2023-AI年度特刊

[ikaijua]

2023-AI年度特刊

2023年总结

• 2023年人类与AI的成长之路
• 极客公园出品的系列AGI系列播客节目
• 《麻省理工科技评论》2024年“十大突破性技术”正式发布
• Sam Altman 17条年终总结和公布网友对 OpenAI 的新年愿望清单
• GitHub发布 2023 年开源状况和人工智能崛起报告
• 《经济观察报》特别策划-AI时代的人类意见
• 英伟达 2023 年十大研究项目
• Meta AI 2023年十大 AI 研究

2024年展望

• 周鸿祎：大模型的10个趋势
• Nature 2024年值得关注的七项技术
• 福布斯：2024年10个AI预测
• 美投讲美股：2024年AI如何投资？估值突破天际，还有什么好的机会？
• 华尔街明星基金经理“木头姐”及其公司ARK Investment Management在2023年表现强劲，并发布了名为《Big Ideas 2024》的年度报告

[ikaijua]

《经济观察报》特别策划-AI时代的人类意见

因为ChatGPT的出现，2023年注定会是一个值得被记住的年份。《经济观察报》年终特刊就此锁定了人工智能。我们邀请了来自中国社会各界的代表人物，以书信的方式，畅谈他们心目中的AI世界和他们的所思所愿。

特刊链接：https://www.eeo.com.cn/2023/1220/620466.shtml

梁建章

• 虽然AI很强大，可以成为人类最好用的工具，可以胜任几乎所有的工作。但人类不会放心让人工智能自主进化和创新，还是会把传承和创新的乐趣留给自己。人类不应该发展人工智能的情感和自主创新的能力，而是把人工智能发展成跟人类能力互补的强大工具。
• AI在经济上和人类是一种互补。短期内，很多服务类工作还不能替代，长期看创新类和情感类工作还不能替代人类。

张亚勤

• 在北京亦庄，现在经常能看到无人车跑在路上，但大部分无人车中仍坐着安全驾驶员。再过十年，真正无人的无人车会变成常态。十年后，人形机器人会出现在一些家庭当中，它会像朋友或助手一样监测你的身体状况，也可以与你聊天。我们居住的社区会有机器人做保安，以后很有可能警察也是机器人。现在，一些医院已经用机器人读取患者的影像片。十年后，我们看到的机器人会比人类更多，机器人的数量会超过人类。
• 我们人类拥有两种智慧：发明技术的智慧和把握技术发展方向的智慧。

[ikaijua]

英伟达 2023 年十大研究项目

这十个主题的主要分布：
3个有关具身AI（机器人，虚拟角色）；
2个有关3D生成模型；
2个图形处理；
2个图像生成；
1个视频生成的研究。

十大项目：

1. Neuralangelo: High-Fidelity Neural Surface Reconstruction （神经朗琪罗：高保真神经网络表面重构 ）
   • 被《时代》周刊评为「2023年200个最佳发明」之一
   • 来自英伟达和约翰霍普金斯大学的研究人员提出的新型AI模型，利用神经网络重建3D物体，特别是，Neuralangelo可以从手机视频，无人机拍摄的视频重建「高保真的大规模场景」
   • 论文地址：https://arxiv.org/abs/2306.03092
   • 视频：https://www.youtube.com/watch?v=PQMNCXR-WF8
2. Magic3D: High-Resolution Text-to-3D Content Creation （高分辨率文本到三维内容创建）
   • 在输入诸如「一只坐在睡莲上的蓝色毒镖蛙」这样的提示后，Magic3D在大约40分钟内生成了一个3D网格模型，并配有彩色纹理。与谷歌DreamFusion方式类似，Magic3D同样是将低分辨率生成的粗略模型优化为高分辨率的精细模型，由此产生的Magic3D方法，可以比DreamFusion更快地生成3D目标。
   • 论文地址：https://arxiv.org/abs/2211.10440
3. Hair Simulation: Interactive Hair Simulation on the GPU Using ADMM （使用 ADMM 在 GPU 上进行交互式头发模拟）
   • 这项研究实现了使用AI来预测头发在现实世界中的行为方式。比起先前的方法，它的性能更加强大，甚至，可以根据头发的复杂程度以交互帧率计算模拟。
   • 论文地址：https://research.nvidia.com/publication/2023-08_interactive-hair-simulation-gpu-using-admm
   • 视频：https://www.youtube.com/watch?v=ehesid36d4E&ab_channel=NVIDIADeveloper
4. Eureka! Human-Level Reward Design via Coding Large Language Models （GPT-4加持，AI智能体完成复杂任务）
   • 英伟达、宾大、加州理工、德州奥斯汀等机构的专家提出一个开放式Agent——Eureka，它是一个开放式智能体，为超人类水平的机器人灵巧性设计了奖励功能。英伟达等机构的研究人员开发出的Eureka系统，可以让GPT-4直接教机器人完成基本的动作。比如，花样转笔。
   • 论文地址：https://arxiv.org/abs/2310.12931
   • 视频：https://www.youtube.com/watch?v=sDFAWnrCqKc
5. Align Your Latents: High-Resolution Video Synthesis with Latent Diffusion Models （用LDM实现高分辨率视频生成）
   • 这个模型生成的整体流程如下，先生成关键帧，然后也使用扩散模型进行插帧，将相邻帧的latent作为插帧片段的两端进行保留，中间待插入的帧latent用噪声初始化。
   • 论文地址：https://arxiv.org/abs/2304.08818
6. Text2Materials: Using Text or Image Prompts to Generate Custom Textured Materials （使用文本或图像提示生成自定义纹理材料 ）
   • 赢得了SIGGRAPH现场活动的最佳展示奖。
   • 在演示中，英伟达研究人员在客厅场景下进行了展示。研究人员使用OpenUSD来添加砖纹理墙，创建和修改沙发和抱枕的面料选择，以及将抽象的动物设计融入了墙壁的特定区域。在包括建筑、游戏开发和室内设计在内的创意产业中，这些功能可以帮助艺术家快速探索想法并尝试不同的美学风格，以创建场景的多个版本。
   • 博客文章：https://blogs.nvidia.com/blog/siggraph-research-generative-ai-materials-3d-scenes/
   • 视频：https://www.youtube.com/watch?v=nmTEuPIriLY
7. CALM: Conditional Adversarial Latent Models for Directable Virtual Characters （训练可操纵虚拟角色在物理模拟中执行动作的方法）
   • CALM是一种为用户控制的交互式虚拟角色生成多样化且可定向行为的方法。通过模仿学习，CALM 可以学习运动的表示形式，捕捉人体运动的复杂性和多样性，并能够直接控制角色运动。
   • 论文地址：https://arxiv.org/abs/2305.02195
8. Vid2Player3D: Learning Physically Simulated Tennis Skills from Broadcast Videos (通过比赛视频让虚拟角色学习网球技能)
   • 在 SIGGRAPH2023 上获得荣誉奖
   • 英伟达研究人员提出了一个系统，它可以从广播视频中收集的大规模网球比赛演示中学习各种物理模拟的网球技能。
   • 论文地址：https://research.nvidia.com/labs/toronto-ai/vid2player3d/
   • 视频：https://www.youtube.com/shorts/1wF7RkPi8J8
9. FlexiCubes: Flexible Isosurface Extraction for Gradient-Based Mesh Optimization （高效、高质量的网格优化方法）
   • 这项研究是基于梯度的网格优化。研究人员通过将 3D 表面网格表示为标量场的等值面来迭代优化 3D 表面网格，这是摄影测量、生成建模和逆向物理等应用中越来越常见的范例。
   • 论文地址：https://arxiv.org/abs/2308.05371
   • 视频：https://www.youtube.com/watch?v=2zuvMkj1Vi8
10. eDiff-I: Text-to-Image Diffusion Models with an Ensemble of Expert Denoisers （使用专家降噪器集合进行文本到图像的扩散）
    - 在传统的扩散模型训练中，训练单个模型来对整个噪声分布进行去噪。在这个框架中，研究人员训练了一组专家降噪器，专门用于在生成过程的不同间隔中进行降噪，从而提高合成能力。
    - 论文地址：https://arxiv.org/abs/2211.01324

