开源ChatGPT要来了；软件2.0智能革命；GLM、Diffusion模型大加速

新年伊始，大模型的话题热度不减。ChatGPT展现的惊人能力将大模型研究和应用热度推向高潮，人们激烈讨论着这个高级“物种”的推出意味着什么。

本文作者Rob Toews发布了2023年AI发展的十大预测，整体来看，大部分预测都离不开“大模型”这个关键词，具体分析也有其道理。当然，其中的文生图、人形机器人等领域的发展也举足轻重。2023，让我们拭目以待。

链接：

2. 机器之心的进化 / 理解AI驱动的软件2.0智能革命

本文将带你领略一次人工智能领域波澜壮阔的发展史，从关键人物推动的学术进展、算法和理念的涌现、公司和产品的进步、还有脑科学对神经网络的迭代影响，这四个维度来深刻理解“机器之心的进化”。先忘掉那些花里胡哨的图片生产应用，我们一起来学点接近AI本质的东西。

链接：

3. AGI的孤勇者，传奇工程师John Carmack：惊讶看不到如我这样的人

AGI是人工智能的圣杯，这位达拉斯最著名的科技奇才对AGI的追求就好比是百年难遇的登月行动。在这场针对AGI的角逐当中，参与方还有来自科学家、学者和大型科技公司的“群体思维（groupthink）”的独立竞争，他们也在积极寻求解决方案。

去年8月，Carmack宣布，他的AGI初创公司Keen Technologies在新一轮融资中从多个知名投资者手中筹集了2000万美元。2022年12月，卡马克辞去了Meta虚拟现实部门的领导职务，全身心投入AGI研发。

链接：

如今，已成为OpenAI CEO的Sam Altman是全球范围内当之无愧的科技领军人物。在离任YC总裁的那一年，曾与无数创业者和技术人才交流过的Sam Altman发表了一篇博客，总结了他眼中获得成功所要具备的13个特质，如果你渴求成功，或者至少希望自己变得优秀，这篇博客对你的个人成长将有所启发。如果你恰好在职业生涯早期就看过，无疑是幸运的。

链接：

5. ChatGPT，和聪明地设计Infra

作者主要有四个观点：ChatGPT并不是黑科技，是持续开放科研的产物；ChatGPT是工程、产品的胜利；ChatGPT不会让人失业，反而会带来更多的机会；Infrastructure 会是这一场仗当中的赢家，但是要聪明地设计Infra。

链接：

6. Open Assistant：LAION发起开源ChatGPT项目

ChatGPT的效果惊人，但不开源。显然开源社区有人憋不住了。LAION（代表作是赫赫有名的数据集LAION-5B）的组织者Christoph Schuhmann与Yannic Kilcher（AI圈知名的YouTube大V）一通视频电话，就启动了项目，很快项目的Discord讨论组就进了很多人，无比活跃起来。最开始项目名称是open-chat-gpt，大约一周后改为Open Assistant。

链接：

https://hub.baai.ac.cn/view/22872

7. 国内开发者发起ChatRWKV项目，做开源ChatGPT

ChatRWKV 类似于 ChatGPT，但由RWKV（100% RNN）语言模型提供支持，这是目前唯一可以在质量和缩放方面与 Transformer 相媲美的 RNN，同时速度更快并节省 VRAM。

链接：

https://zhuanlan.zhihu.com/p/603840957

8. 通向AGI之路：大型语言模型（LLM）技术精要

ChatGPT出现后惊喜或惊醒了很多人。惊喜是因为没想到大型语言模型（Large Language Model）效果能好成这样；惊醒是顿悟到我们对LLM的认知及发展理念，距离世界最先进的想法，差得有点远。作者称，作为既惊喜又惊醒的那一批，也是典型的中国人，中国人善于自我反思，于是开始反思，而这篇文章正是反思的结果。

