2022 年度盘点 | 更成熟的 AI，更破圈的技术狂欢

2022 年在此起彼伏的咳嗽声中接近尾声，这一年，AIGC 成为人工智能领域最大黑马，ScienceAI 有了更多实际落地的应用，这一年我们经历了各大厂商缩减预算、裁撤员工，也体验了绝处逢生的技术狂欢……

今天，我们将通过这篇文章，与各位同行共同回顾 2022 年那些人工智能领域具有突破性意义的研发成果。

 data2vec 

data2vec 是一个大一统的多模态自监督学习模型，可以以较高的性能处理图像、文本、语音等任务。

12 月 16 日 data2vec 2.0 发布，与现有的计算机视觉自监督算法相比，相同精度下速度快了 16 倍。

data2vec 2.0 原理简介

 AlphaCode 

AlphaCode 借助大型语言模型，依据问题的语言描述构建代码。在 Codeforces 挑战赛中，AlphaCode 击败了 46% 的参赛者。该研究不仅登上了 Science 封面，还被该杂志评入年度十大科学突破。

AlphaCode 概览

 Dall·E 2 

Dall·E 2 依据文本描述，可以创建更加具有现实主义色彩的艺术图像。与 OpenAI 2021 年发布的 Dall·E 相比，Dall·E 2 可以生成更真实、更准确的图像，且分辨率提高了 4 倍。

输入文本提示

An astronaut riding a horse in a photorealistic style

Dall·E 2 生成的图像示例

 Gato 

Gato 是一个全能型智能体，可以玩雅达利游戏、对图像进行描述、聊天以及根据上下文决定输出文本、关节扭力或其他 token。

这种通用模型解决所有任务类似人工智能，最终或超过特定于专门领域的模型。

 ESM Fold 

ESM Fold 是一个预测蛋白质序列的模型，能够直接进行高准确度、端对端、原子层级结构预测。它仅使用单个输入序列，只需查看单个蛋白质序列，这极大加快了推理速度。

用 ESM Fold 进行单序列结构预测

 Make-A-Video 

Make-A-Video 是一个文本-视频生成模型，它通过带有文字描述的图像，来学习常用的描述方式，同时使用无标签视频，了解和学习移动方式。

Make-A-Video 生成的视频风格多样，对文本还原度高，是生成短视频方面的 SOTA 模型。

依据文本描述生成视频的部分示例

 AlphaTensor 

AlphaTensor 改进了目前最优的 4*4 矩阵乘法，并且进一步提升了其他 70 余种不同大小矩阵乘法计算速度。该成果登上了 Nature 封面，被 Scinece 杂志评入年度十大科学突破。

AlphaTensor 架构一览

 Magic 3D 

NVIDIA 入局 AIGC，凭文字描述就可生成 3D Mesh 模型。它结合 image conditioning 技术以及基于文本提示的编辑方法，提供了一个控制 3D 合成的新思路，使得创建高质量 3D Mesh 模型成为可能。

Magic 3D 通过两个阶段创建 text-to-3D content

 ChatGPT 

ChatGPT 的训练使用了 RLHF (Reinforcement Learning from Human Feedback)，与 InstructGPT 使用的方法相同，仅在数据收集设置上有细微差别。

ChatGPT 可以像人类一样聊天交流，完成撰写邮件、视频脚本、文案、翻译及代码等任务。自上线以来，引起了海内外无数开发者的争相试用和热烈讨论，堪称 2022 年开发人员参与度最高的技术项目。

ChatGPT 训练过程概览

 Point·E 

用 Point·E 依据文本提示生成 3D 点云的过程分为三个步骤：

1、依据文本提示，生成一个合成视图 (synthetic view)

2、依据合成视图，生成 coarse point cloud (1024 point)

3、基于低分辨率点云和合成视图，生成 fine point cloud (4096 Point)

利用 Point·E 单卡 1 分钟生成 3D 点云，text-to 3D 告别高算力消耗时代。

2022 即将画上句点，2023 注定是充满未知的一年，AIGC 领域会有哪些新成果？ScienceAI 将如何应对基础科学与 AI 交叉带来的挑战？芯片研发、国产操作系统，又会产生哪些新突破？