2023 年，人工智能領(lǐng)域無疑成為了行業(yè)的焦點，帶來了深刻的變革。本文概述了這一年中最有影響力的大事件，這些事件預示著這一創(chuàng)新領(lǐng)域未來的發(fā)展方向。

人工智能的發(fā)展

不像去年的 ChatGPT 或圖像生成器的推出那樣革命性的創(chuàng)新，今年的人工智能發(fā)展雖然取得了顯著的成就，但主要是專注于現(xiàn)有技術(shù)的完善。盡管沒有帶來令人震驚的效果，真正的通用人工智能（AGI）仍然還有很長的路要走，但今年是從過去的重大突破向更加強大的技術(shù)轉(zhuǎn)變的過渡期。為了更好地展示這一轉(zhuǎn)變，我們制作了一張基于時間線的路線圖：

圖像生成

Adobe Firefly：Adobe Firefly 和 Generative Fill 為多樣化的視覺內(nèi)容創(chuàng)作提供了強大的支持，這包括插畫、藝術(shù)概念設計和照片編輯。Adobe Firefly 被集成進 Photoshop，從而普及了 AI 技術(shù)，使其得以廣泛服務于更多用戶。此外，文本效果功能的推出，也標志著技術(shù)的一大進步，使用戶能夠?qū)⑻囟L格或紋理應用于文字和短語。

Midjourney：Midjourney 的 V.5 模型在圖像生成領(lǐng)域是一個重要的里程碑，它展示了在效率、連貫性和高分辨率方面的顯著改進。最新的 alpha 版本，Midjourney V.6，引入了額外的增強功能，如更精準的提示跟隨、擴展的模型知識庫和一定程度的文本繪制能力。

DALL·E 3：基于 ChatGPT 的 DALL·E 3 簡化了圖像生成過程，減少了復雜提示工程的需求。此外，ChatGPT 還引入了一項幫助用戶根據(jù)反饋優(yōu)化提示，進而調(diào)整圖像效果的功能。

Shutterstock.AI：Shutterstock，一家圖庫巨頭，通過集成 AI 功能，讓用戶可以把文字提示轉(zhuǎn)換成可授權(quán)使用的圖像。Shutterstock 采取了保護藝術(shù)家權(quán)益和報酬的措施，這在AI內(nèi)容創(chuàng)作領(lǐng)域是前無古人的，可以看作是 AI 道德發(fā)展的第一個重要舉措。

2007 年與 2023 年文本到圖像算法的演進

視頻生成

Stability AI：Stability AI 推出了 Stable Video Diffusion，一個創(chuàng)新的開源視頻生成模型，已在 GitHub 上開源。它有望在 AI 生成視頻的各個領(lǐng)域發(fā)揮關(guān)鍵作用，這與 AI 圖像生成趨勢 是相輔相成的。

HeyGen：一家 AI 創(chuàng)業(yè)公司推出了一款集聲音克隆、嘴唇動作調(diào)整和語言翻譯于一體的視頻工具。

Runway Gen-2：Runway 發(fā)布了 Gen-2 模型，用戶現(xiàn)可僅用文本提示、圖像或視頻輕松生成完整視頻。

Pika 和 Pika 1.0： 首次發(fā)布便吸引了五十萬用戶，每周產(chǎn)生數(shù)百萬視頻。隨后，Pika 1.0 的升級版 AI 模型讓用戶能夠更多樣化地創(chuàng)作和編輯視頻，風格涵蓋 3D 動畫、動漫、卡通到電影等。

Meta 的 Codec Avatars：Meta 的 Pixel Codec Avatars（PiCA）模型使我們在視頻通話中看到更逼真的 3D 人臉，使遠程會議效果更接近真實。

文本生成

Bard 和 Gemini：Google 的 Bard 為聊天機器人領(lǐng)域引入了更貼近人類的情感和情緒。Google 在 Bard 聊天機器人中融入了基于多模態(tài)數(shù)據(jù)集訓練的 Gemini，它被譽為目前“最強大”的 AI 模型，是 OpenAI 的 ChatGPT 最強的競爭對手之一。

Grok：Elon Musk 的創(chuàng)業(yè)公司 xAI 展示了其對 AI 開發(fā)的承諾，并可能與 OpenAI 展開競爭。他們發(fā)布了 “Grok”，這是一款具有幽默感、反叛精神，并通過 ?? 平臺獲得實時知識的聊天機器人。xAI 承諾，Grok 被設計來 回答其他 AI 系統(tǒng)拒絕的挑釁性問題。

OverflowAI：Stack Overflow 的 OverflowAI 加強了知識整理能力，支持在 Visual Studio Code 和 Slack 中進行 AI 驅(qū)動的答案搜索。

Llama 2：Meta 發(fā)布了 Llama 2，這是其開源大型語言模型的最新版本，顯示了效率方面的提升。Meta 的精調(diào) LLM 在對話用例中經(jīng)過優(yōu)化，多數(shù)基準測試中超過其他開源模型。

GPT-4：OpenAI 的 GPT-4 現(xiàn)在可以處理圖像輸入，生成標題、分類，進行聽說交流，并支持 實時網(wǎng)頁瀏覽。OpenAI 擴展了插件支持，推動了開源生態(tài)系統(tǒng)的發(fā)展。GPT-4 代表了 OpenAI 在開發(fā)通用人工智能（AGI）路上的下一步。

Mistral 7B：Mistral AI 在今年 估值達到約 20 億美元，發(fā)布了 Mistral 7B，一款挑戰(zhàn) GPT-4 和 Claude 2 的大型語言模型。Mistral AI 強調(diào)其技術(shù)開放性，免費提供模型的下載。

Mixtral 8x7B：Mistral AI 還推出了 Mixtral 8x7B，這是一個高質(zhì)量的稀疏專家混合模型（SMoE），擁有開放權(quán)重和總計 46.7B 的參數(shù)，代表了在提高真實性和減少偏見方面模型開放性的新階段。

Yi-34B llm：今年估值達到 10 億美元，李開復的創(chuàng)業(yè)公司 01.AI 發(fā)布了 Yi-34B —— 一款開源神經(jīng)網(wǎng)絡模型，參數(shù)數(shù)量超過競爭對手，強調(diào)了它在成本和效率方面的優(yōu)勢。