我們決定忽略顯而易見的事情。我們知道，大型語言模型將繼續(xù)占據(jù)主導(dǎo)地位。監(jiān)管機(jī)構(gòu)將變得更加大膽。人工智能的問題——從偏見到版權(quán)再到末日論——將影響研究人員、監(jiān)管機(jī)構(gòu)和公眾的議程，不僅在 2024 年，而且在未來幾年。

相反，我們挑選了一些更具體的趨勢。以下是 2024 年需要注意的事項。

1. 定制聊天機(jī)器人

你會得到一個聊天機(jī)器人！你會得到一個聊天機(jī)器人！到2024年，在生成式人工智能方面投入巨資的科技公司將面臨壓力，需要證明他們可以從他們的產(chǎn)品中賺錢。為此，人工智能巨頭谷歌（Google）和OpenAI正在大舉押注：兩家公司都在開發(fā)用戶友好的平臺，允許人們定制強(qiáng)大的語言模型，并制作自己的迷你聊天機(jī)器人來滿足他們的特定需求，而無需編碼技能。兩家公司都推出了基于網(wǎng)絡(luò)的工具，允許任何人成為生成式人工智能應(yīng)用程序開發(fā)人員。

到 2024 年，生成式 AI 實際上可能對普通的非技術(shù)人員有用，我們將看到更多的人修補(bǔ)一百萬個小 AI 模型。最先進(jìn)的 AI 模型，如 GPT-4 和 Gemini，是多模態(tài)的，這意味著它們不僅可以處理文本，還可以處理圖像甚至視頻。這項新功能可以解鎖一大堆新應(yīng)用程序。例如，房地產(chǎn)經(jīng)紀(jì)人可以上傳以前房源中的文本，只需單擊一個按鈕即可微調(diào)強(qiáng)大的模型以生成類似的文本，上傳新房源的視頻和照片，只需讓定制的 AI 生成房產(chǎn)描述。

但是，當(dāng)然，這個計劃的成功取決于這些模型是否可靠地工作。語言模型經(jīng)常會編造一些東西，而生成模型則充滿了偏見。它們也很容易被黑客入侵，特別是如果它們被允許瀏覽網(wǎng)頁。科技公司還沒有解決這些問題。當(dāng)新奇感消失時，他們將不得不為客戶提供處理這些問題的方法。

2. 生成式人工智能的第二波浪潮將是視頻

令人驚訝的是，夢幻般的事物變得如此迅速。2022 年，第一批生成逼真圖像的生成模型成為主流，并很快變得司空見慣。OpenAI 的 DALL-E、Stability AI 的 Stable Diffusion 和 Adobe 的 Firefly 等工具充斥著互聯(lián)網(wǎng)上令人瞠目結(jié)舌的圖片，從巴黎世家的教皇到獲獎藝術(shù)，應(yīng)有盡有。但這并不全是好玩的：對于每一個揮舞著絨球的哈巴狗來說，還有另一件仿冒的幻想藝術(shù)或性別歧視的性別刻板印象。新的領(lǐng)域是文本到視頻。期望它把所有關(guān)于文本到圖像的好的、壞的或丑陋的東西都放大。

一年前，我們第一次看到了生成模型在訓(xùn)練將多個靜止圖像拼接成幾秒鐘長的剪輯時可以做什么。結(jié)果是扭曲和生澀的。但技術(shù)已經(jīng)迅速改進(jìn)。

Runway是一家制作生成視頻模型的初創(chuàng)公司（以及共同創(chuàng)建Stable Diffusion的公司），每隔幾個月就會發(fā)布其工具的新版本。它的最新型號稱為Gen-2，仍然生成只有幾秒鐘長的視頻，但質(zhì)量是驚人的。 最好的剪輯離皮克斯可能推出的并不遙遠(yuǎn)。

Runway 設(shè)立了一年一度的 AI 電影節(jié)，展示使用一系列 AI 工具制作的實驗電影。今年的電影節(jié)有60,000美元的獎金，10部最佳電影將在紐約和洛杉磯放映。 頂級工作室注意到這一點也就不足為奇了。包括派拉蒙和迪士尼在內(nèi)的電影巨頭現(xiàn)在正在探索在其制作流程中使用生成式人工智能。該技術(shù)被用于對演員的表演進(jìn)行口型同步，以配音多個外語配音。它正在重塑特效的可能性。2023 年，《印第安納瓊斯與命運轉(zhuǎn)盤》由一位衰老的深度偽造哈里森福特主演。這僅僅是個開始。

在大銀幕之外，用于營銷或培訓(xùn)目的的深度偽造技術(shù)也在起飛。例如，總部位于英國的 Synthesia 開發(fā)的工具可以將演員的一次性表演變成源源不斷的深度偽造化身，只需按一下按鈕即可背誦您給他們的任何劇本。據(jù)該公司稱，其技術(shù)現(xiàn)在被 44% 的財富 100 強(qiáng)公司使用。

用這么少的東西做這么多事情的能力給演員帶來了嚴(yán)重的問題。對工作室使用和濫用人工智能的擔(dān)憂是去年SAG-AFTRA罷工的核心。但這項技術(shù)的真正影響才剛剛顯現(xiàn)出來。“電影制作的工藝正在發(fā)生根本性的變化，”獨立電影制片人、專門從事創(chuàng)意技術(shù)咨詢公司Bell & Whistle的聯(lián)合創(chuàng)始人Souki Mehdaoui說。

