生成 AI 的下一步發展是多模型嗎？_ION

原文作者：Shritama Saha，由 DeFi 之道編譯。

生成式 AI 的出現就像您身邊多了一位個人創意天才。 憑借其分析模式和基于模式開發新內容的卓越能力，生成式 AI 可以創造一切，從令人驚嘆的數字藝術到原創音樂作品、人類文本等等。

然而，生成式 AI 的炫酷之處也帶來了 AI 藝術中復雜的盜版和版權侵權問題。 盡管如此，在過去兩年中，該細分市場出現了驚人的增長。

在一次獨家采訪中，OpenCV 首席執行官 Satya Mallick 博士告訴 Analytics India Magazine，他認為生成式 AI 的最大突破是大語言模型或基礎模型的發展，并指出 Transformer 模型，例如那些在視覺轉換中使用的模型是該領域的一項重大創新。

根據 Mallick 的說法，生成 AI 的下一步是多輸入和多媒體輸出。 換句話說，多模型方法。

英偉達推出面向大語言模型和生成式 AI 的云服務產品:金色財經報道，英偉達宣布推出一組云服務產品，能夠使企業構建、優化和運行定制的大型語言模型和生成式 AI 模型。Getty Images、Morningstar、Quantiphi 和 Shutterstock 等公司將創建和使用利用新的 NVIDIA AI Foundations 服務構建的 AI 模型、應用和服務。企業還可使用 NVIDIA NeMo?語言服務和 NVIDIA Picasso 圖像、視頻和 3D 服務來構建專用的、特定領域的生成式 AI 應用，用于智能聊天和客戶支持、專業內容創作、數字模擬等。英偉達還宣布了用于生物學的 NVIDIA BioNeMo?云服務的新模型。此外，英偉達還推出了針對生成式 AI 應用進行優化的四種推理平臺，可幫助開發者快速構建專門的、由 AI 驅動的應用。（界面新聞）[2023/3/22 13:18:38]

微軟最近推出了一種名為 Kosmos-1 的多模型大語言模型 (MLLM)。 人工智能研究工作室 Alethea.AI 推出了 CharacterGPT，它可以從文本中生成字符。 兩年前，Google AI 還發布了 MURAL：Multimodal, Multitask Representations Across Languages 模型，用于圖文匹配。 它部署了應用于圖像-文本對的多任務學習，并結合了涵蓋 100 多種語言的翻譯對。

yearn.finance：Vault可以創造投票鎖定生成veCRV:yearn.finance發推表示：Curve錢包檢查器將會在15小時當中生效，支持率99.7%。在執行后，Vault可以創造投票鎖定生成veCRV。目前yVault有216159CRV。這將會使BUSD、sBTC上漲2.5倍，y上漲2.12倍[2020/8/31]

然而，馬利克說，“它有兩個基本的限制，包括可以獲得多少數據——是否有辦法避免需要注釋數據和缺乏計算能力——盡管預計未來會增加 ”。

Mallick 是 IIT-Kharagpur 校友，也是加州計算機視覺公司 Big Vision 的創始人。 早在 2006 年，當沒有人真正了解 AI 或其巨大潛力時，Mallick 與他人共同創立了 TAAZ——一家為美容和時尚行業創建視覺和學習解決方案的計算機視覺公司。

聲音 | 上證報刊文：未來納稅方式將運用區塊鏈等技術自動生成納稅申報表:上海證券報刊發北京國家會計學院財稅政策與應用研究所所長李旭紅的文章稱，隨著數字經濟的來臨，未來的納稅方式將發生根本性變化，所有的征管職能將以數據作為主線，從納稅人端獲得數據、運用區塊鏈等技術自動生成納稅申報表，相關的參數還可組合成各種風險指標進行風險識別及管理，同時以上的風險報告又將成為“互聯網+稽查”的依據，最后運用大數據的大樣本進行經濟分析，提供宏觀決策。[2018/9/4]

