机器学习

本视频是YC Decoded对AI专家Francois Shaard的专访，深入解读Diffusion扩散模型的技术本质与创业机遇。Diffusion源自非平衡热力学，通过“加噪-去噪”两步实现任意数据分布学习，即使仅30张图像也能在高维空间生成新数据。Meta提出的Flow Matching将复杂数学简化为约10行代码，实现了与数据解耦的通用框架。目前Diffusion已统治图像生成、蛋白质折叠、机器人、自动驾驶、天气预测等领域，仅LLM和游戏除外。Francois认为Diffusion引入的随机性与人脑工作方式相似，可能更接近AGI路径。对创业者而言，核心算法已成熟，竞争焦点转向工程落地与数据壁垒，垂直应用和专用模型存在巨大机会。