AIGC 机会
汇总
汇总
编号 | 点子 | 详情 | 优点 | 缺点 | 分析 |
---|---|---|---|---|---|
1 | 短视频生成 | 针对特定群体生成视频,作为自媒体资源 | 已有开源框架实现自动化,如 MoneyPrinterTurbo | 案例:治愈系视频创作, Lofi治愈音乐视频,涨粉1400W,多平台分发变现赚收益 | |
2 | 小说生成 | 生成爽文笑话,不定期发自媒体 | |||
3 | 论文阅读器 | ||||
4 | 星座 | 塔罗牌游戏,小程序 | |||
5 | 图片美化 | 用图片生成工具(如SD)实现高级编辑、美化 | |||
6 | AIGC培训 | ||||
资料
【2024-3-26】知乎一洁说 分享各类AIGC变现案例
创业方向
【2023-11-20】AI创业之路会被OpenAI堵死吗?
OpenAI做不到?
- 不可能适配所有行业 —— 不成立
CAP理论
,Consistency(一致性)、Availability(可用性)、Partition Tolerance(分区容错性)三者不可能同时成立,很多人拿CAP理论说法(怼)自己老板的既要、也要、更要想法是不切实际的。- OpenAI就算再厉害,也不可能对所有行业都懂
- 但是,交互发生了变化:现在不靠专业的UI/UE来做人机交互,而是使用对话(Prompt),极大降低了使用的学习成本
- 时效性和输入内容长度 —— 不一定
- LLM的两个劣势:时效性和输入长度,然后引出RAG的优势。
- 但是,现在128K的输入长度,以及可以个性化定制的GPTs,一下子把这两个劣势弥补了,对于RAG创业者来说,确实是当头一棒。
- OpenAI新功能华而不实?
国外某科技大V Greg Kamradt对GPT-4 Turbo进行了压测,结论是:
- 只要问题答案不包含在开头,那么 GPT-4 Turbo 并不能保证总能找到答案;
- 更少的上下文长度=更高的准确性,减少向 GPT-4 Turbo 的输入,总会提升其表现(73K后性能下降很快);
- GPT-4 Turbo 还是偏好于在文档的开头与结尾寻找答案。
相比 GPT-4,GPT-4 Turbo 的能力有巨大的提升,在上下文长度为 32k 的条件下,GPT-4 Turbo 的平均检索正确 2.4 个人名、城市名与动物名,而 GPT-4 仅为 1.1 个。但是,和 Kamradt 一样,Louis 同样发现,即使是 GPT-4 Turbo,在更大的上下文大小上仍然表现不佳。
斯坦福大学在2023年7月份测试并发布了论文《Lost in the Middle: How Language Models Use Long Contexts》
- 几乎所有大模型都出现了“Lost in the Middle”的现象:中间塌陷问题
- 随着Tokens的长度越来越大,会在中间出现性能(推理速度、准确率等)坍塌。
但这些问题都会随着时间慢慢被修复,这不属于核心级别的问题
OpenAI可能真做不到
- 对敏感业务的AI赋能(本地化)
- 由于企业数据安全,OpenAI很难为各个企业客户做本地化
- 企业要保证绝对安全,那就是绝对不以任何形式将敏感数据外泄,严控源头
- 输入-处理-输出的稳定性
- LLM的稳定性除了输出,还包括输入(识别)、推理和输出等多个环节
- 逻辑推理不稳定,有致命问题
- 三大胶水组件对抗幻觉问题:① 分类查询 ② RAG ③ 执行器(本地数据库/文档/api)
- 让用户使用更便捷
- GPT这类产品可以轻松跨行业。一是多模态让输入更加轻松,二是对话方式的输入让人机交互变得无障碍。
- 但第二点,Chat(对话)方式的交互是好,却很难把控。
两个信息:
- 现阶段,甚至很长一段时间,还是需要创造更适合行业用户使用的应用,而不是全靠对话。这是接下来的主要工作:为商业注入AI力量;
- 另外,总有一天,只要说出起点——终点,其他的事情由AI全权代理完成。当然你应该不喜欢它代替你吃饭、睡觉、玩游戏、谈恋爱。
思考:
- 现阶段我们其实做的是:
**
+AI
(即:现有任务+AI) - 以后可能做的就是:
AI
+**
(新的任务)
三大胶水组件
- 分类器:处理元数据、实体识别等,尽量把信息识别做到幂等;
- RAG:这套技术可以说非常复杂(或者说从易到难跨度很大),我们相信它依然非常有生命力,因为看到了它在企业应用中的重要价值,甚至可以说它是LLM这一波带出来的最得民心的明星之一。
- 执行器:不是必须的,我们把它列为我们的三大“胶水组件”套装是因为需要有自己的端到端生成风格,包括HTML5、APP,以及API(对接机器人、数字人等),另外就是对于输出格式的稳定性做了一些要求。
【2023-10-09】OpenAI 掌门人:这两个AI方向创业很有前途
OpenAI奥特曼:
- 创业者别盯着GPT的一些缺点来改进,就像套壳这样的界面优化,没戏,我们迭代个版本,你就得死!
