“元年”之后，生成式AI又將走向何方：多模態(tài)、開源化、強監(jiān)管成關(guān)鍵詞

每經(jīng)記者 李孟林    每經(jīng)編輯 蘭素英    

一年多以前，如果有人告訴你，他可以用一句話就能在數(shù)秒之間生成一首詩，一幅畫，甚至一部電影，你肯定覺得是天方夜譚，腦洞開得太大。然而，隨著ChatGPT的出現(xiàn)，這樣的想象步入了現(xiàn)實。

2023年，毫無疑問是AI的一年。在這一年里，以ChatGPT為首的生成式AI技術(shù)在全球點燃研發(fā)浪潮，各大科技公司競相入局，從文本到圖像，從音樂到視頻，從游戲到教育，無一領(lǐng)域不在大力推動AI技術(shù)的應(yīng)用，呈現(xiàn)出“百花齊放”的生動局面。

生成式AI企業(yè)也獲得了前所未有的關(guān)注和投資，“盤活”了創(chuàng)投行業(yè)。據(jù)AI投資者 Nathan Benaich 和 Air Street Capital 團隊制作的《2023年AI現(xiàn)狀》報告，截至2023年10月2日，專注研發(fā)生成式AI應(yīng)用的初創(chuàng)企業(yè)今年累計獲得了近180億美元的風投資金，較2022年整年增長超360%。

圖片來源：《2023年AI現(xiàn)狀》報告截圖

然而，這一年也出現(xiàn)了一些戲劇性事件，如AI大佬聯(lián)名發(fā)表呼吁暫停研究的公開信以及OpenAI“宮斗”，引發(fā)人們對生成式AI的質(zhì)疑和擔憂。這些事件讓外界看到了生成式AI的另一面，意識到了生成式AI的復雜性和監(jiān)管的必要性。

進入2024年，AI注定仍將成為全球關(guān)注的焦點。CNBC技術(shù)執(zhí)行委員會于今年11月底及12月初對 22 名頂級技術(shù)官員進行的抽樣調(diào)查顯示，沒有一名受訪者表示他們不會在2024年進行新的AI投資。其中，超過一半（59%）的受訪者明確稱，其所在公司正在加速對AI相關(guān)能力的新投資。其余受訪者稱正在評估AI領(lǐng)域的新投資，不過態(tài)度相對更謹慎。

從具體的方向看，多位業(yè)界專家在接受《每日經(jīng)濟新聞》記者采訪時認為，多模態(tài)模型與視頻生成能力、開源閉源之爭和AI智能體將最受關(guān)注，同時AI的安全性與監(jiān)管問題將繼續(xù)成為熱點話題。

狂飆突進的AI：全球AI獨角獸超470個，企業(yè)總價值達7.5萬億美元

“2023年最令我吃驚的事情是，研究界的東西轉(zhuǎn)化為商業(yè)產(chǎn)品的速度太快了：Adobe的Firefly、百度的文心一言、谷歌的Bard、微軟的Copilot等等。我們正在探索這些東西的更多用處，而對終端用戶而言，這些工具可以協(xié)助完成機械性的任務(wù)、快速地綜合信息等，”馬里蘭大學計算機科學教授、微軟資深首席研究員哈爾·道梅三世（Hal Daumé III）對《每日經(jīng)濟新聞》記者表示。

《2023年AI現(xiàn)狀》報告數(shù)據(jù)顯示，截至2023年9月19日，全球AI獨角獸數(shù)量達473個，其中美國有315個，中國有70個，英國有27個，全球AI獨角獸企業(yè)的總價值達7.5萬億美元，其中美國AI獨角獸企業(yè)總價值達5.9萬億美元，中國AI獨角獸企業(yè)總價值為1.3萬億美元，英國AI獨角獸企業(yè)總價值為1550億美元。

圖片來源：《2023年AI現(xiàn)狀》報告截圖

2023年，OpenAI仍然保持著行業(yè)領(lǐng)頭羊和風向標的地位，3月發(fā)布多模態(tài)大模型GPT-4后，又將重心放在商業(yè)化嘗試和生態(tài)建設(shè)上，11月，OpenAI召開了第一次開發(fā)者大會，展露出打造生態(tài)的野心。

傳統(tǒng)的科技巨頭也各顯神通，試圖在這一風口領(lǐng)域拿下更多話語權(quán)。

圖片來源：每經(jīng)編輯 蘭素英制圖

微軟1月份就快速宣布將向OpenAI投資100億美元，希望進一步“拴緊”合作關(guān)系，同時也在加緊自家AI工具的發(fā)布和升級，陸續(xù)推出了AI賦能的Bing Chat，新的Edge瀏覽器，以及辦公軟件的Copilot套件。

谷歌在AI上頗有“起了個大早，趕了個晚集”的焦慮。2月，谷歌匆忙推出ChatGPT對手Bard，卻在演示過程中出現(xiàn)錯誤而導致股價一日大跌8%。為了加快速度，谷歌4月份將旗下兩個主要的人工智能研究部門GoogleBrain和DeepMind合并為Google DeepMind。12月，谷歌推出了GPT-4的對標大模型Gemini，并自稱在多個測試上性能優(yōu)于前者。