参考资料：

• https://www.youtube.com/watch?v=d7RM-3dQaJ8
• https://twitter.com/DrJimFan/status/1738613195173159187

媒体报道：

• 新智元：英伟达官方盘点2023年10大研究，“神经朗琪罗”秒变逼真大卫，用AI生成3D虚拟世界

[ikaijua]

Sam Altman 17条年终总结和公布网友对 OpenAI 的新年愿望清单

OpenAI CEO奥特曼，就给2023打上了一个新标签——“世界开始认真对待人工智能的一年”。

原文链接：
https://blog.samaltman.com/what-i-wish-someone-had-told-me

并将他的思考总结为17条经验，起了个标题叫《我希望有人早点告诉我这些》。

1. 乐观、执着、自信、原始驱动力和人际关系是一切的开始。
2. 有凝聚力的团队、冷静与紧迫感的恰当结合，以及对目标的超预期承诺，是完成任务的关键。长期规划往往被忽视；不必担心他人在短期内的看法，随着时间的推移，会逐渐好起来。
3. 对于团队来说，完成一件真正重要的难事比做一件无关紧要的易事更容易；大胆的想法能够激发斗志。
4. 激励机制是超能力；要谨慎设定。
5. 将资源集中在少数你深信不疑的事上；这话说起来容易，但做起来难。你需要排除掉的东西比你想象的要多。
6. 言简意赅地交流沟通。
7. 每当遇到废话和官僚主义，都要坚决反对，并鼓励他人也这样做。不要让组织架构妨碍人们高效协同工作。
8. 结果才是最重要的；不要让好的过程成为坏结果的借口。
9. 花更多时间招聘。敢于选择那些进步飞速的高潜力人才。除智力外，还要寻找他们完成任务的证据。
10. 超级明星比你想象的更有价值，但必须根据他们对组织的真正影响来评估他们。
11. 快速迭代可以解决很多问题；一般情况下，如果你能迅速做出调整，犯错是可以接受的。计划应该以十年为单位来制定，执行则应该以周来衡量。
12. 不要挑战商业世界的基本法则。
13. 灵感易逝，生命短暂。不行动是一种特别隐蔽的风险。
14. 规模经常会带来出人意料的新特性。
15. 复利指数很神奇。特别是，你真的想建立一个通过规模获得复利优势的企业。
16. 跌倒了就爬起来，继续前进。
17. 与优秀的人共事是人生最美好的体验之一。

另外Sam Altman 在社交平台向网友征集大家希望 OpenAI 在 2024 年实现的事项。

从回复来看，「AGI」是呼声最高的请求，但 Sam Altman表示OpenAI 无法在 2024 年实现这一目标。下面是 Sam Altman 汇总的网友愿望清单：

1. AGI（请耐心等待）
2. GPT-5
3. 更好的语音模式
4. 更高的速率限制
5. 更好的 GPTs
6. 更好的推理
7. 控制觉醒 / 行为的程度
8. 视频
9. 个性化
10. 更好的浏览
11. 使用 openai 登录
12. 开源

