2024人工智能大事記 | Key events in artificial intelligence 2024

魏岚Levi
1粉絲
366 次觀看·2025年1月8日
2024已經結束
本期視頻將帶大家回顧本年度人工智能領域重要的產品發佈與標誌性事件
距離2022年底ChatGPT發佈至今剛好兩年
如果將2023作爲人工智能技術向公衆普及的元年
那麼2024就是將這些技術整合起來在我們生活和工作中進行實際應用的一年
我們將大部分商業化產品分爲4個主要類別
首當其衝就是這一切的基礎 - 語言模型
OpenAI仍然維持着自己在業界的領導地位
雖然經歷了一系列戲劇化的組織架構變化風波
他們的產品還是有條不紊的繼續推出
5月份公開了旗下首款多模態模型GPT-4o
解放了ChatGPT的視覺、聽覺與語言能力
讓它更接近一位全能助手
9月份公佈了通過思維鏈 (CoT) 強化
專門爲複雜的推理任務、數學、自然科學以及計算機編程而特化的模型
OpenAI o1
12月20號,對外公佈了o1模型的繼任者OpenAI o3
突破性的產品並不多
少數讓人眼前一亮的可能只有一個結合了搜索引擎的SearchGPT
但這也不算什麼新東西
微軟Copilot以及AI搜索引擎Perplexity都是推出已久的產品
家大業大的Google在今年更新了旗下的Gemini 1.5以及2.0模型
各項能力和用戶體驗都提升了一大截
在最初Gemini 1.0發佈會翻車的事件後
不被外界看好的Google大有一種要後來居上的態勢
大模型的第三把交椅不出意外應該是Anthropic公司旗下的Claude
Anthropic在今年更新了Claude 3.5能力由低到高的三個版本
並且在10月份推出了一項有意思的新功能
開發人員可以通過API控制Claude來自主操作計算機
在這段演示中能看到Claude在接收到需求後
會自動將對應的客戶信息填入CRM系統
大大節省了工作時間
接下來是三個強大的開源模型
Meta在今年更新了Llamma模型的3.1、3.2和3.3版本
能力已經達到了GPT-4水準
伊隆·馬斯克旗下的xAI相繼發佈了Grok模型的1.0、1.5和2.0模型
來自法國巴黎的AI初創公司Mistral也在往多模態模型發展
另外一股不可忽視的力量是來自中國大陸的衆多科技公司
其中包括百度的文心一言
阿里巴巴的通義千問
字節跳動的豆包
騰訊的混元模型
以及月之暗面的Kimi
說完語言模型,第二個類別是我認爲今年最受關注
也是取得進展最快的一個板塊 - AI視頻生成
這裏我們以時間軸來進行回顧
從個人印象來說
我第一次受到的震撼來自於23年
Pika發佈的文字生成視頻以及圖像生成視頻功能
然後是Stable Diffusion的插件AnimateDiff
雖然當時只能生成有限的動態場景,但已經對大家造成了極大的衝擊
第二次震撼來自年初OpenAI公佈的Sora宣傳片
可謂是把公衆對於AI視頻的期待值拉滿了
Sora沒等來,但我們等來了快手的Kling以及Minimax的海螺AI
這兩個產品後來居上
憑藉出色的表現反而率先完成了AI視頻的商業化落地
除了高分辨率和自然連貫的動作
還有脣形同步和首尾幀相接等進階功能
在2024的最後一個月,我們又迎來了三個重磅產品
首先是12月3號發佈的騰訊混元大模型的文生視頻功能
這裏需要重點說明的是騰訊這個模型是完全開源的
但是個人用戶還是別想本地部署了
720P視頻需求的最低顯存是60G
12月9號,OpenAI終於正式向公衆開放了萬衆矚目的Sora
和目前的競品來比較,Sora的效果肯定還是在第一梯隊
不過和年初的演示視頻來看多少還是讓人有點心理落差
頗有點買家秀和賣家秀的意味
只能說OpenAI把人們的期待值拉得太高了
12月16號,Google DeepMind團隊投下了一枚重磅炸彈
公佈了最新的視頻生成模型Veo 2
從演示來看,這應該是目前我見過效果最好的視頻模型
不過具體我還沒上手去使用
感興趣的朋友可以通過這個VideoFX的專題頁申請測試
AI視頻生成技術的成熟也推動了AI廣告的發展
比如可口可樂今年發佈的一段完全由AI生成的廣告
安踏關於NBA球星凱里·歐文的廣告
人工智能最大的特點就是恐怖的進化速度
短短兩年已經把我們以前只存在於想象中的事物付諸現實了
我相信每個人成爲導演拍攝自己電影的時機很快就會來臨
第三個類別,發展已久的AI圖像生成
Midjourney的地位依然無可撼動
在今年發佈了最新版本6.1
並且提供了一個獨立的網頁版
不再依託於Discord機器人運行
新增了個性化定製等衆多新功能
開源模型Stable Diffusion今年發佈的3.0和3.5版本
並沒有延續之前1.5和XL的輝煌
開源社區在這期間找到了一個更好的替代品 - Flux
Flux模型由Stability AI前員工創立的黑森林實驗室 (Black Forest Labs)
在今年8月發佈
因爲出色的圖像質量以及更自然的手指生成受到了開源社區的熱烈追捧
綜合各方面能力,Flux應該是目前效果最好的開源圖像模型
谷歌在12月伴隨視頻模型Veo 2同時發佈了Imagen 3圖像模型
相比上一代Imagen 2有了質的飛躍
和默認參數下的Midjourney相比
圖像質量絕對屬於目前的第一梯隊
而且對人物手指的生成幾乎完美
第四個類別,AI音樂生成
目前綜合能力最強的工具應該是Suno AI
Suno在今年11月份發佈了最新的v4版本
無論是人聲演唱還是純音樂都趨於完美
當然,4月份公開測試的另一款AI音樂工具Udio也是一個不錯的選擇
如果你傾向於完全免費的工具,那麼可以試試Google的MusixFX
除了這些相對成熟的商業化應用產品
今年也公佈了很多處於早期研發階段的概念性產品
包括配備了多模態人工智能和AR技術的可穿戴產品
比如Meta在9月公佈的AR眼鏡Orion
以蘋果爲代表,深度集成AI的智能手機
配備了微軟Copilot系列工具的AI PC
還有備受期待的多模態人形機器人
比如與OpenAI合作的Figure機器人
特斯拉旗下的擎天柱機器人
人工智能今年也在其他領域發生了一些標誌性事件
2024年的諾貝爾獎裏面有兩個獎項跟人工智能有關
物理學獎授予了來自普林斯頓大學的約翰·霍普菲爾德 (John J. Hopfield)
和多倫多大學的傑弗裏·辛頓 (Geoffrey E. Hinton)
以表彰他們在人工神經網絡和機器學習方面做出的傑出貢獻
化學獎得主的三個人裏面有兩位來自谷歌DeepMind團隊
團隊領導人戴米斯·哈薩比斯 (Demis Hassabis)
和高級研究員約翰·江珀(John M. Jumper)
他們領導開發的蛋白質結構預測模型AlphaFold
可以預測超過2億種已知蛋白質的複雜結構
在今年的全球股票市場中
英偉達曾經短暫的超過了微軟和蘋果
第一次成爲全球市值最高的上市公司
這個結果其實並不讓人意外
在這場全球化的人工智能軍備競賽中
英偉達作爲唯一的軍火商肯定是賺得盆滿鉢滿
在已經到來的2025年
你對人工智能有哪些期待或預測呢
歡迎在評論區留言,我們下期視頻再見~
