23年是当之无愧的「生成式AI之年」。
24年，AI技术会有哪些突破？
英伟达高级科学家Jim Fan称，2024年将是视频年。尽管机器人和具身智能体才刚刚起步，但我认为视频AI将在未来12个月内迎来突破性进展的时刻。
OpenAI联创Greg Brockman则预测：2024年，AI的能力、安全性、潜在影响的积极性上，都会是突破性的一年。
当然，从更长远的角度看，这只是又一个指数级的一年，让每个人的生活都比今天更好。
新的一年，人工智能还会像2023年一样，大放异彩吗？
AI大佬2024预测
Meta的研究员Martin Signoux对2024年AI做出了8大预测，就连LeCun大佬表示深度赞同。
首先，人工智能智能眼镜蔚然成风。随着多模态技术的兴起，领先的人工智能公司将加倍努力开发人工智能可穿戴设备。还有什么比眼镜外形更适合承载人工智能助手呢？
ChatGPT之于人工智能助手，就像谷歌之于搜索一样。2023年，ChatGPT开始大放异彩，Bard、Claude、Llama、Mistral和数以千计的衍生产品相继问世。
随着产品化的继续推进，ChatGPT将不再是这个领域的唯一参考标准，其估值也将面临修正。
大模型模型再见，多模态模型你好。LMM将不断涌现，并在多模态评估、多模态安全、多模态这个、多模态那个的争论中取代LLM。此外，LMM是迈向真正通用人工智能助手的垫脚石。
没有重大突破，但各方面都有改进。新模型不会带来真正的突破（GPT-5)，LLM在本质上仍然有限，而且容易产生幻觉。我们不会看到任何飞跃，使它们在2024年可靠到足以「解决基本的AGI」。
在RAG、数据整理、更好的微调、量化等方面的改进，将使LLM在许多用例中变得足够强大/有用，从而推动各行业各种服务的采用。
小模型（SLM）已经出现，但成本效益和可持续发展的考虑将加速这一趋势。量化技术也将大大提高，从而推动消费服务的设备集成浪潮。
开源模型击败GPT-4，开源与封闭之争逐渐平息。回顾过去12个月开源社区的活力和进步，很明显，开源模型将很快缩小性能差距。
基准仍然是一个难题。没有一套基准、排行榜或评估工具能够成为模型评估的一站式服务。相反，我们将看到一系列改进（如HELM）和新举措（如GAIA），尤其是在多模态方面。
与现有风险相比，存在的风险不会引起太多讨论。虽然X风险成为2023年的头条新闻，但公众讨论将更多地关注与偏见、假新闻、用户安全、选举诚信等相关的现有风险和争议。
Lightning AI的创始人William Falcon对2024年的预测是：
– 1B模型性能将优于70B。
– 在CPU上部署模型几乎是免费的，而不是API服务。
– 数据质量将使性能提升10倍。
– 开源模型的组合将击败最好的私有模型。
– 编译器将使模型（训练和推理）的速度至少提高80%。
– 立法将支持内容创建者，而非模型开发者。
开源工具平台LlamaIndex的创始人Jerry Liu表示，
– RAG将继续成为一个大焦点
– 每个AI工程师仍然需要强大的软件工程基础。
– 向量数据库开始开发类SQL接口并支持多模态
– 多模态模型在文档处理中得到更多使用（但首先，计算成本/延迟需要降低）
– 类似GPT-4的全部能力成为开源，并且更快/更便宜。
– 如果是这种情况，智能体的开发会重新蓬勃发展。
– 提示和以前一样重要，但提示工程的重要性会下降
2023年，ChatGPT访问量全球居首
过去一年里，AI无处不在，甚至重新定义了整个行业。
在线内容写作公司Writerbuddy AI使用SEO行业著名的工具SEMrush，通过抓取AI工具数据，研究了3000+种AI工具。
结果发现，从2022年9月-2023年8月，排名前50的AI工具，产生了超过240亿次的惊人访问量，平均每月增长2.363亿次。
其中，ChatGPT独占了140亿流量，占分析流量的60%。
以下是报告中的关键发现：
– AI行业平均每月增长2.363亿次访问量。分析的50个人工智能工具经历了10.7倍的增长率，平均每月访问量增加 2.363 亿次。
– 过去12个月中，AI应用每月平均访问量达到20亿次。过去6个月，每月平均访问量激增至33亿次。
– ChatGPT、Character AI和Google Bard的访问量分别净增长了18亿次、4.634亿次和6800万次。
– 访问量最高AI聊天机器人：ChatGPT处于绝对领先地位，占AI聊天机器人类别总访问量的 76.31%。紧随其后的是Character AI，以19.86%的访问量位居第二。