3. AIGC的選舉虛假信息將無處不在

如果最近的選舉有什么可取之處，那么人工智能生成的選舉虛假信息和深度偽造將是一個巨大的問題，因為 2024 年將有創(chuàng)紀(jì)錄的人數(shù)參加投票。我們已經(jīng)看到政客們將這些工具武器化。在阿根廷，兩名總統(tǒng)候選人創(chuàng)建了人工智能生成的對手圖像和視頻來攻擊他們。在斯洛伐克，一位自由派親歐洲政黨領(lǐng)導(dǎo)人威脅要提高啤酒價格，并拿兒童色情制品開玩笑，在該國選舉期間像野火一樣傳播開來。在美國，唐納德·特朗普（Donald Trump）為一個使用人工智能生成帶有種族主義和性別歧視比喻的迷因（memes）的團(tuán)體歡呼。

雖然很難說這些例子對選舉結(jié)果有多大影響，但它們的擴(kuò)散是一個令人擔(dān)憂的趨勢。在網(wǎng)上識別什么是真實的將變得比以往任何時候都更難。在已經(jīng)激化和兩極分化的政治氣候中，這可能會產(chǎn)生嚴(yán)重后果。

就在幾年前，創(chuàng)建深度偽造需要先進(jìn)的技術(shù)技能，但生成式人工智能使它變得非常容易和容易獲得，而且輸出看起來越來越逼真。即使是信譽(yù)良好的來源也可能被人工智能生成的內(nèi)容所愚弄。例如，用戶提交的人工智能生成的圖像，旨在描繪以色列-加沙危機(jī)，已經(jīng)充斥著像Adobe這樣的庫存圖像市場。

對于那些與此類內(nèi)容擴(kuò)散作斗爭的人來說，來年將是關(guān)鍵的一年。跟蹤和緩解其內(nèi)容的技術(shù)仍處于開發(fā)的早期階段。水印，例如 Google DeepMind 的 SynthID，仍然大多是自愿的，并非完全萬無一失。眾所周知，社交媒體平臺在刪除錯誤信息方面進(jìn)展緩慢。準(zhǔn)備好進(jìn)行大規(guī)模的實時實驗，以破壞人工智能生成的假新聞。

4. 多任務(wù)機(jī)器人

受到生成式人工智能當(dāng)前繁榮背后的一些核心技術(shù)的啟發(fā)，機(jī)器人專家開始構(gòu)建更多可以執(zhí)行更廣泛任務(wù)的通用機(jī)器人。在過去的幾年里，人工智能已經(jīng)從使用多個小模型（每個模型被訓(xùn)練來執(zhí)行不同的任務(wù)——識別圖像、繪制圖像、為它們添加標(biāo)題）轉(zhuǎn)向單個、單一的單體模型，這些模型經(jīng)過訓(xùn)練可以完成所有這些事情，甚至更多。通過向 OpenAI 的 GPT-3 展示一些額外的示例（稱為微調(diào)），研究人員可以訓(xùn)練它解決編碼問題、編寫電影腳本、通過高中生物學(xué)考試等。多模態(tài)模型，如 GPT-4 和 Google DeepMind 的 Gemini，可以解決視覺任務(wù)和語言任務(wù)。同樣的方法也適用于機(jī)器人，因此沒有必要訓(xùn)練一個機(jī)器人翻轉(zhuǎn)煎餅，另一個機(jī)器人打開門：一個放之四海而皆準(zhǔn)的模型可以讓機(jī)器人能夠同時處理多項任務(wù)。2023 年出現(xiàn)了該領(lǐng)域的幾個工作實例。今年6月，DeepMind發(fā)布了Robocat（去年Gato的更新），它通過反復(fù)試驗生成自己的數(shù)據(jù)，以學(xué)習(xí)如何控制許多不同的機(jī)器人手臂（而不是更典型的一個特定手臂）。今年10月，該公司與33個大學(xué)實驗室合作，推出了另一個通用機(jī)器人模型RT-X，以及一個大型的新通用訓(xùn)練數(shù)據(jù)集。其他頂級研究團(tuán)隊，如加州大學(xué)伯克利分校的RAIL（機(jī)器人人工智能和學(xué)習(xí)），正在研究類似的技術(shù)。

問題是缺乏數(shù)據(jù)。生成式 AI 利用互聯(lián)網(wǎng)大小的文本和圖像數(shù)據(jù)集。相比之下，機(jī)器人很少有好的數(shù)據(jù)來源來幫助它們學(xué)習(xí)如何完成我們希望它們完成的許多工業(yè)或家庭任務(wù)。

紐約大學(xué)的勒雷爾·平托（Lerrel Pinto）領(lǐng)導(dǎo)了一個團(tuán)隊來解決這個問題。他和他的同事們正在開發(fā)技術(shù)，讓機(jī)器人通過反復(fù)試驗來學(xué)習(xí)，并隨時提出自己的訓(xùn)練數(shù)據(jù)。在一個更加低調(diào)的項目中，平托招募了志愿者，使用安裝在垃圾撿拾器上的iPhone攝像頭從他們家中收集視頻數(shù)據(jù)。在過去的幾年里，大公司也開始發(fā)布用于訓(xùn)練機(jī)器人的大型數(shù)據(jù)集，例如 Meta 的 Ego4D。

這種方法已經(jīng)在無人駕駛汽車中顯示出前景。Wayve、Waabi 和 Ghost 等初創(chuàng)公司正在引領(lǐng)新一波自動駕駛 AI，它使用單個大型模型來控制車輛，而不是多個小型模型來控制特定的駕駛?cè)蝿?wù)。這讓小公司趕上了 Cruise 和 Waymo 等巨頭。Wayve現(xiàn)在正在倫敦狹窄繁忙的街道上測試其無人駕駛汽車。世界各地的機(jī)器人都將獲得類似的推動力。







審核編輯：劉清