικές από τις πιο εξελιγμένες και γνωστές εταιρείες τεχνητής νοημοσύνης χρησιμοποιούν το Replicate. Θεωρούμε αυτό ως πρώιμη επικύρωση ότι ακόμη και οι εξαιρετικά ικανοί προγραμματιστές δεν θέλουν να εφεύρουν ξανά τον τροχό και ότι η Replicate δημιουργεί το σωστό προϊόν για αυτό το κοινό.

Η ομάδα Replicate είναι μοναδικά εξοπλισμένη για να αντιμετωπίσει αυτό το πρόβλημα. Μπεν Φίρσμαν σχεδίασε την πρώτη έκδοση του Docker Compose, ενός εργαλείου που χρησιμοποιείται τώρα από εκατομμύρια προγραμματιστές και έχει μια υπερδύναμη για την κατανόηση της εμπειρίας προγραμματιστή. Ανδρέας Γιάνσον ήταν ανώτερος μηχανικός μηχανικής μάθησης στο Spotify, όπου ανέπτυξε μοντέλα τεχνητής νοημοσύνης μεγάλης κλίμακας και σχεδίασε νέα εργαλεία τεχνητής νοημοσύνης από την αρχή. Μαζί απελευθέρωσαν δόντι τροχού, ένα απλό σύστημα συσκευασίας μοντέλων που βασίζεται σε εμπορευματοκιβώτια που τώρα τροφοδοτεί το Replicate.

Μόλις αρχίζουμε να βλέπουμε τη δύναμη των μεγάλων μοντέλων ως ένα νέο δομικό στοιχείο στο λογισμικό. Πιστεύουμε ότι το Replicate έχει σημαντικό ρόλο να διαδραματίσει στο να φέρει αυτά τα μοντέλα στα χέρια των επόμενων εκατομμυρίων προγραμματιστών και είμαστε ενθουσιασμένοι που τους υποστηρίζουμε σε αυτήν την αποστολή.

***

Οι απόψεις που εκφράζονται εδώ είναι αυτές του μεμονωμένου προσωπικού της AH Capital Management, LLC ("a16z") που αναφέρεται και δεν είναι απόψεις της a16z ή των θυγατρικών της. Ορισμένες πληροφορίες που περιέχονται εδώ έχουν ληφθεί από τρίτες πηγές, συμπεριλαμβανομένων των εταιρειών χαρτοφυλακίου κεφαλαίων που διαχειρίζεται η a16z. Αν και λαμβάνεται από πηγές που πιστεύεται ότι είναι αξιόπιστες, το a16z δεν έχει επαληθεύσει ανεξάρτητα τέτοιες πληροφορίες και δεν κάνει δηλώσεις σχετικά με την τρέχουσα ή διαρκή ακρίβεια των πληροφοριών ή την καταλληλότητά τους για μια δεδομένη κατάσταση. Επιπλέον, αυτό το περιεχόμενο μπορεί να περιλαμβάνει διαφημίσεις τρίτων. Η a16z δεν έχει ελέγξει τέτοιες διαφημίσεις και δεν υποστηρίζει κανένα διαφημιστικό περιεχόμενο που περιέχεται σε αυτές.

Αυτό το περιεχόμενο παρέχεται μόνο για ενημερωτικούς σκοπούς και δεν θα πρέπει να βασίζεται ως νομική, επιχειρηματική, επενδυτική ή φορολογική συμβουλή. Θα πρέπει να συμβουλευτείτε τους δικούς σας συμβούλους για αυτά τα θέματα. Οι αναφορές σε οποιουσδήποτε τίτλους ή ψηφιακά περιουσιακά στοιχεία είναι μόνο για ενδεικτικούς σκοπούς και δεν αποτελούν επενδυτική σύσταση ή προσφορά για παροχή επενδυτικών συμβουλευτικών υπηρεσιών. Επιπλέον, αυτό το περιεχόμενο δεν απευθύνεται ούτε προορίζεται για χρήση από επενδυτές ή υποψήφιους επενδυτές και δεν μπορεί σε καμία περίπτωση να γίνει επίκληση του κατά τη λήψη απόφασης για επένδυση σε οποιοδήποτε αμοιβαίο κεφάλαιο που διαχειρίζεται η a16z. (Μια προσφορά για επένδυση σε ένα αμοιβαίο κεφάλαιο a16z θα γίνει μόνο από το μνημόνιο ιδιωτικής τοποθέτησης, τη συμφωνία εγγραφής και άλλη σχετική τεκμηρίωση οποιουδήποτε τέτοιου κεφαλαίου και θα πρέπει να διαβαστεί στο σύνολό τους.) Τυχόν επενδύσεις ή εταιρείες χαρτοφυλακίου που αναφέρονται, αναφέρονται ή που περιγράφονται δεν είναι αντιπροσωπευτικές όλων των επενδύσεων σε οχήματα που διαχειρίζεται η a16z και δεν μπορεί να υπάρξει διαβεβαίωση ότι οι επενδύσεις θα είναι κερδοφόρες ή ότι άλλες επενδύσεις που θα πραγματοποιηθούν στο μέλλον θα έχουν παρόμοια χαρακτηριστικά ή αποτελέσματα. Μια λίστα με επενδύσεις που πραγματοποιήθηκαν από αμοιβαία κεφάλαια που διαχειρίζεται ο Andreessen Horowitz (εξαιρουμένων των επενδύσεων για τις οποίες ο εκδότης δεν έχει παράσχει άδεια για δημοσιοποίηση της a16z καθώς και των απροειδοποίητων επενδύσεων σε δημόσια διαπραγματεύσιμα ψηφιακά περιουσιακά στοιχεία) είναι διαθέσιμη στη διεύθυνση https://a16z.com/investments /.

Τα γραφήματα και τα γραφήματα που παρέχονται εντός προορίζονται αποκλειστικά για ενημερωτικούς σκοπούς και δεν θα πρέπει να βασίζονται σε αυτά όταν λαμβάνεται οποιαδήποτε επενδυτική απόφαση. Οι προηγούμενες αποδόσεις δεν είναι ενδεικτικές των μελλοντικών αποτελεσμάτων. Το περιεχόμενο μιλά μόνο από την ημερομηνία που υποδεικνύεται. Οποιεσδήποτε προβλέψεις, εκτιμήσεις, προβλέψεις, στόχοι, προοπτικές και/ή απόψεις που εκφράζονται σε αυτό το υλικό υπόκεινται σε αλλαγές χωρίς προειδοποίηση και μπορεί να διαφέρουν ή να είναι αντίθετες με τις απόψεις που εκφράζονται από άλλους. Ανατρέξτε στη διεύθυνση https://a16z.com/disclosures για πρόσθετες σημαντικές πληροφορίες.

Σφραγίδα ώρας:

Περισσότερα από Andreessen Horowitz