- 简单包装OpenAI的公司活不长久
- 套壳ChatGPT者死,我行不代表你行,别花太多精力在UI界面上
- “AI女友”只是个美丽的陷阱,千万不要轻易尝试。
- 看好AI医学顾问、AI个性化一对一辅导等方向
- OpenAI正在筹建OpenAI学院,预计2023年底启动。人人可访问的免费在线教学系统,老师能与GPT-5来互动,在课程期间接收反馈和指导
- OpenAI也在GPT-4客户案例中展现了两个教育场景。GPT-4化身AI学习助手,既可以作为学生的虚拟导师,又可以作为教师的课件助手。
- 盲目筹资是非常不明智
而,他更看好两个方向
- AI医疗顾问
- 个性化AI一对一辅导
这两个方向跟AI结合,很有价值,对社会有深远影响。
AI医疗顾问:智能与健康的结合
奥特曼期望看到的最具研究价值的方向: AI医疗顾问。
- OpenAI正在筹建OpenAI学院,预计2023年底启动。人人可访问的免费在线教学系统,老师能与GPT-5来互动,在课程期间接收反馈和指导
- OpenAI也在GPT-4客户案例中展现了两个教育场景。GPT-4化身AI学习助手,既可以作为学生的虚拟导师,又可以作为教师的课件助手。
医疗关乎人类生死,每个决策、每个判断都关乎患者的生命安全。在传统的医疗体系中,医生需要依赖于多年的经验和大量的病例来做出决策。
AI医疗顾问,可以通过深度学习和大数据分析,在短时间内为医生提供最准确的诊断和治疗建议。
这样的技术不仅提高了医疗的效率,更从根本上提高了治疗的成功率。未来,一个智能医疗系统,AI精确地捕捉患者的每一次体检、每一次药物使用,甚至每一次身体的异常波动,并为其提供最优化的治疗方案。
现在,身体哪里不舒服了,去医院前,也会先描述给GPT,让GPT分析可能状况。大概了解后,到医院也能更有针对性的检查和治疗。
个性化AI一对一辅导:教育的革命
另一个前景广阔的领域是个性化AI一对一辅导。
- 传统教育体系中,教育资源往往是平均分配,是批量化,规模化的,很难满足每个学生的个性化需求。
- 但AI的出现,使得超个性化教学成为可能。
这种方式的教育,不再是固定的课程和教材,而是根据每个学生的学习能力、兴趣和需求,为其提供定制化的教学内容。 AI会持续分析学生的学习情况,及时提供反馈,确保每个学生都能以最适合的方式学习。
无论你是想学习一门新的技能,还是深化某个领域的知识,都有一个AI助教时刻陪伴在你身边,为你提供最准确、最实用的知识和技能。 这样的学习方式,会极大提高学习的效率和乐趣。
GPT现在这个水平,学习中遇到的问题,问它,都要比问老师,周围的其他人强。
创业公司
2023年6月,The Information评选了五家最有可能成为中国 OpenAI 的公司:MiniMax
、智谱
、澜舟科技
、光年之外
,以及杨植麟创立的 Moonshot AI
。
相比王小川、王慧文这些互联网时代的风云创业者,杨植麟在公众中的知名度稍逊。但在 AI 圈和创投圈眼中,他在这一波大模型创业浪潮中的关注度丝毫不弱于前二者。
杨植麟
- 开源是获客手段,闭源才是超级 APP 的唯一通路
Moonshot AI 杨植麟
【2023-10-9】对话 Moonshot AI 杨植麟:闭源是通往超级 APP 的唯一通路