不过网友似乎不太满意 Sam Altman 把「开源」放在最后，表示 “开源可能是大多数人的首选愿望”

媒体报道：

• oschina：Sam Altman 公布网友对 OpenAI 的新年愿望清单

[ikaijua]

福布斯：2024年10个AI预测

1. 英伟达将大幅加大努力成为云提供商
2. Stability AI将会倒闭
3. “大语言模型”和“LLM”等术语将变得不那么常见
4. 最先进的闭源大模型将继续大幅优于最先进的开源大模型
5. 多家财富500强企业将设立一个新的高管职位：首席人工智能官
6. Transformer架构的替代方案将得到有意义的采用
7. 云提供商对人工智能初创公司的战略投资以及相关的会计影响将受到监管机构的挑战
8. 微软和OpenAI 的关系将出现裂痕
9. 2023 年从加密货币转向人工智能的一些炒作和从众心理行为将在 2024 年回归加密货币
10. 至少一家美国法院将裁定在互联网上训练的生成式人工智能模型构成版权侵犯。该问题将开始向美国最高法院提起诉讼

原文：https://www.forbes.com/sites/robtoews/2023/12/21/10-ai-predictions-for-2024/

1. 英伟达将大幅加大努力成为云提供商

大多数组织是通过 AWS、Microsoft Azure 和 Google Cloud等云服务商访问 GPU，而这些提供商又从英伟达批量购买GPU，认识到当今芯片对人工智能的价值有多大，主要云提供商都在大力投资研发自己的人工智能芯片，这些芯片将与英伟达的 GPU 直接竞争。

英伟达提供自己的云服务并运营自己的数据中心，以便减少传统上对云公司进行分发的依赖。英伟达已经开始探索这条道路，并于今年早些时候推出了名为 DGX Cloud 的新云服务。我们预测英伟达明年将切实加强这一战略。

2. Stability AI将会倒闭

这是人工智能世界最不为人知的秘密之一：曾经风光无限的初创公司 Stability AI 在 2023 年的大部分时间里一直在缓慢发展。

缓慢的发展正在导致人才流失。近几个月离职的人员包括公司首席运营官、首席人力官、工程副总裁、产品副总裁、应用机器学习副总裁、通讯副总裁、研究主管、音频主管和总法律顾问。

据报道，Coatue 和 Lightspeed 去年领投 Stability 引人注目的 1 亿美元融资的两家公司最近几个月因与 Stability 首席执行官 Emad Mostaque 的纠纷而双双退出该公司董事会。该公司今年早些时候曾尝试以 40 亿美元的估值筹集更多资金，但失败了。

明年，我们预计这家陷入困境的公司将在越来越大的压力下屈服并完全关闭。据报道，在投资者的压力下，Stability 已开始寻找收购方，但迄今为止几乎没有发现收购方感兴趣。

3. “大语言模型”和“LLM”等术语将变得不那么常见

“大语言模型”（及其缩写 LLM）一词经常被用作“任何高级人工智能模型”的简写。这是可以理解的，因为许多最初崭露头角的生成式人工智能模型（例如 GPT-3）都是纯文本模型。

但随着人工智能模型类型的激增以及人工智能变得越来越多模式，这个术语将变得越来越不精确和无用。多模式人工智能的出现已成为 2023 年人工智能的决定性主题之一。当今许多领先的生成式人工智能模型都融合了文本、图像、3D、音频、视频、音乐、身体动作等。它们不仅仅是语言模型。

考虑一个人工智能模型，该模型已经过已知蛋白质的氨基酸序列和分子结构的训练，以便从头生成蛋白质疗法。虽然它的底层架构是 GPT-3 等模型的扩展，但称其为大型语言模型真的有意义吗？

到 2024 年，随着我们的模型变得越来越多维，我们用来描述它们的术语也将变得越来越多维。

4. 最先进的闭源大模型将继续大幅优于最先进的开源大模型

当今人工智能讨论中的一个重要话题是围绕开源和闭源人工智能模型的争论。虽然大多数尖端 AI 模型开发人员（OpenAI、Google DeepMind、Anthropic、Cohere 等）都保留其最先进模型的专有性，但包括 Meta 和热门新创公司 Mistral 在内的少数公司选择将他们最先进的模型的模型权重公开。

如今，性能最高的基础模型（例如 OpenAI 的 GPT-4）都是闭源的。但许多开源倡导者认为，封闭模型和开放模型之间的性能差距正在缩小，并且开放模型有望在性能上超越封闭模型，也许到明年。

我们不同意。我们预测，到 2024 年（及以后），最好的封闭模型将继续明显优于最好的开放模型。

有一个基本的结构性理由怀疑开放模型将在 2024 年超越封闭模型的性能。开发一种推动最先进技术的新模型所需的投资是巨大的，并且只会随着每一步变化的增加而继续膨胀。在模型能力方面。一些行业观察家估计 OpenAI 将花费约 20 亿美元来开发 GPT-5。

Meta 是一家上市公司，最终对其股东负责。该公司似乎并不期望从其开源模型发布中获得任何直接收入。据报道，Llama 2 的建造成本约为 Meta 2000 万美元；考虑到战略利益，即使没有任何相关的收入增长，这种投资水平也可能是合理的。但 Meta 真的会投入近 20 亿美元来构建一个超越现有任何其他模型的人工智能模型，只是为了开源它而不期望具体的投资回报吗？

像Mistral这样的新贵也面临着类似的难题。开源基础模型没有明确的收入模型（正如 Stability AI 所经历的惨痛教训）。例如，对托管开源模型的收费变成了一场价格战，正如我们最近几天在 Mistral 的新 Mixtral 模型中所看到的那样。那么，即使 Mistral 能够获得构建超越 OpenAI 的新模型所需的数十亿美元，它真的会选择转身免费赠送该模型吗？

