2023 年人工智慧發展趨勢TOP5
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。
趨勢一:生成式 AI 需要可解釋的 AI
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。
趨勢二:FastSaaS 競賽開始
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。
趨勢三:依賴超級電腦
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。
趨勢四:超越 3nm 晶片
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。
趨勢五:量子與傳統運算的融合
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!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

如果AI模型給的答案一點也看不懂,你敢用嗎?隨著機器學習系統在更重要的領域中得到應用,證明為什麼我們可以信任它們的輸出,並明確何時不應信任它們,變得越來越重要。獲得對複雜系統輸出結果信任的一個可行方法是,要求系統對其輸出產生一種解釋,這種解釋對人類或另一個受信任的系統來說是可讀的,即可以完全理解以至於任何可能的錯誤都可以被發現。例如,為了建立對司法系統的信任,我們要求法院提供清晰易讀的書面意見,解釋並支持其決策。對於大型語言模型來說,我們也可以採用類似的方法。不過,在採用這種方法時,確保語言模型生

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站7月5日消息,格芯(GlobalFoundries)於今年7月1日發布新聞稿,宣布收購泰戈爾科技(TagoreTechnology)的功率氮化鎵(GaN)技術及智慧財產權組合,希望在汽車、物聯網和人工智慧資料中心應用領域探索更高的效率和更好的效能。隨著生成式人工智慧(GenerativeAI)等技術在數位世界的不斷發展,氮化鎵(GaN)已成為永續高效電源管理(尤其是在資料中心)的關鍵解決方案。本站引述官方公告內容,在本次收購過程中,泰戈爾科技公司工程師團隊將加入格芯,進一步開發氮化鎵技術。 G
