一、4日，谷歌公布旗下圖片類工具StyleDrop，對標Midjourney的“定制大師”，再次引爆AI藝術圈，瞬間即形成刷屏。StyleDrop可以用一張圖片作爲參考，不論多復雜的藝術風格都能復刻。憑借StyleDrop，現在AI不但可以更可控地繪畫，還可以完成之前難以想象的精細工作，比如繪制logo等精細圖案。地址：https://styledrop.github.io

點評：不論怎樣復雜或抽象的圖畫，StyleDrop都能解構再復刻。不僅可以更可控地繪畫，還可以完成之前難以想象的精細工作。此外，研究人員還拓展了StyleDrop的能力，既能定制風格，結合DreamBooth後還能定制內容。因此英偉達科學家也對StyleDrop贊賞有加，將其稱爲“現象級”成果。AI又來搶飯碗了？

二、5日，谷歌發布Google Cloud Skills Boost，從大語言模型的基礎知識講起，到如何在Google Cloud上創建和部署生成式AI解決方案，谷歌爲全球用戶提供了生成式AI學習路徑，包括大語言模型、圖像生成、編碼器-解碼器架構、注意力機制和Transformer模型等相關課程。地址：https://www.cloudskillsboost.google/journeys/118

點評：雖然看起來內容豐富，但實際情況卻不甚理想，許多課程其實只是一小個單元，裏面往往只有一到兩支視頻，並且長度還比較短，信息量可想而知。而且有些遺憾的是，課程中回避了OpenAI以及ChatGPT的相關內容。試聽了幾段後覺得谷歌可能是想在短時間內吸引盡可能多的粉絲，但內容的確有些草率。

三、5日，論文MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training（《MERT: 基於大規模自監督訓練的聲學音樂理解模型》），提出一種基於自監督學習的音樂音頻理解模型MERT，通過大規模預訓練和教師模型的引導，提高音樂音頻建模的性能，在多個任務上達到最先進水平。原文鏈接：https://arxiv.org/abs/2306.00107

點評：論文裏提出一種基於自監督學習的音樂音頻理解模型MERT，通過大規模預訓練和教師模型的引導，提高音樂音頻建模的性能，在多個任務上達到最先進水平。MERT在14個音樂理解任務上表現出色，取得了優異的綜合得分。論文提出的預訓練範式在音樂理解中取得了SOTA性能，並提供了开源的音樂預訓練模型，滿足行業和研究社區的需求。

四、7日，著名3D軟件廠商Tafi發布了文生3D角色模型的AI平台。目前，該平台目前處於申請測試階段。據悉，Tafi生成的3D模型質量很高，可與瑪雅（Autodesk Maya）、C4D（Maxon Cinema 4D）等專業3D軟件制作的作品相媲美。該產品的最大技術亮點是，生成的模型可原生直接導入到Unreal、Unity、Blender、3Dmax、瑪雅和C4D專業开發平台中，進行二次編輯。Beta申請鏈接：https://maketafi.com/ai

點評：Tafi一直致力於簡化3D模型創作流程，通過把類ChatGPT的對話功能融合到產品中，將徹底改變專業設計師、藝術家創作作品的方式。他們只需要通過文本表達自己的創意，AI便能快速幫他們完成想要的3D效果，同時使得那些沒有技術背景的普通人也能成爲3D設計師。英偉達Omniverse开發副總裁Richard Kerris表示，在生成式AI的幫助下，設計師、藝術家們可以進一步提升設計效率，獲得更高的商業機會。十多年來，Tafi一直在爲英偉達平台上的創意社區帶來最新技術產品。Tafi的最新平台，將很快可以在Omniverse平台中使用。

五、8日，谷歌大腦與DeepMind合體後首發力作AlphaDev，Alpha家族再添新成員，全新AI系統將“排序算法”提升七成。通過強化學習，AlphaDev發現了更加有效的算法，直接超越了科學家和工程師們幾十年來的精心打磨。現在新的算法已經成爲兩個標准C++編碼庫的一部分，每天都會被全球的程序員使用數萬億次。目前最新成果已發表在Nature上，地址：https://www.nature.com/articles/s41586-023-06004-9

點評：AlphaDev的一大意義在於幫助人們踏入未知領域，用AI構建AI。排序算法是一切數字化運行的基礎，從在线搜索結果，社交帖子，到計算機和手機數據處理方式。這些算法每天都要執行數萬億次，利用AI生成更好的算法，將改變電腦編程的方式，並影響數字化社會的方方面面。

六、8日，阿裏達摩院提出了Video-LLaMA，一個具有綜合視聽能力大模型。Video-LLaMA 能夠感知和理解視頻中的視頻和音頻信號，並能理解用戶輸入的指令，完成一系列基於音視頻的復雜任務，例如音/視頻描述，寫作，問答等。目前論文，代碼，交互demo都已开放。另外，在Video-LLaMA的項目主頁中，該研究團隊還提供了中文版本的模型，讓中文用戶的體驗更絲滑。Demo鏈接：https://modelscope.cn/studios/damo/video-llama/summary

