簡介：2023年是技術發展的分水嶺，生成式人工智能成為主流。隨著我們進入2024年，預計生成式人工智能格局將迅速演化，引入一系列有望改變技術及其應用的趨勢，包括多模態人工智能模型、小語言模型、自主代理等。這些趨勢不僅將塑造技術格局，還將重新定義交互、創造力和對人工智能潛力的理解。

1、多模態人工智能模型的出現

OpenAI公司的GPT4、Meta的Llama 2和Mistral都是大型語言模型進步的例子。該技術利用多模態人工智能模型超越了文本，允許用戶基于文本、音頻、圖像和視頻匹配內容，以提示和生成新內容。這種方法包括將圖像、文本和語音等數據與高級算法相結合，以進行預測并生成結果。

到2024年，多模態人工智能預計將發生顯著變化，帶來生成式人工智能能力的轉變。這些模型正在超越傳統的單模功能，結合圖像、語言和音頻等不同的數據類型。隨著向多模態模型的過渡，人工智能將變得更加直觀和動態化。

GPT4-V因其多模態功能已經在ChatGPT Plus用戶中深受歡迎。2024年，我們可以期待開放模型的興起，如大語言和視覺助理或LLava。

2、功能強大的小語言模型

2024年將見證小型語言模型的力量。大語言模型是在Common Crawl和The Pile等大型數據集上進行訓練的。這些數據集是從數十億個可公開訪問的網站中提取的，其龐大的數據對模型十分有益，但同時也無法擺脫其“嘈雜”的本質。但是，小型語言模型是在較為有限的數據集上訓練的，這些數據集由教科書、期刊和權威內容等高質量的來源組成。這些模型對參數技術以及存儲和內存需求較小，可在功能較弱且價格較低的硬件上運行。雖然小語言模型規模較小，但其產出的內容質量與一些規模較大的大語言模型相當。

微軟的PHI-2和Mistral 7B是兩種潛力巨大的小語言模型，將為下一代生成式人工智能應用提供動力。

3、自主代理的興起

自主代理是為完成特定目標而設計的自主軟件程序，這是構建生成式人工智能模型的一種創新策略。在沒有人為干預的情況下，自主代理生產內容的能力超越了傳統提示工程的限制。

先進的算法和機器學習技術被用于自主代理的開發。這些代理使用數據來學習、適應新情況，并在幾乎沒有人為干預的情況下做出決策。例如，OpenAI已經創建了有效利用自主代理的自定義GPT等工具，這表明人工智能領域取得了重大進展。

多模態人工智能結合了自然語言處理、計算機視覺和機器學習等各種人工智能技術，對自主代理的發展至關重要。通過同時分析不同的數據類型并應用當前上下文，它可以做出預測、采取行動并進行更適當的交互。

例如，LangChain和LlamaIndex等框架可用于構建基于大語言模型的代理。2024年將出現利用多模態人工智能的新框架。

4、開放模式將與專有模式相媲美

預計2024年開放的生成式人工智能模型將發生重大變化，一些預測表明它們將與專有模型相媲美。開放模型和專有模型之間的比較很復雜，依賴于各種因素，包括特定的用例、開發資源和用于訓練模型的數據。

Meta的Llama 270b、Falcon 180B和Mistral AI的Mixtral-8x7B在2023年非常受歡迎，其性能與GPT 3.5、Claude 2和Jurassic-2等專有模型相當。

未來，開放模型和專有模型之間的差距將縮小，從而成為企業在混合或本地環境中托管生成式人工智能模型的絕佳選擇。

5、云原生成為本地生成式人工智能的關鍵

Kubernetes已成為托管生成式人工智能模型的首選環境。預計Hugging Face、OpenAI和谷歌等主要參與方將利用Kubernetes提供的云原生基礎設施來交付生成式人工智能平臺。

諸如來自Hugging Face的文本生成推理、AnyScale的Ray Serve和vLLM等工具已經能夠支持在容器中運行模型推理。2024年，Kubernetes上運行的框架、工具和平臺將日趨成熟，以管理基礎模型的整個生命周期。用戶將能夠有效地進行預訓練、微調、部署和擴展生成模型。

關鍵的云原生生態系統參與方將為在云原生基礎設施上運行生成式人工智能提供參考架構、最佳實踐和優化方案。

審核編輯：劉清