Facebook母公司Meta則重點強調(diào)自家大模型的開源特性。7月，Meta發(fā)布大語言模型Llama 2，宣布向所有開發(fā)和商用開源，與谷歌和OpenAI展開錯位競爭。在AI上聲量略小的亞馬遜，則重注押寶Anthropic，9月份宣布向后者投資40億美元。 

站在一線從業(yè)者的角度，Lightning AI的首席AI教育官塞巴斯蒂安·拉什卡（Sebastian Raschka）對《每日經(jīng)濟新聞》記者總結(jié)了2023年AI的發(fā)展，“2023年可以說是大語言模型之年，似乎所有人的注意力都在這上面。這一年，我們看到了各類提升大模型效率和適配性的方法；微調(diào)大模型方法和連接網(wǎng)絡(luò)內(nèi)容的‘檢索增強生成’技術(shù)；以Stable Video Diffusion和Pika 1.0為代表的文字生成視頻技術(shù)的熱潮等。”

生成式AI技術(shù)的發(fā)展不僅創(chuàng)造了新的機遇，也改變了各行各業(yè)的工作模式，以及企業(yè)為客戶提供價值的方式，提高了生產(chǎn)力。

2024年，AI發(fā)展將呈現(xiàn)三大趨勢

精彩紛呈的2023年被普遍視為生成式AI的元年，科技產(chǎn)業(yè)的圖景已經(jīng)被深刻改變。2024年，AI行業(yè)必將迎來巨大的變革。

12月25日，OpenAI CEO阿爾特曼向網(wǎng)友征集對OpenAI 2024年的期望，下一代多模態(tài)大模型GPT-5、更好的GPTs應(yīng)用、視頻和開源等內(nèi)容成為最常見的答案。實際上，多模態(tài)模型、視頻生成、AI智能體（Agents）也是業(yè)內(nèi)人士展望2024年時的高頻詞。而隨著AI前所未有的發(fā)展態(tài)勢以及在各大領(lǐng)域的滲透，如何保障和監(jiān)管其可持續(xù)、負責任的發(fā)展也是接下來的重大課題之一。

趨勢一：視頻生成和智能體

“2024年，我們會越來越依賴多模態(tài)模型，”艾倫人工智能研究院創(chuàng)始CEO奧倫·伊奇奧尼對《每日經(jīng)濟新聞》記者表示。

這也是《福布斯》所展望的2024年AI領(lǐng)域的發(fā)展趨勢之一。該雜志指出，AI領(lǐng)域一個關(guān)鍵性的創(chuàng)新是多模態(tài)生成式AI，此類系統(tǒng)能處理文本、聲音、旋律和視覺信號等各種輸入信息，并將其融合起來進行綜合理解。隨著多模態(tài)技術(shù)的不斷發(fā)展，AI模型將迎接更加復雜多樣化的交互場景，有望在智能家居、智慧城市、醫(yī)療診斷、自動駕駛等領(lǐng)域打開全新的應(yīng)用空間。

視頻生成也是2024年值得關(guān)注的熱點。塞巴斯蒂安·拉什卡告訴記者，“Stable Video Diffusion和Pika 1.0這類文本生成視頻工具的發(fā)布意味著擴散模型又回來了。”

這類產(chǎn)品的“出圈”勢必會將加速視頻生成領(lǐng)域的迭代。除AI初創(chuàng)企業(yè)外，谷歌也在這一領(lǐng)域迅速跟進，先是與美國國家工程院院士、斯坦福大學教授李飛飛及其團隊合作推出AI視頻生成模型W.A.L.T，后又發(fā)布了一個全新的視頻生成模型VideoPoet，而且無需特定數(shù)據(jù)便可生成視頻。

雖然生成式AI沿著生成文字、圖像再到視頻不斷升級，但它與人類互動還停留在輸入和輸出內(nèi)容的階段，而還無法真正幫人類在現(xiàn)實生活中做出行動，比如預定餐廳、購買物品等。

“2024年，我們將看到更加復雜的AI智能體，它們能代替用戶做出行動。”奧倫·伊奇奧尼對《每日經(jīng)濟新聞》記者預測道。

實際上， OpenAI在開發(fā)者大會上推出的定制GPTs和一系列輔助開發(fā)工具被視為打造AI智能體的先行部署。比爾·蓋茨11月也曾撰文指出，AI智能體將在未來五年里徹底改變我們使用計算機的方式。在他的暢想中，用戶只需用自然語言告知自己的需求，計算機就會自動跨越不同軟件程序完成任務(wù)，AI智能體將成為每個人都能擁有的“遠遠超出當今技術(shù)的AI驅(qū)動個人助理”。

