展望 2024 年第一季度激动人心的 AI 创新。我们将介绍 OpenAI 的 Sora AI、Neuralink 的脑芯片和最新的 LLM 等突破。
Cookie 设置
点击“接受所有 Cookie”，即表示您同意在您的设备上存储 Cookie，以增强网站导航、分析网站使用情况并协助我们的营销工作。更多信息
展望 2024 年第一季度激动人心的 AI 创新。我们将介绍 OpenAI 的 Sora AI、Neuralink 的脑芯片和最新的 LLM 等突破。
人工智能社区似乎几乎每天都会成为头条新闻。2024 年的前几个月令人兴奋，并且充满了新的人工智能创新。从强大的新型大型语言模型到人脑植入，2024 年正在成为令人惊叹的一年。
我们看到人工智能正在改变各行各业，使信息更容易获取，甚至正在朝着将我们的思想与机器融合迈出第一步。让我们回顾一下 2024 年第一季度，仔细看看短短几个月内在人工智能方面取得的进展。
大型语言模型 (LLM) 旨在基于海量文本数据理解、生成和操作人类语言，在 2024 年第一季度占据了中心舞台。许多大型科技公司都发布了自己的 LLM 模型，每个模型都具有独特的功能。GPT-3 等早期 LLM 的巨大成功激发了这一趋势。以下是 2024 年初一些最值得关注的 LLM 版本。
Anthropic 于 2024 年 3 月 14 日发布了 Claude 3。Claude 3 模型有三个版本：Opus、Sonnet 和 Haiku，每个版本都服务于不同的市场和用途。Haiku 是最快的模型，针对快速、基本响应进行了优化。Sonnet 在速度和智能之间取得了平衡，面向企业应用。Opus 是最先进的版本，可提供无与伦比的智能和推理能力，是执行复杂任务和实现顶级基准的理想选择。
Claude 3 拥有许多高级功能和改进：
Databricks DBRX 是 Databricks 于 2024 年 3 月 27 日发布的开源通用 LLM。DBRX 在包括语言理解、编程和数学在内的各种基准测试中表现出色。它超越了其他已建立的模型，同时比类似模型小约 40%。
DBRX 使用细粒度的混合专家 (MoE) 架构进行下一个 token 预测训练，这就是我们能够看到训练和推理性能显着提升的原因。它的架构允许模型通过查阅一组不同的专业子模型（即“专家”）来更准确地预测序列中的下一个单词。这些子模型擅长处理不同类型的信息或任务。
Google 于 2024 年 2 月 15 日推出了 Gemini 1.5，这是一种计算高效的多模态 AI 模型，可以分析大量的文本、视频和音频数据。最新模型在性能、效率和功能方面更加先进。Gemini 1.5 的一个关键特性是其在长上下文理解方面的突破。该模型能够持续处理多达 100 万个 token。Gemini 1.5 的功能还得益于一种新的基于 MoE 的架构。
以下是 Gemini 1.5 的一些最有趣的功能：
2024 年第一季度涌现出了一些生成式 AI 模型，它们可以创造出非常逼真的视觉效果，从而引发了关于社交媒体的未来和 AI 进展的辩论。让我们深入了解一下引发讨论的模型。
ChatGPT 的创建者 OpenAI 于 2024 年 2 月 15 日宣布了一种名为 Sora 的最先进的文本到视频深度学习模型。Sora 是一种文本到视频生成器，能够根据文本用户提示生成具有高视觉质量的分钟级视频。
例如，请看下面的提示。
“一个华丽的纸工艺世界，描绘了一个充满色彩鲜艳的鱼类和海洋生物的珊瑚礁。”
这是输出视频中的一帧。
Sora 的 架构通过混合用于纹理生成的扩散模型和用于结构连贯性的 Transformer 模型，使这成为可能。到目前为止，Sora 的访问权限已授予红队成员和一部分精选的视觉艺术家、设计师和电影制作人，以了解风险并获得反馈。
