来源: 机器学习算法与Python学习
转自AI科技大本营 这篇文章总结了 2023 年人工智能领域的主要进展,重点介绍了图像生成(如 Adobe Firefly, Midjourney V.6, DALL-E 3)、视频生成(如 Stability AI, Runway Gen-2)、文本生成(如 GPT-4, Bard and Gemini)等技术。同时,还讨论了 AI 法律环境的变化,如欧洲 AI 法案和美国版权局对 AI 生成内容的立场,以及诸多争议性的话题。
不像去年的 ChatGPT 或图像生成器的推出那样革命性的创新,今年的人工智能发展虽然取得了显著的成就,但主要是专注于现有技术的完善。尽管没有带来令人震惊的效果,真正的通用人工智能(AGI)仍然还有很长的路要走,但今年是从过去的重大突破向更加强大的技术转变的过渡期。为了更好地展示这一转变,我们制作了一张基于时间线的路线图:
Shutterstock.AI:Shutterstock,一家图库巨头,通过集成 AI 功能,让用户可以把文字提示转换成可授权使用的图像。Shutterstock 采取了保护艺术家权益和报酬的措施,这在AI内容创作领域是前无古人的,可以看作是 AI 道德发展的第一个重要举措。
Stability AI:Stability AI 推出了 Stable Video Diffusion,一个创新的开源视频生成模型,已在 GitHub 上开源。它有望在 AI 生成视频的各个领域发挥关键作用,这与 AI 图像生成趋势 是相辅相成的。
HeyGen:一家 AI 创业公司推出了一款集声音克隆、嘴唇动作调整和语言翻译于一体的视频工具。
Runway Gen-2:Runway 发布了 Gen-2 模型,用户现可仅用文本提示、图像或视频轻松生成完整视频。
Pika 和 Pika 1.0: 首次发布便吸引了五十万用户,每周产生数百万视频。随后,Pika 1.0 的升级版 AI 模型让用户能够更多样化地创作和编辑视频,风格涵盖 3D 动画、动漫、卡通到电影等。
Meta 的 Codec Avatars:Meta 的 Pixel Codec Avatars(PiCA)模型使我们在视频通话中看到更逼真的 3D 人脸,使远程会议效果更接近真实。
Bard 和 Gemini:Google 的 Bard 为聊天机器人领域引入了更贴近人类的情感和情绪。Google 在 Bard 聊天机器人中融入了基于多模态数据集训练的 Gemini,它被誉为目前“最强大”的 AI 模型,是 OpenAI 的 ChatGPT 最强的竞争对手之一。
Grok:Elon Musk 的创业公司 xAI 展示了其对 AI 开发的承诺,并可能与 OpenAI 展开竞争。他们发布了 “Grok”,这是一款具有幽默感、反叛精神,并通过 𝕏 平台获得实时知识的聊天机器人。xAI 承诺,Grok 被设计来 回答其他 AI 系统拒绝的挑衅性问题。
OverflowAI:Stack Overflow 的 OverflowAI 加强了知识整理能力,支持在 Visual Studio Code 和 Slack 中进行 AI 驱动的答案搜索。
Llama 2:Meta 发布了 Llama 2,这是其开源大型语言模型的最新版本,显示了效率方面的提升。Meta 的精调 LLM 在对话用例中经过优化,多数基准测试中超过其他开源模型。
GPT-4:OpenAI 的 GPT-4 现在可以处理图像输入,生成标题、分类,进行听说交流,并支持 实时网页浏览。OpenAI 扩展了插件支持,推动了开源生态系统的发展。GPT-4 代表了 OpenAI 在开发通用人工智能(AGI)路上的下一步。
Mistral 7B:Mistral AI 在今年 估值达到约 20 亿美元,发布了 Mistral 7B,一款挑战 GPT-4 和 Claude 2 的大型语言模型。Mistral AI 强调其技术开放性,免费提供模型的下载。
Mixtral 8x7B:Mistral AI 还推出了 Mixtral 8x7B,这是一个高质量的稀疏专家混合模型(SMoE),拥有开放权重和总计 46.7B 的参数,代表了在提高真实性和减少偏见方面模型开放性的新阶段。
Yi-34B llm:今年估值达到 10 亿美元,李开复的创业公司 01.AI 发布了 Yi-34B —— 一款开源神经网络模型,参数数量超过竞争对手,强调了它在成本和效率方面的优势。
Segment Anything Model (SAM):Meta AI 展示了 SAM 是一个能够直接“剪切”图像中物体的分割模型,展示了显著的适应性。SAM 经过大量数据集训练,其在对象分割方面的性能表现卓越。
直接偏好优化 (DPO):直接偏好优化 (DPO) 是一种稳定高效的方法,可用于微调大规模无监督语言模型和教授文本到图像模型。它通过利用人类反馈实现精确的控制,而无需依赖复杂的强化学习(RLHF)。
Zephyr 直接偏好优化蒸馏 (dDPO):Zephyr-7B 是 dDPO 方法的成果,为 7B 参数聊天模型设立了新基准,实现更好的意图对齐,且无需大量训练。
自主 AI 代理:自主 AI 代理的出现是一个显著的趋势,标志着向更高级和自主的 AI 系统的转变。这些 AI 代理被看作是通用人工智能(AGI)的一个初步体现,因为它们能够根据用户的目标自动生成任务和指令,并独立工作直至目标实现。
EvoDiff:微软的 EvoDiff 是一个用于高速且节省成本的蛋白质设计的开源 AI 框架,承诺将在治疗学和工业应用方面取得进展。
Stable Audio:Stability AI 发布了 Stable Audio,这是一款能够根据简单的文本提示生成短时高质量的音频片段的工具。
GPT 商店、Copyright Shield(版权盾)、ChatGPT 机器人构造器:OpenAI 推出了 GPT 商店,用于销售定制的 GPT 机器人,版权盾用于处理版权侵权索赔的法律费用,以及一个无需编码就能定制 ChatGPT 版本的平台。
“现有法律体系尚未准备好接受 AI 创作作品的版权,因为 AI 是基于现有数据学习,这对确定归属权构成挑战。通过国家进行的调查,预计明年解决这个问题的做法将得到发展。在缺乏更广泛的公众参与的情况下,目前独立解决这个问题变得困难。” Everypixel 公司律师 Daria Kuznetsova
联系客服