OpenCV 是一個開源計算機視覺和機器學習軟件庫，由英特爾于 1999 年創立。英特爾前計算機視覺工程師 Gray Bradsky 與主要來自俄羅斯的工程師團隊開發了它。 他在英特爾工作期間開發了 OpenCV 的第一代迭代。 2002 年，他們發布了該軟件的 0.9 版開源版本。

美國硅谷匿名團隊宣布將硬分叉 將生成新的分叉幣BTH:近日由BTH（Bitcoin Hot）美國硅谷匿名團隊宣布，大約2017年12月12日左右開始硬分叉。隨著比特幣網絡擁堵越發嚴重，比特幣交易速度極其緩慢，交易費用急劇上升。比特熱點（BTH）旨在用一種新的POW算法，基于量子抗性的最新研究成果，創造一種具有量子抗性的基于比特幣原鏈分叉的去中心化快速支付系統。[2017/12/8]

該公司最近推出了兩門新課程，作為其“Kickstarter 活動”的一部分，內容涉及如何使用 AI 高效地創作藝術。 第一門課程《人人都能 AI 藝術生成（AI Art Generation for Everyone）》不需要任何 AI 或編程背景，而第二門課程《高級 AI 藝術生成（Advanced AI Art Generation》則需要基本的編程知識。

AI 生成的藝術有能力徹底改變藝術世界并發掘未開發的可能性。 然而，它也帶來了盜版和版權侵權的復雜挑戰，引發了人們對所有權和知識產權的擔憂。

最近，像 Midjourney 和 Stability AI 這樣的圖像生成平臺因使用藝術家的作品來訓練他們的生成 AI 算法而被起訴，激怒了藝術家社區。 與此同時，Shutterstock 通過引入自己的 AI 工具采取了更負責任的立場，與 Getty Images 形成鮮明對比的是，Getty Images 禁止在生成 AI 藝術作品中使用其照片。

Mallick 博士將 YouTube 早年與版權威脅的現狀相提并論。 他說，與 YouTube 類似的解決方案，由像谷歌這樣的大公司參與進來，談判交易并向版權所有者付款，可以在這里發揮作用。

OpenAI 廣受歡迎的聊天機器人 ChatGPT 在不到三個月的時間里獲得了超過 1 億用戶，使其成為家喻戶曉的名字。 截至 2023 年 2 月，ChatGPT 的每日訪問量超過 2500 萬次。 但與 ChatGPT 相比，文本-圖像模型（如 OpenAI 的 DALL-E 或 StabilityAI 的Stable Diffusion）的采用率存在明顯差距。

Mallick 解釋說，ChatGPT 擁有如此高采用率的主要原因之一是因為寫作能力是每項工作所需的主要技能，無論你是程序員、作家還是社交媒體經理。 在 OpenAI 和貝恩公司的幫助下，甚至可口可樂也在使用生成式 AI 進行營銷。

此外，隨著研究人員結合不同的技術和方法，生成式 AI 正在鞏固并變得更加復雜。 通過利用 NLP 和計算機視覺的優勢，Stable Diffusion 模型代表了生成式 AI 向前邁出的重要一步。

傳統的生成模型，如生成式對抗網絡 (GAN)，由于缺乏語言概念，因此理解世界的能力有限。 雖然 GAN 可以創建逼真的圖像，但它們需要使用特定的數據集進行訓練，例如人臉或貓的圖像。

相比之下，Stable Diffusion 模型利用從文本數據中獲得的知識來理解單詞如何聚集在一起并與世界相關。 這使他們能夠在不依賴特定數據集的情況下生成更復雜和多變的圖像。

他說，“Stable Diffusion 模型是生成式 AI 的重大進步，正是因為它們不依賴監督學習。 通過利用從無監督學習中獲得的知識，這些模型可以生成復雜多樣的圖像，而無需手動標記數據，從而使其更加靈活。”

Kyle

個人專欄

閱讀更多

金色財經 善歐巴

金色早8點

Arcane Labs

MarsBit

Odaily星球日報

歐科云鏈

深潮TechFlow

BTCStudy

澎湃新聞

Tags：IONSTAICKALLANATION幣STAR幣KICKALLBIH

幣安app官方下載最新版