– Craiyon、Midjourney和Quillbot面临最大的流量下降。
– 美国贡献了55亿人次访问量，占总访问量的22.62%，而欧洲国家合计贡献了39亿人次访问量。
– AI 聊天机器人工具最受欢迎，访问量达到191亿次。
– 超过63%的AI工具用户通过移动设备访问。存在性别差异，69.5%为男性用户，30.5%为女性用户
除了风靡全球的ChatGPT，23年的这些技术也很惊艳
23年过去了，这一年的关键词，无疑就是「生成式AI」。
22年底ChatGPT的推出，以及23年3月发布的GPT-4，让全世界见识到了大语言模型的广泛可用性，让23年变成了属于文本、音频和视频生成式AI的一年。
除了今年的「宠儿」ChatGPT之外，其他公司的锋芒也不应被忽视，比如放出了第一个开源语言模型的公司，和几家新的AI初创公司，包括在年底发布了目前可用的最佳开源语言模型Mixtral 8x7B的Mistral。
除此之外，还有以下这些让人印象深刻的技术。
斯坦福小镇和机器猫
「斯坦福小镇」，展示了令人印象深刻的文本和编码任务的应用。
团队创建了一个受模拟人生启发的沙盒环境，其中的25名AI智能体，每个都有属于自己的职业和个性，可以自主互动。
这些智能体表现出了可信的个人和紧急社交行为，包括做计划、参加情人节派对。这项工作展示了基于LLM的智能体如何相互交互，并产生了有趣的结果。
这一想法已被其他研究和开源项目所采用，例如Auto-GPT和BabyAGI，而OpenAI则通过Assistant API，将其大大简化。
GPT-4等基础模型，也已用于机器人技术，取得了一些进展，比如谷歌的机器人RT-2和RoboCat。
RT-2是一种用于机器人控制的AI模型，可以从机器人和网络数据中学习。该模型可以处理文本和图像输入，并利用其广泛的网络知识来执行尚未经过明确训练的任务。
在6000多次机器人测试中，RT-2在未经训练的任务中的成功率，几乎是其前身的两倍。
另一方面，RoboCat是一种AI，可以生成训练数据，以改善机器人的控制。
其他公司的技术，如英伟达的多模态VIMA模型，也在机器人技术中使用了基础模型。
DreamerV3和FunSearch
在强化学习领域，研究者们也取得了不少重要成果。
一个例子是DreamerV3，它可以处理完全不同的问题，而无需任何调整。
在没有人类模型的情况下，DreamerV3就会学习如何在Minecraft中开采钻石。
今年早些时候，DeepMind还展示了AdA（Adaptive Agent），这是DeepMind的一个基础强化学习模型。
AdA遵循基础模型的经典配方，在具有大量数据的任务上进行了训练。AdA之所以意义重大，是因为它表明了，强化学习中的扩展可以使模型在其他任务上表现更好。
在各个科学领域，深度学习展现出越来越多的作用。
DeepMind开发了AlphaTensor，一种用于快速矩阵乘法的新算法。
同时，DeepMind最新版本的AlphaFold蛋白质结构预测系统，克服了之前版本的许多弱点，为计算结构预测开辟了新的可能性。
此外，Google DeepMind还展示了FunSearch，这是首次使用代码生成语言模型与进化搜索算法相结合，为数学问题找到以前未知的解决方案。
OthelloGPT、Q-Star和AI法案
2023年，也是AI监管的一年，和对AI存在主义风险发出警告的一年。
这种趋势无疑也会刺激业界研究，好让人类更好地理解LLM的内部工作原理。
这期间有一些有趣的论文，比如OthelloGPT，微软的GPT-4体现了AGI火花，以及谷歌关于大模型「顿悟」的论文。
提示工程领域提供了对LLM的见解。
François Chollet将提示工程解释为寻找正确的向量程序和Promptbreeder，这表明，提示在未来可能会变得更加自动化。
在年末，传起了关于Q-Star的谣言，伴随着人们的AI的恐惧、AGI的炒作、以及短短几天多次反转的OpenAI宫斗闹剧。
在2024年，或许我们会看到猜测变少，谈判变多。
AI训练使用的数据，在哪些范畴内是合理的？最近纽约时报对OpenAI发起的诉讼，引起了全社会范围内的广泛探讨。
类似的辩论，也将在欧盟上演，在今年年底前，欧盟各国就《欧盟人工智能法案》达成一致。这一法案的细节将在明年决定，并且对欧洲的人工智能市场产生重大影响。
2024 AI展望
在经历了爆炸性的2023年之后，2024年的人工智能领域有将会有哪些进展？