我们暗中怀疑，随着像 Mistral 这样的公司投入越来越多的资金来构建更强大的人工智能模型，他们最终可能会放松对开源的立场，并保留最先进的模型的专有性，以便可以对其收费。

5. 多家财富500强企业将设立一个新的高管职位：首席人工智能官

人工智能已成为今年财富 500 强公司的首要任务，各行业的董事会和管理团队都在争先恐后地弄清楚这项强大的新技术对其业务意味着什么。我们预计明年在大型企业中将变得更加常见的一种策略是：任命一名“首席人工智能官”来领导组织的人工智能计划。

十年前云计算兴起期间，我们看到了类似的趋势，许多组织聘请“首席云官”来帮助他们了解云的战略影响。

鉴于政府部门已经出现了类似的趋势，这一趋势将在企业界获得进一步的推动力。拜登总统最近关于人工智能的行政命令要求每个联邦政府机构任命一名首席人工智能官，这意味着未来几个月美国政府将雇用 400 多名新的首席人工智能官。

任命首席人工智能官将成为公司向外部表明他们认真对待人工智能的一种流行方式。从长远来看，这些角色是否有价值则是另一个问题。 （今天还有多少首席云官？）

6. Transformer架构的替代方案将得到有意义的采用

谷歌 2017 年发表的一篇开创性论文中介绍了 Transformer 架构，它是当今人工智能技术的主导范例。现有的每一个主要的生成式 AI 模型和产品（ChatGPT、Midjourney、GitHub Copilot 等）都是使用 Transformer 构建的。

但没有一项技术能够永远占据主导地位。在人工智能研究社区的边缘，一些团队一直在努力开发新颖的下一代人工智能架构，这些架构在不同方面优于 Transformer。

明年，我们预测这些挑战者架构中的一个或多个将取得突破并赢得真正的采用，从纯粹的研究新颖性转变为生产中使用的可靠的替代人工智能方法。

7. 云提供商对人工智能初创公司的战略投资以及相关的会计影响将受到监管机构的挑战

今年，一波投资资本从大型科技公司流向人工智能初创企业。

微软于 1 月份向 OpenAI 投资了 100 亿美元，随后于 6 月份领投了 Inflection 的 13 亿美元融资。今年秋天，亚马逊宣布将向 Anthropic 投资高达 40 亿美元。 Alphabet 也不甘示弱，几周后宣布将向 Anthropic 投资高达 20 亿美元。与此同时，Nvidia 可能是今年全球最多产的人工智能投资者，向数十家使用其 GPU 的人工智能初创公司投入了资金，包括 Cohere、Inflection、Hugging Face、Mistral、CoreWeave、Inceptive、AI21 Labs 和 Imbue。

假设一家云供应商向一家人工智能初创公司投资 1 亿美元，并保证该初创公司将扭亏为盈，并将这 1 亿美元花在云供应商的服务上。从概念上讲，这对于云供应商来说并不是真正的公平收入。实际上，供应商正在利用投资人为地将其资产负债表上的现金转化为收入。

到目前为止，这些交易几乎没有受到任何监管审查。这种情况将在 2024 年发生变化。预计 SEC 明年将更加严格地审视人工智能投资的往返，并预计此类交易的数量和规模将因此大幅下降。

8. 微软和OpenAI 的关系将出现裂痕

微软和 OpenAI 关系密切。迄今为止，微软已向 OpenAI 投入超过 100 亿美元。 OpenAI 的模型为 Bing、GitHub Copilot 和 Office 365 Copilot 等关键 Microsoft 产品提供支持。上个月，当 OpenAI 首席执行官萨姆·奥尔特曼 (Sam Altman) 意外被董事会解雇时，微软首席执行官萨蒂亚·纳德拉 (Satya Nadella) 在让他复职的过程中发挥了重要作用。

然而，微软和 OpenAI 是不同的组织，对人工智能的未来有着不同的雄心和不同的长期愿景。迄今为止，这一联盟对两个集团来说都运作良好，但这是一场权宜之计。这两个组织远非完美一致。

明年，我们预测这两个巨头之间的合作关系将开始出现裂痕。事实上，未来摩擦的迹象已经开始浮出水面。

随着 OpenAI 寻求积极拓展其企业业务，它将发现自己越来越频繁地与微软直接竞争客户。就微软而言，作为尖端人工智能模型的供应商，微软有充分的理由在 OpenAI 之外实现多元化。例如，微软最近宣布与 OpenAI 竞争对手 Cohere 达成合作协议。面对大规模运行 OpenAI 模型的高昂成本，微软还投资了 Phi-2 等较小语言模型的内部人工智能研究工作。

9. 2023 年从加密货币转向人工智能的一些炒作和从众心理行为将在 2024 年回归加密货币

很难想象风险投资家和技术领导者现在会对人工智能以外的任何事情感到兴奋。但一年是一段很长的时间，风险投资家的“信念”可能会迅速改变。

许多如今将自己定位为“全力以赴”人工智能的知名风险投资家、企业家和技术专家在 2021-2022 年牛市期间都坚定地致力于加密货币。如果明年加密资产价格确实会大幅回升，预计其中一些资产将追随这个方向，就像他们今年追随人工智能的热潮一样。

10. 至少一家美国法院将裁定在互联网上训练的生成式人工智能模型构成版权侵犯。该问题将开始向美国最高法院提起诉讼

如今，一个重大且未被充分认识的法律风险笼罩在整个生成人工智能领域：世界领先的生成人工智能模型已经接受了大量受版权保护的内容的训练，这一事实可能会引发巨额责任并改变该行业的经济状况。