链接：

9. Jeff Dean发推：谷歌年终总结「第三弹」，大力发展Jax

随着算法和硬件越来越复杂，以及运行规模越来越大，执行日常任务所需的软件的复杂性也在不断增加。

在这篇文章中，研究人员概述了过去一年整个谷歌在ML系统方面取得的众多进展，这些进展使谷歌能够支持复杂模型的服务和训练，同时减轻了终端用户的实施复杂性。同时，这篇文章还提到了谷歌如何利用ML本身来改进和设计下一代系统堆栈的研究。

链接：

10. 和TensorFlow一样，英伟达CUDA的垄断格局将被打破？

谷歌早期在机器学习模型架构、训练、模型优化方面都具有很大优势，但现在却难以充分发挥这些优势。而在硬件方面，其他 AI 硬件公司很难削弱英伟达的统治地位。直到 PyTorch 2.0 和 OpenAI Triton 出现，机器学习模型的默认软件堆栈将不再是英伟达的闭源 CUDA。

链接：

本次更新包含 640 个 commit，完整更新列表请查看链接：https://github.com/Oneflow-Inc/oneflow/releases/tag/v0.9.0，欢迎下载体验新版本，期待你的反馈。OneFlow v0.9.0 主要包括9大新增亮点功能和优化。

链接：

OneFlow近期将原始的 GLM 项目移植到了使用 OneFlow 后端进行训练的 One-GLM 项目。得益于 OneFlow 和 PyTorch 无缝兼容性，我们快速且平滑地移植了 GLM，并成功跑通了预训练任务（训练 GLM-large）。

此外，由于 OneFlow 原生支持 DeepSpeed 和 Apex 的很多功能和优化技术，用户不再需要这些插件就可训练 GLM 等大模型。更重要的是，针对当前 OneFlow 移植的 GLM 模型，在简单调优后就能在性能以及显存占用上有大幅提升。

链接：

13. A16Z：生成式AI平台，谁主沉浮？

不像许多热门的技术趋势在市场跟上其步伐前就被过度炒作了，生成式AI的热潮却伴随着极高的市场欢迎度以及真实的市场收益。如Stable Diffusion和ChatGPT的模型们正在创造用户增长的历史记录，一些应用在发布不到一年的时间里就实现了1亿美元的年营收。

对照表明，AI模型在某些任务上的表现优于人类好几个数量级。已有足够的早期数据表明范式转移正在发生。

链接：

Stable Diffusion用途多样，是一款多功能模型。首先它可以根据文本生成图像(text2img)。上图是从文本输入到图像生成的示例。除此之外，我们还可以使用Stable Diffusion来替换、更改图像（这时我们需要同时输入文本和图像）。

本文介绍了Stable Diffusion的内部结构，了解内部结构可以让我们更好地理解Stable Diffusion的组成、各组成部分的交互方式、以及各种图像生成选项/参数的含义。

链接：

近期，OneFlow 团队为太乙 Stable Diffusion 适配了 OneFlow 后端，大大提升了推理性能，也可以做到一秒出图。不少开发者好奇OneFlow使用了哪些优化“秘笈”，后文将进行简要解读。

链接：

由于目前大部分团队主要是基于翻译 API + 英文 Stable Diffusion 模型进行开发，所以在使用中文独特的叙事和表达时，英文版模型就很难给出正确匹配的图片内容，这对部分国内用户来说不太方便。

为此，智源研究院出品了首个支持 9 种语言的 AltDiffusion。近期，OneFlow 团队为其适配了 OneFlow 后端，大大提升了推理性能，也可以做到一秒出图。

链接：

17. Runway发布视频生成器GEN-1，结果比Stable Diffusion 1.5提升73.83%，比Text2Live提升88.24%

Runway成立于2018年，是一家AI视频编辑软件提供商，主要为设计师、艺术家和开发人员提供一系列的工具和平台，产品是帮助专业人士生成各种内容。其发布的GEN-1可通过将图像或文本提示符的组成和样式应用到源视频的结构上，实际地并始终如一地合成新视频，演示效果惊人。GEN-1目前仍处于内测阶段。

链接：

https://hub.baai.ac.cn/view/23978

其他人都在看

• 点击“阅读原文”，欢迎Star、试用OneFlow最新版本