2023 年人工智能发展趋势TOP5-人工智能-PHP中文网

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

2022 年在 AI/ML 领域取得了许多突破性的突破。谷歌、Meta 和微软等大型科技公司在从量子计算到生成人工智能的全新创新中取得了重大进步。

例如，一些最大的突破包括解决国际数学奥林匹克问题的 Meta 的 HyperTreeProofSearch (HTPS)；DeepMind 的 Alpha Fold 和 Meta AI 的 ESMFold 用于蛋白质折叠预测；谷歌的DeepNull模拟表型之间协变量效应的关系并改进全基因组关联研究 (GWAS)等等。

接下来，让我们看看对 2023 年的一些预测。

ChatGPT以其出色的对话能力风靡互联网。它是建立在 OpenAI 的GPT-3上的，GPT-3有 1760 亿个参数，依赖于更大的模型尺寸。虽然还有其他 LLM 的参数是 GPT-3 的两倍、三倍甚至十倍，但 DeepMind 或 Meta 的一些模型（也称为小型语言模型（SLM））的参数数量已经超过 GPT- 3 在逻辑推理和预测等多项任务上。

除了减小模型的大小外，预计还会有一个更大的模型，如GPT-4 ，具有大约 100 万亿个参数。由于目前最大的模型是具有 1.6 万亿个参数的 Google Switch Transformer 模型，因此跳跃将是巨大的。

然而，为了获得更大的延迟和可预测性，未来几年可以看到对现有模型进行微调以服务于特定目的。最近，OpenAI 使用达芬奇更新对 GPT-3 进行了微调。

趋势一：生成式 AI 需要可解释的 AI

文本到图像的生成是 2022 年打破排行榜的趋势。DALL-E、Stable Diffusion 和 Midjourney 等模型在想要试验 AI 生成艺术的爱好者中名列前茅。对话很快从文本到图像转移到文本到视频，再到文本到任何东西，并且创建了多个模型，这些模型也可以生成 3D 模型。

随着语言模型的扩展以及传播模型的改进，文本到任何东西的趋势预计会上升得更高。公开可用的数据集使生成式 AI 模型更具可扩展性。

这些数据集引入了有关可解释人工智能的部分，其中训练这些生成模型的每张图像的属性变得至关重要。

趋势二：FastSaaS 竞赛开始

赶上生成人工智能趋势的公司已经开始将其作为云端服务提供。随着 LLM 和 GPT-3 和 DALL-E 等生成模型的公开可用，企业越来越容易将它们作为服务提供，这催生了FastSaaS。

最近，Shutterstock计划将 DALL-E 2 集成到其平台，Microsoft VS Code添加了 Copilot 作为扩展，TikTok宣布推出应用内文本到图像 AI 生成器，Canva推出了 AI - 在其平台上生成功能。

趋势三：依赖超级计算机

这就是构建超级计算机以依赖于生成任务以及为公司提供服务的趋势。随着这些不断增加的数据集和生成模型，对超级计算机的需求正在上升，并且预计会进一步上升。随着对 FastSaaS 的竞争，对更好和高性能计算的需求是下一件事。

NVIDIA 和微软最近合作创建了Quantum-2，一个云原生超级计算平台。10 月，特斯拉宣布其Dojo超级计算机完全使用特斯拉开发的芯片从零开始构建。很快，它看起来可以为企业客户提供访问权限。此外，Cerebras 还推出了 Andromeda，这是一台拥有 1350 万核心的 AI 超级计算机，可提供超过 1 exaflop 的 AI 计算能力。最近，Jasper 与 Cerebras 合作以实现更好的性能。