无论是 GPT-4 或 Claude 2 中的诗歌、DALL-E 3 或 Midjourney 中的图像，还是 Pika 或 Runway 中的视频，生成式 AI 模型都能够产生令人惊叹的复杂输出，因为它们接受过世界上许多数字数据的训练。大多数情况下，人工智能公司免费从互联网上获取这些数据，并随意使用它来开发他们的模型。

但是，数以百万计最初真正创造了所有这些知识产权的人——那些写书、写诗、拍照、画画、拍摄视频的人——对知识产权是否以及如何被拥有发言权？ AI从业者使用？他们是否有权获得人工智能模型所创造的部分价值？

该问题将开始一直提交到美国最高法院，最终将提供最终的法律解决方案。 （通往国家最高法院的道路漫长而曲折；不要指望最高法院明年会就这个问题做出裁决。）

与此同时，大量诉讼将会接踵而至，大量和解将通过谈判达成，世界各地的律师将忙于处理各种判例法。数十亿美元将悬而未决。

[ikaijua]

2023年人类与AI的成长之路

今年，我切身体会到了AI对生活、工作和周边世界带来的变化，这里记录下2023年AI的蜕变以及人类社会因AI带来的变化。

重大事件

1 月 ：

• ChatGPT成为史上增长速度最快的应用程序
• 微软对 OpenAI 投资 100 亿美元，OpenAI 估值达到 290 亿美金

2月：

• Meta 推出了 Llama-1，这是一个研究型许可证项目
• Runway 推出了基于 Stable Diffusion 的首个 AI 视频合成模型 Gen 1

3月：

• GPT-4 隆重登场，迄今为止的大型语言模型王者
• OpenAI 发布了 ChatGPT 和 Whisper 的 API 接口
• OpenAI 发布了 ChatGPT 插件，被许多人视为 AI 领域的“应用商店”
• Google 推出了 Bard
• Adobe 推出 AI 图像生成工具 Adobe Firefly

4月：

• Drake 和 The Weeknd 的《Heart on My Sleeve》（由 Ghostwriter 制作的 AI 翻唱）- 这首 AI 制作的歌曲获得了超过 2000 万的观看量
• 4 月 3 日：意大利宣布禁用 ChatGPT

5月：

• ChatGPT发布官方iOS app

7月：

• 第一个实用的开源模型 Llama-2 发布，带有商业许可！随之诞生了多家开源公司！
• Anthropic 发布了 Claude 2

8月：

• Midjourney 发布局部重绘功能
• Meta开源代码生成模型Code Llama
• 马斯克直播特斯拉自动驾驶去扎克伯格家

9月：

• 将 DALL-3 整合到 ChatGPT 中。大型语言模型和视觉模型开始实现互通！

11月：

• OpenAI发布了 GPT-4v 和 turbo 版本，并下调了 GPT-4 的价格
• OpenAI上演“宫斗”剧情， CEO Sam Altman 被罢免几天后重返CEO职务
• 披头士乐队携手AI发布最后一首新歌《Now and Then》
• ChatGPT app中的语音功能向所有用户免费开放
• Pika 推出了一种名为 Pika 1.0 的文本转视频生成器

12月：

• Google 发布了Gemini，宣布了 Gemini Ultra 及其与 GPT-4 相当的性能基准，并开放了Gemini Pro的API访问
• 马斯克放出特斯拉人形机器人Optimus第二代的演示视频，进步速度惊人
• 马斯克推出的大模型Grok正式开放使用
• 有 “欧洲版 OpenAI” 之称的大模型创业公司Mistral AI开源首个MoE模型（混合专家模型）Mixtral-8x7b
• 微软 (Microsoft) 与 Suno AI 合作，进行 AI 歌曲生成
• OpenAI 正在商谈以超过 1000 亿美元的估值筹集更多资金
• 《纽约时报》因版权侵权起诉了微软 (Microsoft) 和 OpenAI
• 马拉松式39小时谈判，欧盟AI监管达成“里程碑协议”

[ikaijua]

Meta AI 2023年十大 AI 研究

2023 年即将结束，以下是Meta AI今年在推送中分享的 10 项最有趣的人工智能研究进展，以及您可以在哪里找到有关这些工作的更多详细信息。

1. Segment Anything (SAM)
   这是我们向第一个图像分割的基础模型迈出的重要一步。
   详情：https://bit.ly/3tyeJKu

2. DINOv2
   第一种利用自我监督学习来训练计算机视觉模型的方法，其结果可达到或超过行业标准。
   详情：https://bit.ly/3TGTEIb

3. Llama 2
   Meta的开源大型语言模型的下一代产品，可免费用于研究和商业用途。
   详情： https://bit.ly/3RY66C6

4. Emu Video & Emu Edit
   生成式人工智能研究，用于高质量、基于扩散的文本到视频生成，以及带有文本指令的可控图像编辑。
   详情： https://bit.ly/3RZVZwU

5. I-JEPA
   自我监督计算机视觉，通过预测世界来学习理解世界。第一个模型基于 @ylecun的愿景，让人工智能系统像动物和人类一样学习和推理。
   详情：https://bit.ly/3TA9oNk

6. Audiobox
   新的音频生成基础研究模型。
   详情：https://bit.ly/47ib6pQ

7. Brain decoding--实现视觉感知的实时重建
   这个人工智能系統利用脑电图，以前所未有的时间分辨率，解码大脑内正在展现的视觉表征。
   详情：https://bit.ly/3vpgDNR

8. Open Catalyst demo-开放催化剂演示
   这项服务使研究人员能够以比现有计算方法更快的速度模拟催化剂材料的反应性，从而加速材料科学领域的工作。
   详情：https://bit.ly/3vphiij

9. Seamless Communication
   全新的人工智能翻译模型系列，可保留表达并提供近乎实时的流式翻译。
   详情： https://bit.ly/3toBDE8

10. ImageBind
    首个能够同时绑定六种模式数据的人工智能模型。这一突破使机器离人类将来自多种不同感官的信息结合在一起的能力更近了一步。
    详情： https://bit.ly/3NLUaBc

原文：https://twitter.com/AIatMeta/status/1741159501494165979

[ikaijua]

