2022 年在 AI/ML 領域取得了許多突破性的突破。 Google、Meta 和微軟等大型科技公司在從量子運算到產生人工智慧的全新創新中取得了重大進展。
例如，一些最大的突破包括解決國際數學奧林匹克問題的Meta 的HyperTreeProofSearch (HTPS)；DeepMind 的Alpha Fold 和Meta AI 的ESMFold 用於蛋白質折疊預測；谷歌的DeepNull模擬表型之間協變數效應的關係並改善全基因組關聯研究(GWAS)等等。
接下來，讓我們來看看 2023 年的一些預測。
ChatGPT以其出色的對話能力風靡網路。它是建立在 OpenAI 的GPT-3上的，GPT-3有 1760 億個參數，依賴更大的模型尺寸。雖然還有其他LLM 的參數是GPT-3 的兩倍、三倍甚至十倍，但DeepMind 或Meta 的一些模型（也稱為小型語言模型（SLM））的參數數量已經超過GPT- 3 在邏輯推理和預測等多項任務上。
除了減少模型的大小外，預計還會有一個更大的模型，如GPT-4 ，具有大約 100 兆個參數。由於目前最大的模型是具有 1.6 兆個參數的 Google Switch Transformer 模型，因此跳躍將是巨大的。
然而，為了獲得更大的延遲和可預測性，未來幾年可以看到對現有模型進行微調以服務於特定目的。最近，OpenAI 使用達文西更新對 GPT-3 進行了微調。
文字到圖像的生成是 2022 年打破排行榜的趨勢。 DALL-E、Stable Diffusion 和 Midjourney 等模型在想要試驗 AI 生成藝術的愛好者中名列前茅。對話很快就從文字到圖像轉移到文字到視頻，再到文字到任何東西，並創建了多個模型，這些模型也可以生成 3D 模型。
隨著語言模型的擴展以及傳播模型的改進，文本到任何東西的趨勢預計會上升得更高。公開可用的資料集使生成式 AI 模型更具可擴展性。
這些資料集引入了有關可解釋人工智慧的部分，其中訓練這些生成模型的每張圖像的屬性變得至關重要。
趕上產生人工智慧趨勢的公司已經開始將其作為雲端服務提供。隨著 LLM 和 GPT-3 和 DALL-E 等生成模型的公開可用，企業越來越容易將它們作為服務提供，這催生了FastSaaS。
最近，Shutterstock計劃將DALL-E 2 整合到其平台，Microsoft VS Code添加了Copilot 作為擴展，TikTok宣布推出應用內文本到圖像AI 生成器，Canva推出了AI - 在其平台上生成功能。
這就是建立超級電腦以依賴生成任務以及為公司提供服務的趨勢。隨著這些不斷增加的數據集和生成模型，對超級電腦的需求正在上升，並且預計會進一步上升。隨著對 FastSaaS 的競爭，對更好和高效能運算的需求是下一件事。
NVIDIA 和微軟最近合作創建了Quantum-2，一個雲端原生超級運算平台。 10 月，特斯拉宣布其Dojo超級電腦完全使用特斯拉開發的晶片從零開始建構。很快，它看起來可以為企業客戶提供存取權限。此外，Cerebras 還推出了 Andromeda，這是一台擁有 1350 萬核心的 AI 超級計算機，可提供超過 1 exaflop 的 AI 運算能力。最近，Jasper 與 Cerebras 合作以實現更好的性能。
正如摩爾定律所預測的那樣，處理能力隨著晶片尺寸的減少而增加。因此，超級電腦要運行大型模型，就需要更小的晶片，而且我們已經看到晶片越來越小。
近年來，晶片產業一直在推動小型化，製造商不斷尋找使晶片更小、更緊湊的方法。例如M2晶片和A16，蘋果分別使用5nm和4nm晶片，預計2023年台積電會開發3nm晶片，將提高AI/ML演算法開發的效率和效能。
隨著NVIDIA、Google和微軟等公司提供雲端硬體服務，量子運算領域的更多創新勢必會發生。這將允許小型科技公司在不需要重型硬體的情況下訓練、測試和建立 AI/ML 模型。
未來幾年量子運算的興起絕對應該被開發人員納入，因為它的使用將在許多其他領域增加，例如醫療保健、金融服務等。
在最近的公告中，一台量子計算機連接到歐洲最快的超級計算機，以結合傳統計算機和量子計算機以更快地解決問題。同樣，Nvidia 也發布了QODA——簡稱 Quantum-Optimised Device Architecture，這是混合量子經典電腦的首創平台。
IBM最近在其 2022 年年度量子高峰會上宣布了他們的量子硬體和軟體，概述了使用 433 量子位元 (qubit) 處理器進行以量子為中心的超級計算的開創性願景。在全球人工智慧高峰會上，IBM宣布明年他們將展示一個 1000 量子位元的系統，這將成為各領域進一步創新的顛覆者。
以上是2023 年人工智慧發展趨勢TOP5的詳細內容。更多資訊請關注PHP中文網其他相關文章！
