烟台网站推广优化,辽宁网站建设找哪家,wordpress pot 汉化,公司邮箱是什么公众号#xff1a;算法一只狗 今年以来#xff0c;AI呈爆发式发展。在文本生成的领域#xff0c;涌现出以ChatGPT为代表的生成式大模型。而在文本图像生成方面#xff0c;有高度自定义的Stable Diffusion#xff0c;和简单易用上手的Midjournery。多模态领域更是百花齐放算法一只狗 今年以来AI呈爆发式发展。在文本生成的领域涌现出以ChatGPT为代表的生成式大模型。而在文本图像生成方面有高度自定义的Stable Diffusion和简单易用上手的Midjournery。多模态领域更是百花齐放从GPT4的发布到国内各大厂商的多模态模型都证明这个领域具有极大的潜力。而在近期视频生成领域有了爆发的可能性众多免费可用的模型开源出来像比较出名的Pika、Runway Gen 2等成为各大巨头竞争的新领域。
这篇文章主要总结近一年以来AI领域上的一些重要节点。 生成式大模型
GPT4
在年初发布的GPT4确实给沉浸许久的AI圈投入了一个深水炸弹。对比于GPT3来看GPT4提升幅度较大
在处理复杂任务上GPT-4更可靠、更有创意并且能够处理更细微的指令。各种奥林匹克竞赛、GRE考试、代码考试、统一律师考试等测试上GPT-4都基本完虐GPT-3.5 而且GPT4在视觉输入方面也大幅提升它可以扮演老师的角色解答图片的数学问题又或者可以基于图片内容能够理解笑话。 LLAMA2
到目前为止OpenAI并没有开源GPT4模型开发者只能够调用其API。而META为了对抗GPT4垄断生成式领域直接开源其模型LLAMA2让开发者可以基于LLAMA2模型制作精细化领域大模型。 LLAMA2中相比于LLAMA1主要引入了RLHF人类反馈强化学习也就是在训练ChatGPT提到的一个技术。 训练 Llama-2-chatLlama 2 使用公开的在线数据进行预训练。然后通过使用监督微调创建 Llama-2-chat 的初始版本。 它使用人类反馈强化学习 (RLHF) 进行迭代细化其中包括拒绝采样和近端策略优化 (PPO)。
Claude2
Claude2模型是Anthropic公司发布的第二代模型。说起这家Anthropic公司其目标是成为一家研究人工智能安全和有益发展的公司且由Dario Amodei和Daniela Amodei兄妹两于2021年创立。而且Dario Amodei曾在Open AI担任研究副总裁领导了GPT-2和GPT-3等重要项目的开发。 所以说这家公司和OpenAI还是有一定的渊源的。只是因为后来由于微软对OpenAI的投资使其变成了专属于微软的CloseAIDario对其心存不满因此就自立门户创建了这家公司。
这个模型的优点在于免费可用且其能够基于给定的多个文档进行回答。具有文档对话能力、和多个文档的联系对话功能。 Gemini
在最近最为爆火的当然要属于谷歌发布的Gemini模型。从发布的Gemini模型来看其具有三个不同的版本
Gemini Ultra最强的Gemini版本在多个测试结果上与GPT-4不分上下但是目前还仅在demo状态。Gemini Pro对标GPT-3.5模型Gemini Nano致力于使得手机也能够运行大模型 而且谷歌宣传Gemini最强模型已经部分超越GPT4模型但是最强模型目前暂时还不能用说是要等到2024年才开放使用。
在谷歌放出Gemini的效果视频后就有人开始打假说这个视频经过了剪辑。随后谷歌确实承认视频是经过前后剪辑。比如从下面视频看以为是Gemini可以实时识别手部姿势但是其实是谷歌给出了三个图片让他说出答案的。 多模态领域
MiniGPT4
在多模态领域GPT4一开始是不能够使用的。于是有些研究者等不及了利用大语言模型和视觉编码器训练了一个MiniGPT-4模型。
在MiniGPT-4模型中你可以围绕一张图片和它进行对话 在官网放出的例子中它可以描述这张图片的内容 或者可以给这张图定制一个广告语 文心一言
文心一言是集百度所有技术产生的国产模型。而且百度从很早开始就一直聚焦于AI技术它也是国内处于第一梯度的大模型。