GitHub发布 2023 年开源状况和人工智能崛起报告

• 约92%的开发者正在使用或试验AI编码工具。
• 基于OpenAI等公司的基础模型的生成性AI项目数量激增，其中一些项目甚至进入了最受欢迎的开源项目前10名。
• 基于基础模型（例如 ChatGPT）构建的应用程序呈指数级增长，因为开发人员使用这些 LLM 来开发面向用户的工具，例如 API、机器人、助手、移动应用程序和插件。
• 2023年，GitHub平台上的项目数量达到了420百万，增长了27%，其中公共代码库数量达到了284百万，增长了22%，公共生成性AI项目数量飙升至65千个，增长了248%，全年对所有项目的贡献总数达到了45亿次。
• 开源人工智能创新多种多样，顶级人工智能项目由个人开发者拥有。分析 GitHub 上排名前 20 的开源生成式 AI 项目，其中一些顶级项目归个人所有。
• 到 2030 年，开发人员将从生成式 AI 中受益的生产力提升预计可为全球经济贡献 1.5 万亿美元，并为全球新增 1500 万“有效开发人员” 。
• GitHub 上的全球开发者帐户数量增长了近 26%，总数超过 1 亿。
• 美国仍然是全球最大的开发者社区，拥有超过2020万的开发者，年增长率为21%。亚太、非洲、南美和欧洲的开发者社区正在迅速增长。特别是印度，2023年新增了350万名开发者，年增长率达到36%。新加坡在亚太地区的开发者人数增长率最高，达到39%。根据当前的增长率，预计印度将在2027年超过美国，成为GitHub上最大的开发者社区。

原文：https://github.blog/2023-11-08-the-state-of-open-source-and-ai/

[ikaijua]

周鸿祎：大模型的10个趋势

1. 第一个，我不认为大模型是操作系统。全世界的手机操作系统就鸿蒙、iOS、安卓三款，我觉得大模型更像当年的PC一样，未来会无处不在，成为整个企业数字化、政府数字化的标配。
2. 第二个，是开源大模型爆发。最早的大模型是闭源的，闭源刚出来的时候，我们一看OpenAI做的东西，感觉这就是「曼哈顿计划」，美国人把原子弹造出来了。后来发现，人家一开源，科技就进步，所以要感谢开源。现在国内也有很多开源的模型，就是基于国际开源的模型。
3. 第三个，有大必有小，阴阳是两个方面，一方面现在很多公司在思考，如何把模型进一步做大，从千亿的参数做到万亿的参数。但现在出来一个趋势：把模型做小，在十几亿、几十亿或者不超过100亿的模型上，效果也能差不多。
4. 第四个预言，我觉得大模型的企业级市场在2024年会起来。大家对大模型隐约有一个感觉，最早的兴奋劲过完之后，你要问这玩意能干什么。虽然大家天天都在秀自己大模型的成绩，说你看我的会脑筋急转弯，我的会解小学奥数题，我的会写藏头诗，玩多了发现跟你的业务毫无关系。所以2024年不再是比拼大模型的这些「奇技淫巧」，我觉得是真正在to B业务上，在中国，我觉得企业级市场会起来。大模型要走深度化、产业化、垂直化、深度定制的方向。
5. 第五个稍微偏点技术，OpenAI最近也在弥补，就是刚有了一个大模型的时候，大家觉得聊天机器人确实人机界面很简单，你做久了就发现，聊天机器人不太解决问题，仅仅是陪你聊天，最多就是一个PUA能手。所以在2024 年，一个新的概念叫「智能体架构」。大家一定要关注智能体这个概念，英文叫Agent框架。就是大家突然发现，没有Agent框架，大语言模型几乎不能投入实用，所以今年无论在做to C的业务，在做企业级的应用，大模型一定要结合智能体框架，才能真正让大模型长出手脚，让大模型真正跟你的业务系统，跟整个互联网充分打通。
6. 第六个，其实很多人都在问我说在消费者端，大模型到底有啥杀手型的应用？我想了想说，国外有一些虚拟女友，能模拟你的女朋友，啥话都敢说。中国会产生什么杀手级应用，我还不知道，但是我觉得2024年一定会出来。我们看美国有三家公司很有意思，一家叫微软，一家叫Adobe。还有一家叫Salesforce，他们没有用大模型做任何新的东西，而都是把大模型跟已有的产品和场景做了一个充分的结合，就焕发了新生。比如微软选择了Office、Bing和Edge浏览器；Adobe选择的是它擅长的图形编辑、视频编辑。
7. 第七个预言，大模型在去年主要讲的是文字能力，写稿的能力。2024年，以 Gemini和OpenAI的GPT- 4V版本为代表，多模态会成为未来的标准。多模态不仅能听会说，关键是它能看得懂视频，能看得懂图片。
8. 第八个预言，在大模型的支持下， AIGC会有突破性的增长。就是我前面说的，去年年初Midjourney画一张图，一看就是AI画的，经常把人画成6根手指。再到年底来看，计算机生图已经和摄影师的作品不相上下了。年初AI产生视频的能力，几乎都是动图、表情符号的能力，年底有的已经做得像好莱坞动画片了，所以这个进展特别快速。
9. 第九个预言，我觉得大模型拯救了机器人行业。在大模型出来之前，传统的人形机器人是典型的智障产业——做得像人，但是能力极其低下，因为它不具备对这个世界知识的了解。但是有了大模型之后，机器人的产业获得了一个革命性的发展。这两天热炒的一个机器人，可以自动煎蛋，自动做家务，自动整理衣服，这完全有赖于大模型的加持。
10. 第十个是我的一个期望，为什么中国一定要做大模型，我觉得大模型不仅仅是语言工具，也不仅仅是聊天机器，大模型也不仅仅能在我们很多业务中发挥作用，其实大模型可能成为人类有史以来发明的最伟大的工具，成为很多科学家的工具。我们今天之所以能享受互联网，享受很多新能源，是因为前100年这个世界的物理学家取得了关键性的突破。但在最近五六十年，人类在科技上已经很久没有突破，所以如果大模型能够成为科学家的工具，比如在美国，很多生物学家已经开始用大模型来帮助他们研究蛋白质的结构，研究分析基因。所以我希望2024年，大模型能够推动基础科学取得突破，变成我们科技发展的利器。