毋庸置疑，在这个新的一年里，我们仍将看到领先的AI在许多新的创造性方式中应用，推动整个行业的进步。
Copilot AI登台：智能体时代来临
OpenAI在首届开发者大会上发布的GPTs、Assitants等工具，微软产品全线更名Copilot等等，智能体在今年迎来了大爆发。
这些工具已经开始在一个又一个行业产生影响，但我们迄今所看到的与即将到来的相比微不足道。
今年早些时候，来自普林斯顿、谷歌团队发表的ReAct论文展示了大模型如何有效地学习如何使用工具，并推动了这方面的大量研究。
OpenAI、Anthropic在内的公司已经花了一年的时间来调整自家模型，以便更好地使用这种技术。
比如，OpenAI的函数调用，以及Anthropic的Claude XML支持。
项目地址：https://react-lm.github.io/
还有一些研究机构专门训练了专门的大模型，比如伯克利的Gorilla LLM。
另外，开源代码库Langchain、Rivet等都让智能体变得容易得多。
看得见，AI智能体比以往任何时候都更容易开发，成本也更低。它们在发挥人类聪明才智的同时，还能深入连接对用户和公司最重要的数据。
2024年，我们将看到「智能体时代」的到来，这是通过软件满足需求和与技术互动的一个全新方向的开端。
多模态大模型突破视觉障碍
ChatGPT能够理解和表达人类自然语言，这是吸引用户和开发者的突破性功能。
但是，2024年将看到AI视觉可能会更加重要，影响更加深远。
文字固然强大，但图像、视频、音频能以更集中的方式传递信息和情感。思想的空间表达是一种非常强大的工具，可以简单地传达复杂的概念。
LLM不仅能对文本数据进行训练，还能对视觉数据进行训练，多模态能力更加明显。
我们已经看到，Ai Pin、Apple Vision等可穿戴设备的发展，它们有望为我们的日常生活提供帮助。
例如，它们可以提供与交流的人的背景信息、与工作相关的视觉提示，或完成任务的实时建议。
创新将走向何方？速度有多快？现在还很难说，但能够解读图像和视频并对环境中的物理变化做出即时反应，为智能人工智能只能以如何帮助人类增添了一个极其重要的维度。
AI操控达到危险级别
AI爆发为各个领域带来翻天，覆地的变化的同时，也让我们看到AI生成虚假信息给生活带来了困扰。
在人类历史上，大规模影响和操纵AI从未如此强大，也从未如此普及。
人工智能已经让人们几乎无法辨别「真实」的社交互动与内容，因为图像，甚至视频都可以很轻而易举地生成。
未来一年，人工智能操纵可能会大行其道，从自动勒索和欺诈到阴谋论的传播。
总而言之，2024年，人工智能将给世界带来许多令人难以置信的东西，但它也将以新的方式挑战我们。
知友预测
关于此话题的畅想，也上了知乎热榜。
知友「引线小白」预测，在24年，模型效果会进一步突破，可能只要7B的模型推理资源，就能与现在的GPT-4持平。
随着部署成本大幅下降，24年可能就会成为AI Agent元年，出现一个爆款。
多模态进多模态出一统江湖的模型，有可能出现。
第一部AI电影，也有望在24年出现。
清华自动化系在读博士认为，「多模态大模型取得进一步突破，图片和视频生成能力进一步提升。更多的人力工作，特别是需要部分创造力的工作被取代。部分领域大模型的涌现能力进一步凸显，表现出一些更加具有创造性的行为。」
AI架构师「春阳CYang」预估，2024年应该是AI大模型应用落地的元年。
2023一整年，虽然大模型火爆，但真正能够落地的产品还很少，只集中在改写文案等浅层的应用上。
但现在，有很多大模型领域的创意产品在落地了，可以期待一波。
程序员@小五哥预测道——
大语言模型将在手机端运算推理；Agent将代替人做一些更实用的事情；最令人开心的是，人形机器人很可能帮我们洗衣、拖地、做饭、收拾房间了！
参考资料：
https://writerbuddy.ai/blog/ai-industry-analysis
https://x.com/gdb/status/1741529664856764556?s=20
2023/https://www.zhihu.com/question/635190738
https://www.zhihu.com/question/635190738/answer/3327969527
https://www.zhihu.com/question/635190738/answer/3334551780
本文来自微信公众号“新智元”（ID:AI_era），作者：新智元
相关文章
