展望2024，AI領域會有哪些發(fā)展和變化？

據(jù)說Stability AI將會倒閉？而「情同父子」的微軟和OpenAI將會出現(xiàn)裂痕？

還有新的職位——Chief AI Officer即將出現(xiàn)？

另外，2024會不會出現(xiàn)足以取代Transformer的新架構呢？

最近，福布斯發(fā)布了2024年的10大AI預測。

英偉達將成為云服務商

雖然全球都在進行爭奪GPU的戰(zhàn)爭，但大多數(shù)組織并不會直接向英偉達購買GPU，而是會選擇云服務。

他們通過亞馬遜、微軟或者谷歌的云平臺訪問GPU，而這些大型云服務廠商又從英偉達批量購買芯片。

但這個關系將會變得復雜，因為所有人都認識到了GPU的價值，所有的云供應商都在大力開發(fā)自己的AI芯片。

這也意味著亞馬遜、微軟和谷歌等，將從英偉達最大的客戶轉變?yōu)楦偁帉κ帧?/p>

相應的，英偉達也將朝著相反的方向發(fā)展：開始提供自己的云服務，運營自己的數(shù)據(jù)中心，以減少對云公司分銷的依賴。

今年早些時候，英偉達推出了名為DGX Cloud的新云服務。而在2024.我們將會看到更多類似的舉措。

Stability AI將會倒閉

作為曾經(jīng)高歌猛進的初創(chuàng)公司，Stability AI幾乎已經(jīng)成為了緩慢移動的火車殘骸。

首先是人才的流失：最近幾個月離職的包括首席運營官、首席人事官、工程副總裁、產(chǎn)品副總裁、應用機器學習副總裁、通信副總裁、研究主管、音頻主管和總法律顧問。

其次，去年領導Stability AI 1億美元融資的兩家公司Coatue和Lightspeed，最近幾個月都因與Stability AI首席執(zhí)行官Emad Mostaque發(fā)生糾紛，而退出了公司董事會。

今年早些時候，Stability AI試圖以40億美元的估值籌集額外資金，但失敗了。

雖然最近獲得了英特爾投資的5000萬美元，但 Stability 的燒錢率是出了名的高。據(jù)報道，在10月份英特爾投資時，Stability AI每月花費800萬美元（同時收入很少）。按照這個速度，這5000萬美元也撐不了多久。

據(jù)報道，在投資者的壓力下，Stability AI已開始尋找收購者。

LLM這個詞將會越來越少見

目前的生成式AI大模型基本都是純文本模型，所以大語言模型（LLM）用來指代幾乎所有的高級人工智能模型。

但隨著人工智能模型類型的激增，以及人工智能變得越來越多模態(tài)，這個術語將變得越來越不精確。

多模態(tài)人工智能的出現(xiàn)是2023年人工智能的決定性主題之一。當今許多領先的生成式AI模型都包含文本、圖像、3D、音頻、視頻、音樂、物理動作等。它們不僅僅是語言模型。

比如在機器人技術中使用的基礎模型：將視覺和語言輸入與一般互聯(lián)網(wǎng)規(guī)模的知識相結合，以便在現(xiàn)實世界中采取行動（控制機械臂）。

對于此類模型，應該使用比「語言模型」更豐富的術語來形容，比如「視覺-語言-行動」（VLA）模型。

DeepMind最近發(fā)布的FunSearch模型也類似，雖然作者自己將其稱為LLM，但它處理的是數(shù)學而不是自然語言。

2024年，隨著模型變得越來越多維，我們用來描述它們的術語也將變得越來越多維。

閉源模型將繼續(xù)保持領先

開源閉源之爭，是當今AI領域的一個重要話題。

OpenAI、Google DeepMind、Anthropic、Cohere等選擇了閉源，而Meta和最近的新秀Mistral等少數(shù)公司選擇了開源。

如今，表現(xiàn)最好的基礎模型是閉源的（比如GPT-4）。但許多開源倡導者認為，封閉模型和開放模型之間的性能差距正在縮小，開放模型有望在性能上超過封閉模型，比如下圖中的預測：

圖片

但福布斯的預測認為，在2024年及以后，對比表現(xiàn)最好的模型，閉源模型將繼續(xù)優(yōu)于開源。

基礎模型性能的發(fā)展是非常迅速的。盡管Mistral表示，自己將在2024年的某個時候開源一個GPT-4級別的模型，但相比于2023年初發(fā)布的GPT-4，已經(jīng)落后了一年多。

而在2024年，我們也許能看到GPT-4.5甚至GPT-5。

開發(fā)一種先進的新模型所需的投資是巨大的，并且會隨著模型能力的每一次階躍式增長而繼續(xù)膨脹。據(jù)估計，OpenAI將花費約20億美元來開發(fā)GPT-5。