原文链接: https://mp.weixin.qq.com/s/J3T1xh4eKz-YI4X_IDZqmw

[ikaijua]

美投讲美股：2024年AI如何投资？估值突破天际，还有什么好的机会？

2024年的AI趋势：

1. 小语言模型井喷：它将带来边缘计算的发展，适合特定领域优化。
2. 企业降本增效显现：AI帮助企业降低成本和提高营收，比如金融、咨询和法律行业。
3. 网络安全需求爆发：AI的发展大大助长了黑客行业，网络安全公司通过AI来武装自己。
4. 监管增加：AI问题带来的监管需求。

B站视频：美投讲美股：2024年AI如何投资？估值突破天际，还有什么好的机会？

[ikaijua]

《麻省理工科技评论》2024年“十大突破性技术”正式发布

1. 无所不在的人工智能：像 ChatGPT 这样的生成式人工智能工具在短时间内大规模普及，彻底改变了整个行业的发展轨迹。
2. 首例基因编辑治疗：随着 CRISPR 技术进入市场，镰状细胞病是首个被 CRISPR 战胜的疾病。
3. 热泵：热泵是可以利用电力来冷却和加热空间的设备。如今，许多建筑物仍然使用天然气等化石燃料供暖。改用由可再生能源驱动的热泵可以帮助家庭、办公室和工业设施大幅减少碳排放。
4. 推特杀手：数百万人逃离了“小蓝鸟”，转而涌向去中心化的社交媒体平台。
5. 增强型地热系统：地热是一种丰富且零碳的能源，是化石燃料的替代品，并且不随天气或时间的变化而变化。然而，传统的地热发电厂需要特定的地质条件，特别是有地下水的高渗透性岩层。因此，地热发电在全球可再生能源总发电量的占比不足 1%。但一项新兴技术可以让我们更多地利用脚下的热量。
6. 减肥药：三分之一的美国成年人患有肥胖症，这使他们更容易患上心脏病、糖尿病和癌症。抗肥胖药物（例如 Wegovy 和 Mounjaro）可以帮助解决这一公共卫生危机。从 Reddit 到 TikTok，成功案例在网上随处可见。制造商诺和诺德公司因这些药物获得了巨额利润，药店里甚至出现了一药难求的情况。
7. 芯粒技术：芯片制造商押注更小、更专业的芯片可以延长摩尔定律的寿命。制造商正在转向更小、更模块化的“芯粒（小芯片）”，这些“芯粒”专为存储数据或处理信号等特定功能而设计，并且可以链接在一起构建出完整的计算系统。芯片越小，包含的缺陷就越少，制造成本也越低。
8. 超高效太阳能电池：2023 年 11 月，一项热门的太阳能技术打破了太阳能电池效率的世界纪录。之前的世界记录只保持了大约五个月，而且很可能用不了多久就会被再次打破。这种惊人的效率提升，来自一种特殊的下一代太阳能技术：钙钛矿层叠太阳能电池。这些电池由传统的硅材料与具有独特晶体结构的材料相结合而成。
9. 苹果 Vision Pro：Micro-OLED 技术已经发展了十多年，但苹果 Vision Pro 将是这项技术迄今为止能力最引人注目的应用。
10. 百亿亿次计算机：2022 年 5 月，美国田纳西州橡树岭国家实验室推出 Frontier， 撼动了全球超级计算机排名。现在它是世界上最快的超级计算机，每秒可以执行超过百亿亿（1018）次浮点运算，本质上，Frontier 一秒钟内执行的计算量相当于 10 万台笔记本电脑。

原文： 《麻省理工科技评论》2024年“十大突破性技术”正式发布

[ikaijua]

极客公园出品的AGI系列播客节目AGI Insider

极客公园旗下的科技创业者社区FounderPark出品的AGI 系列播客节目AGI Insider，围绕AGI相关领域的技术发展、产品方向以及新的商业模式进行探讨和交流。

• Vol.13 张鹏对谈月之暗面杨植麟:大模型创需要新的组织范式。
• Vol.12 张鹏对谈白鸦、肖弘、潘乱:大模型时代的产品要怎么做?
• Vol.11 张鹏对谈谢欣:飞书对于A智能伙伴的思考和回答
• Vol.10 百川智能王小l: 大模型创业100天的思考
• Vol.09 大模型之下，Midjourney等内容工具和平台的新机会在哪?
• Vol.08 大模型加持下，AI会带来游戏业的新一轮革命吗?
• Vol.07 大模型浪潮下，VR/AR行业的未来在哪里?
• Vol.06 创者深度解读苹果Vision Pro，XR行业的未来在哪里?
• Vol.05 对话印象笔记:为什么自己做大模型?
• Vol.04 聊聊Google l/0，谷歌能赢得这次AI竞争吗?
• Vol.03 张鹏对谈李志飞:未来中国会有多少语言大模型?
• Vol.02 张鹏对谈傅盛、王俊爆、潘乱:大模型时代，产品经理的机会在哪里?
• Vol.01 支持插件的ChatGPT带来互联网巨头的[诸神黄昏]吗?

