2023 年,，人工智能領(lǐng)域無疑成為了行業(yè)的焦點(diǎn)，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(yù)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(qiáng)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(qiáng)大的支持,，這包括插畫、藝術(shù)概念設(shè)計和照片編輯,。Adobe Firefly 被集成進(jìn) Photoshop,，從而普及了 AI 技術(shù)，使其得以廣泛服務(wù)于更多用戶,。此外,，文本效果功能的推出，也標(biāo)志著技術(shù)的一大進(jìn)步,，使用戶能夠?qū)⑻囟L(fēng)格或紋理應(yīng)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(jìn)。最新的 alpha 版本,，Midjourney V.6,，引入了額外的增強(qiáng)功能,，如更精準(zhǔn)的提示跟隨,、擴(kuò)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(fù)雜提示工程的需求,。此外,，ChatGPT 還引入了一項(xiàng)幫助用戶根據(jù)反饋優(yōu)化提示,，進(jìn)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(hù)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(jìn)

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(fēng)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(yuǎn)程會議效果更接近真實(shí),。

文本生成

Bard 和 Gemini：Google 的 Bard 為聊天機(jī)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(jī)器人中融入了基于多模態(tài)數(shù)據(jù)集訓(xùn)練的 Gemini,，它被譽(yù)為目前“最強(qiáng)大”的 AI 模型,，是 OpenAI 的 ChatGPT 最強(qiáng)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(shí)時知識的聊天機(jī)器人,。xAI 承諾,，Grok 被設(shè)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(qiáng)了知識整理能力,，支持在 Visual Studio Code 和 Slack 中進(jìn)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(zhǔn)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(biāo)題,、分類,，進(jìn)行聽說交流,，并支持 實(shí)時網(wǎng)頁瀏覽,。OpenAI 擴(kuò)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(dá)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(qiáng)調(diào)其技術(shù)開放性，免費(fèi)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(shí)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(dá)到 10 億美元，李開復(fù)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(luò)模型,，參數(shù)數(shù)量超過競爭對手,，強(qiáng)調(diào)了它在成本和效率方面的優(yōu)勢。