趨勢二：開源或?qū)⒊綄Ｓ心Ｐ?/strong>

12月中旬，Meta 首席 AI 科學家、圖靈獎獲得者 Yann LeCun援引方舟投資研究團隊的一張2024年AI趨勢圖表感嘆稱，“開源人工智能模型正走在超越專有模型的路上。”

圖片來源：X.com

開源與專有模型的路線之爭頗有當年安卓與iOS的感覺。12月，Meta和IBM領(lǐng)頭成立了“AI聯(lián)盟”，成員包括40多家企業(yè)和學術(shù)機構(gòu)，致力于推動發(fā)展AI的開放路線，在2023年風頭正勁的OpenAI、微軟、谷歌和英偉達則不在其中。

方舟投資（Ark Invest）的團隊認為，開源大模型在性能上落后閉源大模型6到8個月，但正在逐步縮小差距，隨著谷歌和OpenAI等公司越來越少地公布其模型的最新信息，開源大模型將對其商業(yè)模式構(gòu)成挑戰(zhàn)。如上圖所示，開源模型的性能在不斷追趕專有模型。這可能意味著在不久的將來，開源模型有望在性能上與專有模型平起平坐，甚至超越。

不過，哈爾·道梅三世在采訪中對《每日經(jīng)濟新聞》記者表示，現(xiàn)在自稱開源的大模型只在限制性許可下公布了模型權(quán)重和代碼等內(nèi)容，實際上離真正的開源還有距離。“我們需要的是開放的數(shù)據(jù)集、基礎(chǔ)設(shè)施和使用許可，我希望AI聯(lián)盟能往這個方向發(fā)展，但也并不是每家機構(gòu)會認可這種做法。只要我們有很好的開放模型，人們可以自由選擇，剩下的就交給市場力量來發(fā)揮作用吧。”

以開源大模型結(jié)合內(nèi)部數(shù)據(jù)打造定制化的AI應(yīng)用，也是AI走向落地的重要方向之一。Meta 的開源大模型 LLaMA 系列就因其快速迭代、可定制性和隱私性的特點而備受青睞。在AI應(yīng)用開發(fā)中結(jié)合內(nèi)部數(shù)據(jù)，可在很大程度上解決通用大模型產(chǎn)生的不準確或不合理回答的問題。

“在科學研究領(lǐng)域，比如地球和大氣科學、天文學和高能物理學，我們有大量的數(shù)據(jù)。我認為在這些領(lǐng)域可能會有很多動作。此外，數(shù)據(jù)中間商也有收集和出售很多個人數(shù)據(jù)，雖然我們可能不會看到這些數(shù)據(jù)被公開用來訓練模型，但可能將產(chǎn)生很多商業(yè)案例，其中會有好的應(yīng)用，比如像英偉達那樣用聊天機器人來管理公司文件，也可能會有壞的應(yīng)用，比如追蹤員工的郵件。”

趨勢三：AI監(jiān)管將加強

在AI技術(shù)高歌猛進的同時，科技圈也發(fā)生了一些戲劇性的事件：前有上千名科技大佬和AI專家聯(lián)名簽署公開信，呼吁暫停比GPT-4更強大的AI系統(tǒng)訓練之后，后有震驚業(yè)界的因安全和道德之爭而引發(fā)的OpenAI“宮斗”事件。

知名AI專家李飛飛表示，2023年是AI發(fā)展的“拐點”，這一年AI帶來了深刻改變，公眾對AI的認知度也上升了，但這一年“也顯示出這項技術(shù)有多么混亂”。

正如歷史上所有的顛覆性技術(shù)一樣，人類需要時間探索如何與AI相處。AI的安全性和監(jiān)管框架必將成為2024年的熱點話題。

斯坦福大學以人為本AI中心副主任詹姆斯·藍迪（James Landay）認為，由于AI視頻生成技術(shù)進一步提高，“我們將看到人們‘說’一些他們根本沒說過的話的視頻廣泛傳播，消費者需要認識到這一點，投票人也需要認識到這一點。”

尤為值得注意的是，2024年美國將舉行大選，如何應(yīng)對生成式AI帶來的虛假信息沖擊，將是一個重要看點。

實際上，截至2023年底，我們已經(jīng)看到AI監(jiān)管有了不少行動。阿爾特曼重返OpenAI之后，第一個大動作就是發(fā)布最新安全指南，賦予董事會推翻公司領(lǐng)導層發(fā)布AI系統(tǒng)的否決權(quán)。12月，歐盟制定了《人工智能法案》，開始全面監(jiān)管AI。

“我想美國明年應(yīng)該有比較大的監(jiān)管出臺，這一領(lǐng)域的監(jiān)管會越來越嚴，”曾參加拜登的AI業(yè)界面談的奧倫·伊奇奧尼對《每日經(jīng)濟新聞》記者表示。美國總統(tǒng)拜登曾召集各大科技公司首腦，讓行業(yè)承諾自發(fā)約束AI，后在10月又簽署了一份關(guān)于AI的總統(tǒng)行政令，但缺乏相關(guān)國會立法。

封面圖片來源：視覺中國-VCG111424718601