【VALSE 2023】走向计算机视觉的通用人工智能：GPT和大语言模型带来的启发

转载声明 本文可以规范转载，无需通知本人。 转载时请注明出处（知乎链接）、标明作者，并且注明： 文章所有内容均只代表作者本人观点，其中涉及的前沿内容均有可能被推翻。 同时请标明：二次转载须连同出处、作者、声明等一并转载。 引言 距离上次的长篇大论，已经过去了半年有余。这段时间，对于AI业界甚至整个世界，都是惊心动魄的。在这段时间里，最令人印象深刻的大事莫过于ChatGPT和GPT-4的发布。毫无疑问，GPT-4是有史以来最为强大的AI程序。在随后发表的一篇论文 [1] 中，学者们将GPT-4称为通用人工智能（AGI）诞生的火花。诚然，每个人对于AGI的定义不尽相同，现阶段的GPT也尚未真正解决AI领域的所有难题；然而，基于大模型的技术，确实已经接近完成NLP领域的大一统，甚至让人隐约看到了AGI的曙光。或许，在3-5年内，我们就能够看到冯诺伊曼架构基础之上的AGI计算架构；倘若如此，大模型将在其中占据核心位置。 除了GPT系列外，计算机视觉领域也好不热闹，几个前沿方向都出现了令人惊叹的进展。对于公众来说，感受最深的莫过于AI绘画了。Stable Diffusion<sup data-draft-node="inline" data-draft-type="reference" data-numero="2" data-text="Rombach R, Blattmann A, Lorenz