拆解“2023 年人工智能报告”

年度人工智能报告（State of AI Report）作为一个关键的基准，提供了人工智能领域快速发展的清晰方向和指导。其全面分析一直为研究人员、行业专业人士和政策制定者提供了宝贵的见解。本年报告特别强调了大型语言模型（LLMs）领域的显著进步，强调了它们日益增长的影响力和对人工智能社区的更广泛影响。

GPT-4 的主导地位

在大型语言模型生态系统中，GPT-4 已经成为一支强大的力量，树立了新的性能和能力标准。其主导地位不仅可以归因于其规模，还可以归因于其对专有架构的创新集成和对人类反馈的强化学习的战略使用。这种组合使 GPT-4 超越了其他模型，验证了定制架构的潜力和人类智能与机器学习之间的共生关系在推进该领域的重要性。

开放性辩论

人工智能社区，传统上根植于合作和开放获取的文化，目前正在经历一场重大转变。历史上，开源的精神被视为创新基础，培养了一个全球性的研究人员社区，他们共同努力实现共同的目标。然而，最近的发展促使人们重新评估这些规范。

OpenAI 和 Meta AI，人工智能领域的两家巨头，已经在开放性问题上采取了相反的立场。OpenAI，一直以来都是开源的坚定拥护者，已经开始表达其保留意见。这一转变可以归因于商业利益和对高级人工智能模型被滥用的担忧。另一方面，Meta AI 将自己定位为更开放方法的倡导者，尽管附带了一些条件，如其 LLaMa 模型家族所示。

这种辩论不仅仅是哲学性的。社区倾向的方向对人工智能研究有着深远的影响。更封闭的方法可能会扼杀创新，通过限制对尖端工具和研究的访问。相反，开放获取会引发安全、滥用和人工智能的恶意应用的担忧。

安全性和治理

安全性，曾经是人工智能讨论中的一个边缘问题，现在已经成为中心问题。随着人工智能模型变得更加强大并融入关键系统，失败或滥用的潜在后果已经呈指数级增长。这种提高的风险需要对安全协议和最佳实践进行更严格的关注。

然而，建立健全的安全标准的道路充满挑战。其中一个主要障碍是全球治理问题。由于人工智能是一种无边界的技术，任何有效的治理机制都需要国际合作。这进一步被现有的地缘政治紧张局势复杂化，因为各国在促进创新和确保安全性之间走着一条细线。

超越大型语言模型：其他人工智能突破

虽然像 GPT-4 这样的大型语言模型已经吸引了大量关注，但必须认识到人工智能领域是广阔和多样的，各个领域都在发生突破。

• 导航：先进的人工智能算法正在革新导航系统，使其更加准确和适应性。这些系统现在可以预测和适应环境中的实时变化，确保更安全、更高效的旅行。
• 天气预报：人工智能快速处理大量数据的能力已经显著改善了天气预报。预测模型现在更加准确，允许更好地准备和应对不利的天气条件。
• 自动驾驶汽车：自动驾驶汽车的梦想正在变得更加现实。增强的人工智能算法正在提高自动驾驶汽车的安全性、效率和可靠性，承诺一个未来，道路事故大大减少。
• 音乐生成：人工智能也正在创造性领域掀起波澜。算法现在可以创作音乐，拓展艺术表达的边界，并为艺术家提供探索新创造力领域的工具。

这些进步的现实世界影响是深远的。改进的导航和天气预报系统可以挽救生命，而自动驾驶汽车有可能改变城市景观并减少碳排放。在音乐领域，人工智能生成的音乐可以丰富我们的文化锦缎，提供新的艺术表达形式。

计算力：新石油

在人工智能霸主之争中，原始计算能力——通常被比喻为石油一样重要——已经成为一项关键资源。随着人工智能模型变得更加复杂，对高性能计算资源的需求已经飙升。

科技巨头如 NVIDIA (NVDA ) 、Intel (INTC ) 和 AMD 正在这场计算能力竞赛的前沿。NVIDIA凭借其GPU技术，在推动人工智能研究方面发挥了关键作用，考虑到GPU在机器学习中内在的并行处理任务的适用性。Intel，一直主导CPU市场，已经采取战略行动来增强其人工智能能力。AMD凭借其在CPU和GPU市场的激进创新，也是一个重要的参与者。

然而，追求计算能力的竞赛不仅仅是一场技术竞赛——它具有深刻的 геополitical 意义。随着各国认识到人工智能的战略重要性，人们越来越注重确保能够获取先进的计算技术。例如，美国已经对中国实施了贸易限制，促使科技公司开发具有出口控制证明的芯片。这些举动凸显了技术、商业和地缘政治在人工智能时代的交织。

对生成人工智能的投资

生成人工智能，涵盖能够产生内容（如图像、视频和文本）的技术，已经经历了兴趣和投资的激增。生成人工智能这一人工智能分支承诺能够革新从娱乐和广告到软件开发和设计的各个行业。

财务数据说明了一切。专注于生成应用的人工智能初创公司已经从风险投资（VC）和企业投资者那里成功筹集了超过 18 亿美元的资金。这种资金的涌入凸显了投资者对生成人工智能变革潜力的信心和乐观态度。

生成人工智能已经成为风险投资世界中的一个亮点。在科技估值整体下滑的背景下，它展示了人工智能领域的韧性和潜力。对涵盖视频、文本和编码的应用的关注已经吸引了大量的关注和投资，表明了对生成技术的看好。

挑战与前路

尽管取得了进步和乐观情绪，人工智能社区仍面临着重大挑战，特别是在评估最先进模型时。随着人工智能模型变得更加复杂和强大，传统的评估指标和基准往往不够用。

主要的担忧是鲁棒性。虽然许多模型在受控环境或特定任务中表现出色，但它们的性能可能会在不同条件下或面对意外输入时变化或恶化。这种可变性带来了风险，特别是当人工智能融入到可能因故障而产生重大后果的关键系统中时。

人工智能社区中的许多人认识到，直觉式的评估方法是不够的。迫切需要更严格、更全面和更可靠的评估方法。这些方法不仅应该评估模型的性能，还应该评估其韧性、伦理考虑和潜在偏见。前路虽然充满希望，但需要研究人员、开发人员和政策制定者共同努力，以确保人工智能的潜力以安全和负责任的方式实现。

您可以在 这里 获取完整报告。