我們決定忽略顯而易見(jiàn)的事情。我們知道，大型語(yǔ)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(wèn)題——從偏見(jiàn)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(lái)幾年。

相反，我們挑選了一些更具體的趨勢(shì)。以下是 2024 年需要注意的事項(xiàng)。

1. 定制聊天機(jī)器人

你會(huì)得到一個(gè)聊天機(jī)器人！你會(huì)得到一個(gè)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(tái)，允許人們定制強(qiáng)大的語(yǔ)言模型，并制作自己的迷你聊天機(jī)器人來(lái)滿足他們的特定需求，而無(wú)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(shí)際上可能對(duì)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(wàn)個(gè)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(xiàng)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(gè)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(gè)計(jì)劃的成功取決于這些模型是否可靠地工作。語(yǔ)言模型經(jīng)常會(huì)編造一些東西，而生成模型則充滿了偏見(jiàn)。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(yè)。科技公司還沒(méi)有解決這些問(wèn)題。當(dāng)新奇感消失時(shí)，他們將不得不為客戶提供處理這些問(wèn)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(mèng)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(jiàn)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(jiǎng)藝術(shù)，應(yīng)有盡有。但這并不全是好玩的：對(duì)于每一個(gè)揮舞著絨球的哈巴狗來(lái)說(shuō)，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(gè)靜止圖像拼接成幾秒鐘長(zhǎng)的剪輯時(shí)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(gè)月就會(huì)發(fā)布其工具的新版本。它的最新型號(hào)稱為Gen-2，仍然生成只有幾秒鐘長(zhǎng)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(shí)驗(yàn)電影。今年的電影節(jié)有60,000美元的獎(jiǎng)金，10部最佳電影將在紐約和洛杉磯放映。 頂級(jí)工作室注意到這一點(diǎn)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(duì)演員的表演進(jìn)行口型同步，以配音多個(gè)外語(yǔ)配音。它正在重塑特效的可能性。2023 年，《印第安納瓊斯與命運(yùn)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(gè)開始。

在大銀幕之外，用于營(yíng)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(guó)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(cái)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(lái)了嚴(yán)重的問(wèn)題。對(duì)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(xiàng)技術(shù)的真正影響才剛剛顯現(xiàn)出來(lái)。“電影制作的工藝正在發(fā)生根本性的變化，”獨(dú)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(shuō)。

3. AIGC的選舉虛假信息將無(wú)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(gè)巨大的問(wèn)題，因?yàn)?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(duì)手圖像和視頻來(lái)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(jià)格，并拿兒童色情制品開玩笑，在該國(guó)選舉期間像野火一樣傳播開來(lái)。在美國(guó)，唐納德·特朗普（Donald Trump）為一個(gè)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(shuō)這些例子對(duì)選舉結(jié)果有多大影響，但它們的擴(kuò)散是一個(gè)令人擔(dān)憂的趨勢(shì)。在網(wǎng)上識(shí)別什么是真實(shí)的將變得比以往任何時(shí)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(huì)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(lái)越來(lái)越逼真。即使是信譽(yù)良好的來(lái)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(kù)存圖像市場(chǎng)。

對(duì)于那些與此類內(nèi)容擴(kuò)散作斗爭(zhēng)的人來(lái)說(shuō)，來(lái)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(wàn)無(wú)一失。眾所周知，社交媒體平臺(tái)在刪除錯(cuò)誤信息方面進(jìn)展緩慢。準(zhǔn)備好進(jìn)行大規(guī)模的實(shí)時(shí)實(shí)驗(yàn)，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(guò)去的幾年里，人工智能已經(jīng)從使用多個(gè)小模型（每個(gè)模型被訓(xùn)練來(lái)執(zhí)行不同的任務(wù)——識(shí)別圖像、繪制圖像、為它們添加標(biāo)題）轉(zhuǎn)向單個(gè)、單一的單體模型，這些模型經(jīng)過(guò)訓(xùn)練可以完成所有這些事情，甚至更多。通過(guò)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(wèn)題、編寫電影腳本、通過(guò)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(jué)任務(wù)和語(yǔ)言任務(wù)。同樣的方法也適用于機(jī)器人，因此沒(méi)有必要訓(xùn)練一個(gè)機(jī)器人翻轉(zhuǎn)煎餅，另一個(gè)機(jī)器人打開門：一個(gè)放之四海而皆準(zhǔn)的模型可以讓機(jī)器人能夠同時(shí)處理多項(xiàng)任務(wù)。2023 年出現(xiàn)了該領(lǐng)域的幾個(gè)工作實(shí)例。今年6月，DeepMind發(fā)布了Robocat（去年Gato的更新），它通過(guò)反復(fù)試驗(yàn)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(gè)特定手臂）。今年10月，該公司與33個(gè)大學(xué)實(shí)驗(yàn)室合作，推出了另一個(gè)通用機(jī)器人模型RT-X，以及一個(gè)大型的新通用訓(xùn)練數(shù)據(jù)集。其他頂級(jí)研究團(tuán)隊(duì)，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(wèn)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(lái)源來(lái)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(gè)團(tuán)隊(duì)來(lái)解決這個(gè)問(wèn)題。他和他的同事們正在開發(fā)技術(shù)，讓機(jī)器人通過(guò)反復(fù)試驗(yàn)來(lái)學(xué)習(xí)，并隨時(shí)提出自己的訓(xùn)練數(shù)據(jù)。在一個(gè)更加低調(diào)的項(xiàng)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(guò)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(wú)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(dòng)駕駛 AI，它使用單個(gè)大型模型來(lái)控制車輛，而不是多個(gè)小型模型來(lái)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(cè)試其無(wú)人駕駛汽車。世界各地的機(jī)器人都將獲得類似的推動(dòng)力。







審核編輯：劉清