播客节目链接：https://www.xiaoyuzhoufm.com/podcast/643928f99361a4e7c38a9555

[ikaijua]

华尔街明星基金经理“木头姐”及其公司ARK Investment Management在2023年表现强劲，并发布了名为《Big Ideas 2024》的年度报告

1. Cathie Wood“木头姐”的基金ARK Innovation ETF在2023年涨幅达68%，在同类基金中排名前1%。
2. ARK发布《Big Ideas 2024》的年度报告指出，技术融合、人工智能、数字钱包、精准疗法和3D打印等颠覆性创新技术将改变世界各个方面，并推动全球经济增速加速至7%。
3. 颠覆性创新相关的股票市值预计每年增长40%，从当前占全球股市总额的16%增加到2030年的超过60%，市值从约19万亿美元增长到约220万亿美元。
4. 报告预测到2030年，硬件和软件的融合将使AI培训成本每年下降75%，全球软件市场可能增长10倍。
5. 报告预计到2040年，AI领域硬件投资规模将达到1.3万亿美元，推动AI软件销售额达到13万亿美元，软件行业的毛利率维持在75%的水平。
6. 机器人出租车平台将重新定义个人出行，创造约28万亿美元的企业价值，每年销售约7400万辆机器人出租车，占据汽车市场的大部分。
7. 随着制造业整合，电池成本下降，降低了汽车价格。电池占电动车价值的20%，为电动汽车制造商带来每年约300亿美元的营收。
8. 3D打印技术将降低汽车开发时间50%，降低模具设计验证成本97%。
9. 精准疗法占新上市药物的25%，到2030年，药物收入预计将增加15%，约合3000亿美元。
10. 人工智能增强型多组学技术的渗透将提高与药物开发相关的研发效率，到2035年研发的实际回报率将提高10%。
11. 早期检测多种癌症的血液化验已成为治疗标准，降低了某些年龄阶段的癌症死亡率25%。
12. 数字休闲支出预计将以每年19%的年复合增长率增长，从2023年的7万亿美元增至2030年的23万亿美元。
13. 到2030年，智能设备、娱乐和社交平台的收入将达到5.4万亿美元，其中广告和商务收入占80%。
14. 报告认为技术融合将定义未来十年的发展，颠覆性技术的融合将带来比第一次和第二次工业革命更具影响力的宏观经济结构转变。
15. 颠覆性技术的发展速度快于市场预期，预计通用AI可能在2026年至2030年出现。
16. 颠覆性技术创新将主导全球股市市值，到2030年，颠覆性技术预计占全球股市市值的60%以上。

完整报告：https://www.ark-invest.com/home-thank-you-big-ideas-2024?submissionGuid=47786d7c-57b6-4a2c-bd62-a59582ed012a

媒体文章：

• 华尔街见闻：“木头姐”押注技术革命！163页重磅年度报告来了

[ikaijua]

Nature 2024年值得关注的七项技术

1. 用于蛋白质设计的深度学习：使用深度学习方法进行蛋白质设计已经成为一种实用工具，用于生成定制酶和其他蛋白质。
2. deepfake检测：生成式人工智能算法的发展使得合成的图像、音频和视频变得越来越逼真，这引发了对深度伪造的担忧。研究人员致力于开发检测和拦截深度伪造内容的方法，如在模型输出中嵌入水印或通过识别替换特征的边界来检测伪影。
3. 大片段DNA插入：CRISPR基因编辑技术可以精确地插入较小的DNA序列，但插入较大DNA片段是困难的。然而，新兴的解决方案可能允许科学家替换缺陷基因的重要片段或插入完全功能的基因序列。
4. 脑机接口：复杂的脑-计算机接口设备可以帮助患有运动神经元疾病的人恢复语言表达能力，通过将大脑信号转化为控制外部设备的指令。
5. 超分辨技术：Stefan Hell、Eric Betzig 和 William Moerner 因打破了限制光学显微镜空间分辨率的“衍射极限”而获得 2014 年诺贝尔化学奖。由此开启了广泛的分子尺度成像实验。
6. 细胞图谱：细胞图谱描述了不同的细胞类型以及它们是如何被调节的。如果您正在寻找一家方便的咖啡馆，Google 地图可以找到附近的选择并告诉您如何到达那里。在更复杂的人体环境中导航是没有等价物的，但各种细胞图谱计划的持续进展 - 由单细胞分析和“空间组学”方法的进步推动 - 可能很快就会提供生物学家渴望的组织范围的细胞图谱。
7. 3D打印纳米材料：奇怪而有趣的事情可能会在纳米尺度上发生。这可能使材料科学预测变得困难，但这也意味着纳米级建筑师可以制造具有独特特性的轻质材料，例如增加强度、与光或声音的定制相互作用以及增强的催化或储能能力。

原文链接：Seven technologies to watch in 2024

媒体文章：

• 数据派THU：Nature｜2024年值得关注的七项技术