人工智能和机器学习领域的发展速度极快。事实上，回想起来，仅在十年前，AlexNet模型还在ImageNet竞赛中占据主导地位，并开启了深度学习成为真正技术运动的进程，这着实令人惊叹。如今，在经历了多年关于游戏对战的头条新闻之后，我们看到越来越多应用于现实世界的创新。
仅在过去的几年里，像GPT-3和AlphaFold这样的AI/ML模型就提供了催化新产品和公司发展的能力，并拓展了我们对计算机能力的认知。
考虑到这一点，我们决定回顾一下Future在今年上半年对AI/ML领域的报道，同时也为您补充介绍在此期间行业内的一些（当然，并非全部）重大发展。正如您将看到的，大型语言模型、生成式模型和基础模型的某种结合是关注的焦点，而就理解它们的能力以及大型研究实验室之外的世界如何利用它们的力量而言，我们才刚刚触及表面。
Future关注点：如何利用AI/ML的进展
- 如何在你的初创公司中使用大规模AI模型（如GPT-3） by Elliot Turner / Hyperia
- AlphaFold、GPT-3以及如何通过AI增强智能 by Niko Grupen / 康奈尔大学
- AlphaFold、GPT-3以及如何通过AI增强智能 (第二部分) by Niko Grupen / 康奈尔大学
- Data50：全球顶尖数据初创公司 by Jennifer Li, Sarah Wang, and Jamie Sullivan / a16z
- 现代数据基础设施的新兴架构 by Matt Bornstein, Jennifer Li, and Martin Casado / a16z
- 深度学习的十年：AI初创公司经验如何演变 (问答) by Richard Socher / you.com
- 构建可靠AI模型的7种技术 by Beena Ammanath (书籍节选) / 某机构
- 下一个AlphaFold所需的两样东西 (问答) by Daphne Koller / Insitro
行业聚焦：图像、文本与更多代码
- 使用AlphaCode进行竞技编程 / 某机构
- 教导AI实时翻译数百种口语和书面语言 / 某机构
- Pathways语言模型 (PaLM)：扩展至5400亿参数以实现突破性性能 / 某机构研究
- DALL-E 2 / 某机构
- Imagen：文本到图像的扩散模型 / 某机构研究
这些技术进步，以及人们对如何利用它们日益增长的理解，正是我们致力于加强AI/ML领域报道的原因，尤其是关于未来几年它将如何在现实世界中被应用。从生物技术到电视领域，我们正准备对“什么是可能的”以及“软件如何帮助人类实现他们最疯狂的想法”进行一次严肃的重新构想。FINISHED
