政變大戲已落幕，但另一場(chǎng)更大戲還在上演。

過(guò)去幾天，作為新一輪 AI 浪潮的領(lǐng)頭羊，OpenAI 面臨一次的分崩離析的重大危機(jī)，從董事會(huì)宣布辭退創(chuàng)始人兼 CEO Sam Altman，到回歸又被否，期間還經(jīng)歷了多次反轉(zhuǎn)，包括 Altman 加入微軟、員工逼宮、與 Anthropic（Claude）合并等。

到了北京時(shí)間 11 月 22 日下午，OpenAI 又表示原則上同意 Altman 重返 OpenAI 擔(dān)任 CEO，并組建新一屆董事會(huì)，具體細(xì)節(jié)還在敲定中。

在事情還沒(méi)有正式敲定前就公開(kāi)披露，可見(jiàn)現(xiàn)任董事會(huì)也明白 OpenAI 急需「穩(wěn)定軍心」，否則競(jìng)爭(zhēng)對(duì)手還會(huì)繼續(xù)「掏空」OpenAI。緊隨官方之后，Sam Altman 以及之前剛辭任的總裁 Greg Brockman 也都發(fā)布了一條暗示回歸 OpenAI 的推文，不管初衷如何，實(shí)質(zhì)上也確實(shí)起到了「穩(wěn)定軍心」的作用。

OpenAI 總裁 Greg Brockman，圖/ X

根據(jù)此前公開(kāi)報(bào)道，包括 X（Twitter）、微軟、谷歌、Anthropic 以及一大批有志于這一輪 AI 浪潮的公司都在重金挖角 OpenAI 員工，而很多 OpenAI 員工也在考慮跳槽事宜，這顯然也會(huì)嚴(yán)重影響到 OpenAI 原定的一系列計(jì)劃。

與此同時(shí)，競(jìng)爭(zhēng)對(duì)手們也不只是「圍觀看戲」，還希望抓住 OpenAI 犯錯(cuò)的機(jī)會(huì)，加快推陳出新的節(jié)奏，加速趕超 OpenAI。

Token翻倍、「幻覺(jué)」減弱，Claude 2.1終于來(lái)了

就在同一天，從 OpenAI 分化出來(lái)又背靠谷歌的 Anthropic 發(fā)布了新的聊天機(jī)器人——Claude 2.1。

作為 ChatGPT 最有力的競(jìng)爭(zhēng)者之一，Claude 2 原本就在上下文長(zhǎng)度和語(yǔ)言理解上有一定的優(yōu)勢(shì)，同時(shí)還較早支持了鏈接和文檔讀取能力。在 Claude 2.1 上，更是將最大支持 Token 數(shù)量從 10 萬(wàn)個(gè)增加到了 20 萬(wàn)個(gè)，遠(yuǎn)高于 ChatGPT 的最大 3.2 萬(wàn)個(gè) Token。

Token 相當(dāng)于機(jī)器視角的「字?jǐn)?shù)」。

經(jīng)常使用 ChatGPT 或者類似聊天機(jī)器人的讀者應(yīng)該都知道，如果在上下文窗口內(nèi)，一旦對(duì)話長(zhǎng)度超過(guò)了 Token 限制，上下文窗口就會(huì)發(fā)生變化，聊天機(jī)器人會(huì)丟失早期對(duì)話的內(nèi)容，等于忘記了之前的對(duì)話背景，會(huì)直接影響到后面的回答。

甚至不需要超出 Token 限制，只要對(duì)話長(zhǎng)度到一定階段，機(jī)器就會(huì)開(kāi)始遺忘早先的一些背景和要求，需要重復(fù)提醒。

圖/ Anthropic

而  20 萬(wàn)個(gè) Token 的長(zhǎng)度，意味著將近 270 頁(yè)文檔的上下文和更強(qiáng)的「記憶容量」。換言之，Claude 2.1 用戶現(xiàn)在可以上傳整個(gè)代碼庫(kù)等技術(shù)文檔、S-1 等財(cái)務(wù)報(bào)表，甚至是《伊利亞特》或《奧德賽》等長(zhǎng)篇文學(xué)作品。

通過(guò)能夠與大量?jī)?nèi)容或數(shù)據(jù)進(jìn)行交互，理論上 Claude 2.1 可以更好地進(jìn)行總結(jié)、執(zhí)行問(wèn)答、預(yù)測(cè)趨勢(shì)以及對(duì)比多個(gè)文檔等。AI 創(chuàng)業(yè)者兼開(kāi)發(fā)者 Greg Kamradt 在測(cè)試中，確實(shí)發(fā)現(xiàn)了 Claude 2.1 在性能上的進(jìn)步。

此外，Claude 2.1 在對(duì)抗大模型「幻覺(jué)」方面也取得了一定進(jìn)步。與之前的 Claude 2.0 模型相比，Claude 2.1 虛假陳述的概率降低了 2 倍。

圖/ Anthropic

根據(jù) Anthropic 的說(shuō)法，他們?cè)O(shè)置了大量復(fù)雜的事實(shí)問(wèn)題進(jìn)行測(cè)試，測(cè)試顯示 Claude 2.1 在面對(duì)錯(cuò)誤信息以及不確定信息時(shí)更可能提出異議，而不是提供不正確的信息。比如反駁用戶給出的「玻利維亞人口第五多的城市是蒙特（錯(cuò)誤信息）」，或是承認(rèn)「我不確定玻利維亞人口第五多的城市是什么」。

這使企業(yè)能夠構(gòu)建高性能的人工智能應(yīng)用程序，解決具體的業(yè)務(wù)問(wèn)題，并以更高的信任度和可靠性在其運(yùn)營(yíng)中部署人工智能。