相比之下，Llama 2的建造成本約為2000萬美元，考慮到戰(zhàn)略利益，即使沒有任何相關的收入增長，這種投資水平對于Meta來說也是合理的。

但Meta作為一家上市公司，最終要對股東負責。它真的會投入近20億美元來構建一個性能最優(yōu)的AI模型，然后只是為了開源，而不期望獲得具體的投資回報嗎？

也許，隨著像Mistral這樣的公司，投入越來越多的資金來構建更強大的AI模型，他們最終可能會放松對開源的立場，并保留自己最先進的模型用來盈利。

Chief AI Officer

今年，人工智能已成為財富500強公司的優(yōu)先事項，各行各業(yè)的董事會和管理團隊，都想盡快弄清楚AI對于自己的業(yè)務有什么影響。

所以福布斯預計，明年的大型企業(yè)將任命一名「首席人工智能官」（Chief AI Officer）來領導公司的人工智能計劃。

十年前，在云計算興起之時，許多組織聘請了「首席云官」來幫助他們了解云的戰(zhàn)略意義。

任命Chief AI Officer（小編不知道這個怎么縮寫）將成為一種流行趨勢，用來表明公司對待人工智能的態(tài)度。

至于從長遠來看，這個Chief AI Officer到底有多大作用，那就是另外的問題了

替代Transformer的全新架構

谷歌在2017年提出的Transformer主導了當今的AI大模型，ChatGPT、Midjourney、GitHub Copilot等都是基于Transformer構建的。

但是，沒有任何技術可以永遠占據(jù)主導地位。

研究人員一直在努力開發(fā)下一代人工智能架構，比如斯坦福大學實驗室提出的新架構。相比于Transformer，新架構的計算密集度更低，并且能夠更好地處理長序列。

迄今為止最有前途的架構是Mamba。上個月，介紹Mamba的文章在AI研究界引起了巨大的轟動，甚至有人稱它為「Transformer的終結」。

圖片

另外，麻省理工學院開發(fā)的液體神經(jīng)網(wǎng)絡（liquid neural networks）等新架構也對Transformer提出了挑戰(zhàn)。

明年，也許會有挑戰(zhàn)者真正脫穎而出，并被應用到生產(chǎn)中。

對于投資的監(jiān)管

今年，一波資金從大型科技公司流向人工智能初創(chuàng)公司。

微軟在1月份向OpenAI 投資了100億美元，然后在6月份領投了Inflection的13億美元融資。

今年秋天，亞馬遜宣布將向Anthropic投資40億美元。Alphabet也不甘示弱，幾周后宣布將向Anthropic投資20億美元。

與此同時，英偉達向數(shù)十家使用其GPU的人工智能初創(chuàng)公司投入資金，包括Cohere、Inflection、Hugging Face、Mistral、CoreWeave、Inceptive、AI21 Labs和Imbue。

此類投資可能涉及會計規(guī)則中的一個灰色地帶。

假設一家云供應商向一家人工智能初創(chuàng)企業(yè)投資1億美元，并保證該初創(chuàng)企業(yè)會將這1億美元用于云供應商的服務。從概念上講，這對云供應商來說并不是真正的正常收入，實際上，供應商是在利用投資將自己資產(chǎn)負債表上的現(xiàn)金人為地轉化為收入。

這種交易通常被稱為「往返」（round-tripping），因為錢出去了又回來了。

到目前為止，這種交易幾乎沒有受到監(jiān)管審查，但在2024年就不一定了。

微軟OpenAI或將「決裂」

迄今為止，微軟已向OpenAI投入了超過100億美元，兩家正值蜜月。

OpenAI的模型為微軟的關鍵產(chǎn)品提供支持，比如Bing，GitHub Copilot和Office 365 Copilot。

然而，微軟和OpenAI是截然不同的組織，有著不同的愿景。

隨著OpenAI尋求積極擴大其企業(yè)業(yè)務，它將越來越頻繁地與微軟直接競爭客戶。而微軟也在實現(xiàn)多元化，成為頂尖AI模型的供應商。

微軟最近宣布與OpenAI競爭對手Cohere合作；面對大規(guī)模運行OpenAI模型的高昂成本，微軟還投資研究了Phi-2等較小的語言模型。

從更大的角度來看，隨著人工智能變得越來越強大，有關人工智能安全、風險、監(jiān)管和公共問責制的重要問題將成為焦點。

鑒于不同的文化、價值觀和歷史，這兩個組織在處理這些問題的理念和方法上將不可避免地會出現(xiàn)分歧。

人工智能炒作轉向其他方向

雖然風險投資家和技術領導者都被AI深深吸引，但一年是很長的時間，風險投資人的「信念」可以非常迅速地改變。

人工智能與版權

如今，整個生成式人工智能領域都面臨著一個重大且被低估的法律風險：大語言模型已經(jīng)在大量受版權保護的內(nèi)容上進行了訓練。

無論是來自GPT-4或Claude 2的詩歌，來自DALL-E 3或Midjourney的圖像，還是來自Pika或Runway的視頻，生成式AI模型都能夠產(chǎn)生令人嘆為觀止的復雜輸出，因為它們經(jīng)過了大量數(shù)據(jù)的訓練。

在大多數(shù)情況下，人工智能公司免費從互聯(lián)網(wǎng)上獲取這些數(shù)據(jù)，并隨意使用來開發(fā)他們的模型。

但是，這些數(shù)據(jù)的原作者們對此有發(fā)言權嗎？他們是否有權從中獲得一部分收益？

這些問題的答案取決于法院對「合理使用」（Fair use）這一關鍵法律概念的解釋。

將合理使用原則應用于生成式人工智能將是一項復雜的工作，但大量的訴訟已經(jīng)到來。

參考資料：

https://www.forbes.com/sites/robtoews/2023/12/21/10-ai-predictions-for-2024/?sh=7295b6f54898