这篇文章总结了 2023 年人工智能领域的主要进展，重点介绍了图像生成（如 Adobe Firefly, Midjourney V.6, DALL-E 3）、视频生成（如 Stability AI, Runway Gen-2）、文本生成（如 GPT-4, Bard and Gemini）等技术。同时，还讨论了 AI 法律环境的变化，如欧洲 AI 法案和美国版权局对 AI 生成内容的立场，以及诸多争议性的话题。
原文链接：[https://journal.everypixel.com/2023-the-year-of-ai](https://journal.everypixel.com/2023-the-year-of-ai)
未经允许，禁止转载！
2023 年，人工智能领域无疑成为了行业的焦点，带来了深刻的变革。本文概述了这一年中最有影响力的大事件，这些事件预示着这一创新领域未来的发展方向。
人工智能的发展
不像去年的 ChatGPT 或图像生成器的推出那样革命性的创新，今年的人工智能发展虽然取得了显著的成就，但主要是专注于现有技术的完善。尽管没有带来令人震惊的效果，真正的通用人工智能（AGI）仍然还有很长的路要走，但今年是从过去的重大突破向更加强大的技术转变的过渡期。为了更好地展示这一转变，我们制作了一张基于时间线的路线图：
图像生成
-
Adobe Firefly：Adobe Firefly 和 Generative Fill 为多样化的视觉内容创作提供了强大的支持，这包括插画、艺术概念设计和照片编辑。Adobe Firefly 被集成进 Photoshop，从而普及了 AI 技术，使其得以广泛服务于更多用户。此外，文本效果功能的推出，也标志着技术的一大进步，使用户能够将特定风格或纹理应用于文字和短语。
-
Midjourney：Midjourney 的 V.5 模型在图像生成领域是一个重要的里程碑，它展示了在效率、连贯性和高分辨率方面的显著改进。最新的 alpha 版本，Midjourney V.6，引入了额外的增强功能，如更精准的提示跟随、扩展的模型知识库和一定程度的文本绘制能力。
-
DALL·E 3：基于 ChatGPT 的 DALL·E 3 简化了图像生成过程，减少了复杂提示工程的需求。此外，ChatGPT 还引入了一项帮助用户根据反馈优化提示，进而调整图像效果的功能。
-
Shutterstock.AI：Shutterstock，一家图库巨头，通过集成 AI 功能，让用户可以把文字提示转换成可授权使用的图像。Shutterstock 采取了保护艺术家权益和报酬的措施，这在AI内容创作领域是前无古人的，可以看作是 AI 道德发展的第一个重要举措。
2007 年与 2023 年文本到图像算法的演进
视频生成
-
Stability AI：Stability AI 推出了 Stable Video Diffusion，一个创新的开源视频生成模型，已在 GitHub 上开源。它有望在 AI 生成视频的各个领域发挥关键作用，这与 AI 图像生成趋势 是相辅相成的。
-
HeyGen：一家 AI 创业公司推出了一款集声音克隆、嘴唇动作调整和语言翻译于一体的视频工具。
-
Runway Gen-2：Runway 发布了 Gen-2 模型，用户现可仅用文本提示、图像或视频轻松生成完整视频。
-
Pika 和 Pika 1.0： 首次发布便吸引了五十万用户，每周产生数百万视频。随后，Pika 1.0 的升级版 AI 模型让用户能够更多样化地创作和编辑视频，风格涵盖 3D 动画、动漫、卡通到电影等。
-
Meta 的 Codec Avatars：Meta 的 Pixel Codec Avatars（PiCA）模型使我们在视频通话中看到更逼真的 3D 人脸，使远程会议效果更接近真实。
文本生成
-
Bard 和 Gemini：Google 的 Bard 为聊天机器人领域引入了更贴近人类的情感和情绪。Google 在 Bard 聊天机器人中融入了基于多模态数据集训练的 Gemini，它被誉为目前“最强大”的 AI 模型，是 OpenAI 的 ChatGPT 最强的竞争对手之一。
-
Grok：Elon Musk 的创业公司 xAI 展示了其对 AI 开发的承诺，并可能与 OpenAI 展开竞争。他们发布了 “Grok”，这是一款具有幽默感、反叛精神，并通过
评论留言