文心一言不仅仅能够进行文本生成也能够输入文本进行图像生成。其功能比较强大目前已经出到了4.0版本。 百度CEO李彦宏称最新的4.0版本的综合能力与GPT4相比毫不逊色。从使用体验上看文心一言在中文领域上对比ChatGPT使用效果更好而且能够适合多种多样的场景使用起来已经提前帮你设定好prompt让你快速上手提升工作效率。 通义千问
通义千问是阿里发布的开源模型其集成了文本生成、图片生成等能力也可以让开发者基于该模型自定义自己的领域模型 从官网中介绍通义千问有以下几个优点
训练时使用了大规模的高质量数据使用了超过2.2万亿token进行预训练更好地支持多语言基于更大词表的分词器在分词上更高效同时它对其他语言表现更加友好。用户可以在Qwen-7B的基础上更方便地训练特定语言的7B语言模型。支持8K长度上下文允许用户输入更长的prompt。评测能力有大幅提升通义千问在多个评测数据集上具有显著优势甚至超出12-13B等更大规模的模型。
从实验中看出通义千问模型在多个数据集评测上都超过现有的开源模型而且甚至比之前META开源的LLAMA2-7B模型效果要好 ChatGLM
经过前面两代版本的更新迭代清华的ChatGLM第三代终于发布了在实用性能上确实可以称得目前国内最好用的多模态大模型。
其功能涵盖了多方面不仅仅包括简单的文本问答图片问答还有类似于ChatGPT一样的文档问答代码解析器等。真正做到了多场景下的应用。 比如你可以问它类似于图片的内容 Q图片中里面有多少个人分别是谁 文本图像生成领域
Stable Diffusion
Stable Diffusion模型发布以来“AI文本图片生成”真正的变成普通人也能使用的技术。
特别是在上半年一些网友利用网上的真人图片不断喂给模型进行自主学习。其训练出来的效果已经可以做到以假乱真你甚至不知道哪些图片是AI生成的还是真人拍出来的。 而且开源的Stable Diffusion模型可以简单的部署到自己的电脑上进行使用真的是免费的开源文生图工具。 Midjourney
除了上面比较出名的文生图Stable Diffusion外另一个文生图利器当属Midjourney。它使用起来比Stable Diffusion模型要简单只需要输入文本等待一段时间就可以获得自己想要的图片。 同时调节图片的命令较为简单因此很适合普通人快速上手生成图片。 视频生成领域
视频生成领域则是23年年末火起来的很多有趣的技术我都在下面这篇文章总结过如果感兴趣的可以看看下面这篇文章。
小白如何入门AI视频生成这里总结了近一年的算法和工具https://mp.weixin.qq.com/s/-mrQwQGHcGORpXlgLf5z_A
这里面主要介绍几个比较火的软件。
Pika
它是由斯坦福华人博士郭文景研究出的AI视频生成工具。目前在加入其Discord可以免费使用。 在discord网上上可以上传一张图片进行生成 可以看到我自己生成的表情包 不仅仅是可以上传图片也可以在图片的基础上写入相应的prompt进行限制 上传之后可以看到需要等待 然后生成的gif图像这样 CoDeF
从官方文档中介绍CoDef是内容变形场的缩写content deformation field它将输入视频分解为2D内容规范场canonical content field和3D时间形变场temporal deformation field 他们首先按在一张图片上进行转换然后再转换为视频-视频之间的转换。更重要的是由于仅在一张图像上部署算法的提升策略与现有的视频到视频转换方法相比在处理的视频中实现了卓越的跨帧一致性甚至能够跟踪非刚性物体例如水和烟雾。 总结
从2023年爆火的各领域AI来看他们强大的功能正在进一步提升我们日常的工作效率。同时由于其入手门槛较低让普通人也能够接触到最为厉害的AI算法和工具真正的改变我们的生活。
而AI的进步可能远远不止于此它在今年的发展和进步让我们所有人感到了震惊。在未来AI到底会进化成什么呢没有人可以预估到。但是可以确信的是AI将会走向更加强大到时候将会惠及到更多的人帮助人类解决更加复杂困难的东西。
以上就是这篇文章的主要内容了我是leo我们下期再见~