視頻版Stable Diffusion發(fā)布即開(kāi)源，再一次改變視頻生成？

文本生成領(lǐng)域有 ChatGPT 和 Claude，圖像生成領(lǐng)域有 Midjourney 和 Stable Diffusion，但在視頻生成領(lǐng)域始終沒(méi)有一個(gè)模型可以跑出。

AI 生成視頻（動(dòng)圖經(jīng)過(guò)壓縮），圖/ Meta

這不是說(shuō)沒(méi)有公司嘗試，谷歌、Meta 很早就有公布 AI 生成視頻的 Demo，還有大量初創(chuàng)團(tuán)隊(duì)都在「掘金」視頻生成領(lǐng)域，比如 Runway 就接連發(fā)布了 Gen-1、Gen-2 兩代，實(shí)現(xiàn)了真正的從零開(kāi)始生成視頻。當(dāng)然，Gen-2 仍然存在細(xì)節(jié)模糊、形態(tài)扭曲等等品質(zhì)問(wèn)題，所以始終沒(méi)能破圈。

Stable Video Diffusion 會(huì)改變一切嗎？

還是北京時(shí)間 11 月 22 日，Stable Diffusion 背后的公司 Stability AI 發(fā)布了旗下首個(gè)視頻生成模型——Stable Video Diffusion。

在很多人的意料之中，Stable Video Diffusion 基于圖片生成模型 Stable Diffusion 進(jìn)行開(kāi)發(fā)而成，Stability AI 已經(jīng)在 Github 上開(kāi)源了全部代碼，同時(shí)也上線了 Hugging Face 社區(qū)。

圖/ Github

要指出的是，目前 Stable Video Diffusion 有兩種輸出形式，能以每秒 3 到 30 幀的可定制幀速生成 14 和 25 幀。換句話說(shuō)，Stable Video Diffusion 目前最多也只能生成 8 秒左右的低幀率視頻。

圖/ AssemblyAI

但不要低估開(kāi)源迭代的力量。Stable Diffusion 模型 2022 年最開(kāi)始發(fā)布的時(shí)候，圖片生成質(zhì)量也比不上 OpenAI 的 DALL·E-2。然而由于開(kāi)源的策略，Stable Diffusion 被各路初創(chuàng)公司、開(kāi)發(fā)者、玩家頻繁應(yīng)用與改進(jìn)，最終讓 AI 生成圖片徹底火出圈外，引發(fā)了一系列的變化。

同時(shí)在開(kāi)源力量的幫助下，不到半年內(nèi) Stable Diffusion 模型就迭代到了 2.1 版本。

誠(chéng)然，Stable Diffusion 的成功未必能夠復(fù)刻，但可以肯定的是，不同于 Gen-2 這類私有模型，Stable Video Diffusion 可以聚集開(kāi)源社區(qū)更多的開(kāi)發(fā)力量，加速視頻生成模型的迭代改進(jìn)。

生成式 AI，從來(lái)不只是 OpenAI

11 月 15 日，Sam Altman 在還沒(méi)有被董事會(huì)辭退之前就在 X（Twitter）上表示，OpenAI 將暫停新的 ChatGPT Plus（付費(fèi)）用戶注冊(cè)，原因是使用量的激增已經(jīng)超出了自身的承受能力。直到 11 月 22 日，OpenAI 依然還沒(méi)有開(kāi)放 Plus 用戶注冊(cè)。

但與此同時(shí)，AI 時(shí)代的浪潮還在滾滾向前，Claude 2.1 和 Stable Video Diffusion 的發(fā)布之外：

- 谷歌 DeepMind 在最新發(fā)布的音樂(lè)生成模型中采用了人耳聽(tīng)不見(jiàn)的「水印」；

- 微軟發(fā)布僅 130 億參數(shù)規(guī)模的「大」模型，官方宣稱其性能比起 700 億參數(shù)的 Meta Llama-2 Chat 還要好；

- 在下個(gè)月舉行的 re:Invent 大會(huì)上，亞馬遜云（AWS）預(yù)計(jì)也會(huì)重點(diǎn)介紹旗下 Olympus 大模型的能力。

圖/谷歌

今年還有一個(gè)可能是最值得期待的大模型——谷歌 Gemini。根據(jù)此前半導(dǎo)體研究機(jī)構(gòu) SemiAnalysis 的報(bào)道，谷歌下一代大模型 Gemini 的算力高達(dá) GPT-4 的 5 倍，同時(shí)谷歌手握自研 TPUv5 的數(shù)量比 OpenAI、Meta、Coreweave、甲骨文以及亞馬遜擁有的 GPU 加起來(lái)還多。

在此基礎(chǔ)上，Gemini 還整合使用了強(qiáng)化學(xué)習(xí)和樹(shù)搜索的 AlphaGO，以及機(jī)器人、神經(jīng)科學(xué)等領(lǐng)域的技術(shù)，擁有語(yǔ)言和視覺(jué)兩大能力。OpenAI 的首席科學(xué)家 Ilya Sutskever 在 2020 年就表示，僅文字就可以表達(dá)關(guān)于世界的大量信息，但它是不完整的，因?yàn)槲覀円采�活在視覺(jué)世界中。

說(shuō)到底，生成式 AI 從來(lái)不只是 OpenAI 一家公司，不論圍繞 OpenAI 的「大戲」結(jié)局會(huì)走向何處，都擋不住 AI 大潮的來(lái)勢(shì)洶洶。

來(lái)源：雷科技

       原文標(biāo)題 : OpenAI內(nèi)斗這幾天，競(jìng)爭(zhēng)對(duì)手一刻也沒(méi)閑著