點評：視頻在當今社交媒體和互聯網文化中扮演着愈發重要的角色，各大視頻平台上已經擁有數以億計用戶。達摩院的成果相當於給大模型裝上“眼睛”和“耳朵”，讓它能夠理解視頻，與用戶互動。AI對音頻視的理解與處理目前仍是一個非常復雜，尚未有成熟解決方案的研究課題，Video-LLaMA雖然有令人印象深刻的亮點，但也不可避免的存在一些局限性。

七、8日，全球網絡設備領導者思科（Cisco）宣布將生成式AI集成在Webex產品矩陣中，幫助客戶提升工作效率和體驗，預計將於今年下半年正式上线。Webex成立於1996年，2007年5月被思科以32億美元全資收購成爲其子公司。Webex是全球網絡視頻會議的鼻祖，主要提供視頻會議、雲客服、遠程辦公、即時通訊等企業服務。Webex的Catch Me Up、Vidcast和Contact Center在生成式AI助力下，將提供類ChatGPT功能，用戶通過文本便能快速生成各種內容。Cisco Webex下載鏈接：https://www.webex.com/downloads.html/

點評：根據思科發布的“2023年全球技術創新”調查數據顯示，IT領導者將生成式AI列爲最有可能對其業務產生重大影響的技術之一。85%的受訪者表示，已經准備好了全面擁抱生成式AI。思科在過去十多年的時間裏一直通過AI技術與視頻、音頻、自然語言理解和智能分析爲Webex提供智能化服務，此次的強強聯合頗有微軟將ChatGPT預置在Bing，Office全家桶的感覺，未來可期。

八、9日，全球著名連鎖超市家樂福宣布，與OpenAI合作打造了一款智能購物助手Hopla，並將其集成在自己的購物網站carrefour.fr中，目前已經提供使用。據悉，Hopla可以根據用戶的購物預算、菜單或特定飲食需求，如糖尿病或脂肪肝患者等，提供合理的購物方案。

點評：AI技術正在推動零售行業不斷變革，巨大體量也爲新興技術帶來新市場。此外隨着AI技術持續突破，尤其是以ChatGPT爲代表的大模型技術投入應用，AI+教育、金融業、醫療保健業、制造業、農業、交通、物流等多個行業變革也受到市場關注，一場新的AI催化正在酝釀進行。

九、9日，在 2023 北京智源大會上，智源發布了完整的悟道3.0大模型系列，並進入到了全面开源的新階段。此次悟道3.0包含的項目有“悟道天鷹”（Aquila）語言大模型系列FlagEval（天秤）大模型語言評測體系以及“悟道視界”視覺大模型系列。此外FlagOpen飛智也帶來了开源大模型技術體系最新進展。

點評：整體來看，“悟道天鷹”Aquila 在技術上繼承了GPT-3、LLaMA等的架構設計優點，替換了一批更高效的底層算子實現、重新設計實現了中英雙語的tokenizer，升級了BMTrain並行訓練方法，訓練效率是Magtron+DeepSpeed ZeRO-2的近八倍。此外在中英文高質量語料基礎上從零开始訓練，通過數據質量控制、多種訓練優化方法，在更小數據集、更短訓練時間下，實現比其他开源模型更優秀的性能。這次的發布會不拼參數,开源开放成爲主角，或許也不失爲吸引粉絲，乃至引領未來的一種發展方向。

十、9日，科大訊飛正式發布星火認知大模型V1.5，在此前基礎上，“星火”在开放式知識問答、邏輯推理和數學能力、多輪對話三大綜合能力方面都實現升級。其中，知識問答能力提升24%，邏輯推理能力提升10%。上月“星火”大模型一經發布便引發業內熱議。當時董事長劉慶峰公布了星火年內的三次升級時間點，還表示“今年科大訊飛持續升級大模型，10月24日要在中文上超越ChatGPT，在英文上要達到跟它相當的水平”。

點評：支撐訊飛星火持續進步的是“1+3+1”創新體系，具體是依托自主研發的安全可控大模型訓練基座，通過海量數據和知識構建、多語種多任務統一訓練，以及基於用戶數據的強化學習，構建軟硬一體化的高性能大模型推理平台。科大訊飛承建的認知智能全國重點實驗室已經在類腦智能、神經網絡大模型、博弈智能等多個領域進行布局，探索更多的潛在路徑以及前沿交叉研究的機會。未來，科大訊飛將持續聚焦技術突破和場景應用，加快星火大模型實現智慧湧現，在自主可控平台上讓行業享受更多AI紅利。

本文作者可以追加內容哦 !