今年 31 岁的杨植麟是典型的学院派创业者。根据机器之心此前的报道,2015 年从清华计算机系毕业后,杨植麟前往美国卡内基梅隆大学攻读博士,师从苹果 AI 研究负责人 Ruslan Salakhutdinov 和谷歌首席科学家 William Cohen。
- 博士期间,杨植麟先后以一作身份,发表 Transformer-XL 和 XLNet 两项工作,谷歌学术被引次数近两万。Transformer-XL 成为首个全面超越 RNN 的注意力语言模型,论文成为 NeurIPS 2019 与 ACL 2019 的最高引论文之一;XLNet 则在 20 项任务上超越谷歌 BERT 模型,一鸣惊人。
- 根据 GitHub 上的个人资料,杨植麟曾在 Google 和 Meta Platforms 的人工智能实验室工作。在创立 Moonshot AI 前,杨植麟还与他人共同创立了循环智能(Recurrent AI),红杉中国也对该公司进行了投资。据该公司网站称,Recurrent AI 为销售人员开发工具。
杨植麟的学术和创业实践背景,让 Moonshot AI 成为了投资机构追逐的明星项目。据极客公园了解,今年 3 月成立以来,Moonshot AI 累计已经获得近 20 亿元融资,投资方包括红杉资本、今日资本、砺思资本等知名投资机构。
2023年3月,Moonshot AI 成立,一个大模型公司
- 名字来由:月亮其实它的背面一直都是看不到的,你只能看到它正面,但它的背面其实很让人好奇
- Moonshot AI 是专注 ToC 的公司,现在最高优先级的任务是在 C 端找到产品、技术以及市场的方向。但同时我们也会以开放心态去做更多 B 端以及具体行业的一个方向。
- 过去在循环智能做 ToB,MoonShot 却选择做C端产品
- 通过 AI native 的产品产生了新的流量入口,基于此,去做 Super APP 会是一个非常巨大的机会,但这个 Super APP 需要产品和技术很好地结合。
- 最大特色:人才密度。团队非常多的成员有训练超大模型的经验,包括参与了 Google 的下一代多模态模型 Gemini 的核心开发;在 Google 训练大几千亿参数的经验;也包括国内最早的大模型悟道、盘古的原班人马。
- 技术
- 「长文本」称作登月计划的第一步,其实是基于一个朴素的判断。如果我们去看模型的参数量,这个参数量可能是大家比较熟悉的,它决定了你能够支持多复杂的计算。如果类比计算机的话,它其实是你的这个 CPU 能支持的这个指令集到底有多复杂,你能处理多复杂的计算。
Moonshot 推出的首款大模型产品智能助手 Kimi Chat
浮点奇迹 – 小瑶科技
【2023-12-9】浮点奇迹
- 新媒体AI员工定制平台
- 用Agent范式学习流量密码,重构互联网内容生成与分发
- 自研长短期记忆的Agent系统Timo,打破大模型context限制
奇绩创坛
三个月的难忘瞬间:
- 收到一份非常干净、连董事会席位都不要的投资协议
- 陆奇提出的第一个建议,我思考很久,成为我们后续找到pmf的重要支点
- 收到数百万投资款
- 在导师团的资源介绍和pmf指导下,拿下第一个订单
- demo day之后,我收到了接近500位投资人的微信申请,一夜集齐全球顶尖资本
- 结营仪式,陆奇说,坚信,你们浮点奇迹就是下一个字节跳动对早期创业者来说,奇绩给的这份创业认知、思维、方法论和资源,会比单纯的数百万的投资款珍贵太多。