Stability AI 于 2024 年 2 月 22 日宣布了 Stable Diffusion 3 的到来，这是一种文本到图像生成模型。该模型混合了扩散 Transformer 架构和流动匹配。他们尚未发布技术论文，但有一些关键功能需要注意。
最新版本的 Stable Diffusion 提供了改进的性能、图像质量和准确性，可以创建具有多个主体的图像。Stable Diffusion 3 还将提供从 8 亿到 80 亿个参数的各种模型。它将允许用户根据其对可扩展性和细节的特定需求进行选择。
2024年1月23日，谷歌发布了 Lumiere，这是一种文本生成视频的扩散模型。Lumiere 采用了一种名为 Space-Time-U-Net 的架构，简称 STUNet。它帮助 Lumiere 理解视频中物体的位置和运动方式，从而生成流畅逼真的视频。
Lumiere 能够生成每段 80 帧的视频，突破了 AI 领域的视频质量界限，并树立了新的标准。以下是 Lumiere 的一些功能：
2024 年初也带来了许多感觉像是科幻电影中的 AI 创新。以前我们认为不可能的事情现在正在被研究。随着以下发现，未来不再遥远。
2024 年 1 月 29 日，埃隆·马斯克的 Neuralink 成功地将无线脑芯片植入人体。这是将人脑与计算机连接起来的巨大一步。埃隆·马斯克透露，Neuralink 的首款产品名为“Telepathy”，正在筹备中。
其目标是使用户，特别是那些失去肢体功能的用户，能够通过他们的想法毫不费力地控制设备。潜在的应用不仅限于便利性。埃隆·马斯克设想了一个瘫痪人士可以轻松交流的未来。
2024 年 1 月 18 日，华特迪士尼幻想工程公司推出了 HoloTile 地板。它被称为世界上第一个多人、全方位跑步机地面。
它可以像念力一样在任何人或物体下移动，从而带来身临其境的虚拟和增强现实体验。您可以在其上向任何方向行走，并避免碰撞。迪士尼的 HoloTile 地板也可以安装在戏剧舞台上，以创造性的方式跳舞和移动。
2024 年 2 月 2 日，Apple 备受期待的 Vision Pro 头显上市。它具有一系列旨在重新定义虚拟和增强现实体验的功能和应用。Vision Pro 头显通过融合娱乐、生产力和空间计算，满足了不同的受众。Apple 自豪地宣布，在 Vision Pro 发布时，有超过 600 个应用程序（从生产力工具到游戏和娱乐服务）针对 Vision Pro 进行了优化。
2024 年 3 月 12 日，Cognition 发布了一款名为 Devin 的软件工程助手。Devin 是世界上首次尝试实现自主 AI 软件工程师。与提供建议或完成特定任务的传统编码助手不同，Devin 旨在处理从最初概念到完成的整个软件开发项目。
它可以学习新技术，构建和部署完整的应用程序，查找和修复错误，训练自己的模型，为开源和生产代码库做出贡献，甚至可以承担 Upwork 等网站上的实际开发工作。
Devin 在 SWE-bench 上进行了评估，这是一个具有挑战性的基准，要求代理解决在 Django 和 scikit-learn 等开源项目中发现的真实 GitHub 问题。它正确地端到端解决了 13.86% 的问题，而之前的最先进水平为 1.96%。
近期发生了很多事情，无法在一篇文章中涵盖所有内容。但以下是一些值得关注的亮点。
2024 年初，AI 领域取得了突破性进展，并实现了许多重要的技术里程碑。但这仅仅是 AI 能力的开始。如果您想了解更多关于 AI 的最新发展，Ultralytics 将为您提供相关资讯。
查看我们的 GitHub 仓库，了解我们在计算机视觉和 AI 领域的最新贡献。您还可以查看我们的解决方案页面，了解 AI 如何应用于 制造业和医疗保健等行业。
