【本期课题】
生成式AI的发展，以及它跟生物科技的结合。
【本期主播】
马睿，峰瑞资本合伙人。
陈石，峰瑞资本投资合伙人。
【栏目介绍】
在《产业观察》这档专栏里，我们会为你厘清不同产业的历史沿革，希望能够从中找到一些底层的规律。虽然当下变化迭起，但是所有新风口都有迹可循，不同产业的发展其实也有很多相似之处。
【免责声明】
本节目的所有内容并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或者法律上的建议。
【本期图解】
【内容索引】
03:49 ChatGPT 4的革新性
07:10 ChatGPT的历史沿革，为什么GPT会引领新一轮技术浪潮？
09:40 ChatGPT与2012年那一轮的AI创业：AI技术的颠覆性变化
13:10 GPT会带来AI制药2.0么？
27:23“不靠谱/不准确”的ChatGPT怎么用在需要原子级精准的制药领域？
36:58 人类要发展判断ChatGPT的能力
39:23 ChatGPT会给生物医疗领域的研发和商业带来什么样的推动力？
42:11 GPT+Alphafold2=生成式AI在生物领域的未来？
48:01 GPT X Bio结合点在哪里？
50:20 Alphafold2和生成式AI谁代表了更厉害的技术？
55:55 基于生成式AI的创业机会和建议
01:04:25 做中国的ChatGPT需要什么关键能力？
【本期相关】
01:31 Alphafold2: 是DeepMind公司的一个人工智能程序，是一种基于人工智能的蛋白质结构预测工具。
03:26 生成式AI：是机器学习的一个类别，计算机可以根据用户的输入自主生成原创的内容，如文本、图像、视频、音频等。
04:23 多模态: 在人工智能领域中，多模态往往指感知信息，如图像、文本、语音等协同，帮人工智能更准确地理解外部世界。
05:10 Decode : 是Transformer神经网络模型的右边即解码器部分。
05:26 Embedding做向量化: 将数据从离散变量转化为向量形式的过程，以便于计算机进行数学和统计分析。
05:35 文本特征做对齐: 将输入的图像特征跟文本特征做对齐（alignment），相当于把图像特征转变为文本特征，从而实现多模态数据输入的统一，方便后续进一步的计算和处理。
08:46 zero-shot：即zero-shot learning，无样本学习。
08:46 few-shot：即few-shot learning，少样本学习。
12:46 Fine-tune: 指微调机器学习模型的参数，以在特定任务上优化模型性能的过程。
10:18 AlexNet : 是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。用于图像识别的卷积神经网络。
10:38 判别式 AI: 指基于人工智能领域的理论和数学模型，通过对大量数据进行分析和推断来进行学习和决策的人工智能系统。
13:41 Biotech : 生物科技。
18:42 生物的中心法则: 是生命的分子基础在遵循遗传信息流的原则下，通过DNA转录成RNA，再通过翻译成蛋白质的过程进行表达。
27:43 第四范式: 吉姆·格雷提出所谓的“数据密集型科学发现”，也就是现在我们所称的“大数据”。
31:08 摩尔定律: 戈登·摩尔的经验之谈，其核心内容为：集成电路上可以容纳的晶体管数目在大约每经过18个月到24个月便会增加一倍。换言之，处理器的性能大约每两年翻一倍，同时价格下降为之前的一半。
35:03 Domain knowledge: 某个垂直领域的专业知识。
40:15 NLP: Natural Language Processing，自然语言处理的缩写，致力于赋予计算机以与人类大致相同的方式理解文本和口语的能力。
57:34 GPU：Graphics Processing Unit的缩写， 是指图形处理器，对图形进行处理的芯片。
57:35 TPU：Tensor Processing Unit的缩写，是指张量处理器，是Google开发的专用集成电路（ASIC），专门用于加速机器学习。
01:03:04 Jasper: 一家美国人工智能创业公司，基于GPT-3模型，面向企业提供商业文本创作生产的服务。
01:07:37 Speak: OpenAI投资的一家韩国英语学习创业公司，提供一项互动式的口语体验，用户可以与人工智能导师就一系列话题进行开放式的对话，并且获得有关发音、语法和词汇的反馈。
【相关文章】
【制作团队】
主理人：李翔 、李丰
制作及统筹：张英海 （13514156656）、峰小瑞（[email protected]）
如果你喜欢我们的节目，欢迎你分享到更多的地方，也欢迎你在我们的评论区留言交流。
空空如也
