在各種 AI 新聞滿天飛的 2023 年，大家還記得大明湖畔的元宇宙嗎？

(資料圖)

至少從大伙們討論度上來看。。。是有點(diǎn)涼透了的意思。

最近一次上熱搜，也只剩林俊杰元宇宙血虧 90% 這類的被套牢新聞。

而其中，曾扯著嗓子高調(diào)梭哈，甚至不惜押上了姓名的 Meta ，更成了大伙們的笑料。

先是去年 10 月份股價(jià)一度較最高點(diǎn)跌去 75% 。

而后今年在其他科技大廠大模型滿天飛， AI 發(fā)布會(huì)都快開了一輪的情況下。

這個(gè) Meta ，好像除了裁員，還是裁員。

“ 呦 ~ 扎哥你是不是因?yàn)楦阍钪嬗植脝T了。 ”

“ 隨后什么降本增效啊，為社會(huì)輸送人才啊，一句句冒了出來，到處充滿了歡聲笑語。 ”

就連隔壁部門的同事，都玩著類似的梗。。。并問著差評君，Meta 在AI 時(shí)代咋掉隊(duì)了？他們還元得下去不？

不過，笑歸笑，鬧歸鬧，咱還真別拿 Meta 的人工智能開玩笑。

差評君在這兒，直接給大家先省個(gè)流，那就是 Meta 在 AI 領(lǐng)域，還真不是大家眼中的軟蛋。

并且給個(gè)暴論啊（ 不構(gòu)成投資建議），他們離自己的元宇宙目標(biāo)可能還更近了。

這么說吧，雖然 Meta 官方在大模型的聲量和宣傳上，確實(shí)沒別家高，但 Meta 的人工智能技術(shù)，在世界范圍內(nèi)，還真沒有誰能說它不行。

深度學(xué)習(xí)框架這個(gè)東西大家曉得伐？

這個(gè)東西是用來方便開發(fā)訓(xùn)練深度學(xué)習(xí)模型的，相當(dāng)于 AI 界的操作系統(tǒng)。

在 17 、 18 年這會(huì)兒，市場上占據(jù)最多使用率的，還是人谷歌大名鼎鼎的 TensorFlow 。

這個(gè)時(shí)候的 TensorFlow 可以說是眼中毫無對手，畢竟 15 年發(fā)家，大量人力維護(hù)更新，自開源后就把市場上的其它深度學(xué)習(xí)框架擠得沒有生存空間了。

可沒想到，谷歌這好日子過了還沒多久，半路突然殺出來一個(gè)程咬金， Pytorch 發(fā)布了，這個(gè)由當(dāng)時(shí)還叫 Facebook 的公司主導(dǎo)開發(fā)的深度學(xué)習(xí)框架，從易用性著手，自發(fā)布之后，用戶一路走高。

并在 19 年逆襲谷歌，成為目前最受歡迎的深度學(xué)習(xí)框架。

但好漢總不能只提當(dāng)年勇，如今大火大語言模型，Meta 其實(shí)也不拉，只是人家沒有專門開發(fā)布會(huì)發(fā)布而已。

它們家的大語言模型 LLaMA ，也就是羊駝（ 或者翻譯成：草泥馬 ），在圈兒內(nèi)的名聲，完全不輸 GPT 。

本來呢，這個(gè)模型是只釋放給一些科研機(jī)構(gòu)用作研究用的，結(jié)果，不知道哪個(gè)小崽子，腦子一熱，就給公開到網(wǎng)上去了。

好家伙，不公開不要緊，這一公開，各種各樣復(fù)刻 ChatGPT 的項(xiàng)目就來了。

什么斯坦福的羊駝只要 100 美元就能比肩 GPT3.5 啊。。。

又是什么 UC 伯克利的 “ 小羊駝 ”130 億參數(shù)平替 ChatGPT 啊。

感覺是個(gè)人就能出大語言模型的樣子。。。

而且，據(jù)他們測試，這個(gè) LLaMA 在很多項(xiàng)的能力比拼下，是優(yōu)于 GPT-3 的。。。

到現(xiàn)在，這個(gè)模型已經(jīng)在各大機(jī)構(gòu)大佬的努力勞作下，開枝散葉，誕生了一批 “ 羊駝家族 ” 了。。。

甚至可以說現(xiàn)在的學(xué)術(shù)圈和開源社區(qū)，已經(jīng)是一只只草泥馬的形狀了。

在另一個(gè)人工智能領(lǐng)域， CV （ 計(jì)算機(jī)視覺 ）圈， Meta 的動(dòng)靜可就更大了。

4 月 5 號， Meta 就發(fā)布了一個(gè)用于圖像分割的 AI 大模型：Segment Anything Model 。

就和它的名字一樣，這個(gè)模型可以識(shí)別圖像和視頻中的物體，并且一鍵剪切任何圖像中的任何對象。

在官網(wǎng)的演示中，比如這張男子打籃球的圖片，只需要給圖片中的物體標(biāo)一個(gè)點(diǎn)，就能自動(dòng)切割出咱們想要的主體。

甚至，如果有一些圖片過于復(fù)雜，你自己都懶得去點(diǎn)標(biāo)記的話，你還可以把分割的任務(wù)全權(quán)交給 SAM ，直接點(diǎn)擊 Everthing ，它就自動(dòng)幫你把圖片中的可分割物體切割出來。

整個(gè)過程方便簡單快捷。

所以，這個(gè)模型一經(jīng)推出，眾多 CV 界師生紛紛大喊：CV 不存在了。

原因就是他把現(xiàn)在 CV 比較熱門的方向，比如目標(biāo)檢測，圖像分類，物體分割等等，差不多都解決得很好了。

英偉達(dá)的人工智能科學(xué)家 Jim Fan ，甚至還把 SAM 的出現(xiàn)比喻成 CV 界的 “GPT-3 時(shí)刻 ” ，可見各位業(yè)內(nèi)人士對 SAM 的認(rèn)可了。

但，這還不是結(jié)束，僅僅就在幾天前。

咱們的扎哥又親自通過臉書，宣布開源了另一個(gè)重磅模型， DINO V2 。

同樣的也是 CV 方向，但這個(gè) DINO V2 可不僅僅只能對圖像進(jìn)行識(shí)別、分類、分割了。

它還能通過一張二維的圖片，去估計(jì)場景的三維深度，比如下圖右邊的灰度圖，就是通過左邊的場景估算生成的。

深度圖記錄了整個(gè)場景的深度信息，有了這個(gè)深度信息，你甚至能從一張平面的圖像中，建模出一個(gè) 3 維的場景。

另外， DINO V2 的圖像特征提取功能 + 語義分割，更是把以圖搜圖的能力抬到了另外一個(gè)臺(tái)階。

以往的以圖搜圖，只能搜索相似的畫面。

但是加上了特征提取和語義分割之后，你不僅能搜索到相似的圖片，還能以單個(gè)圖像特征為條件，搜索不同風(fēng)格的圖片。

只要是 CV 類的任務(wù)，這個(gè) DINO V2 基本都能作為任務(wù)的主干去完成。

而且，從官方提供的四個(gè)預(yù)訓(xùn)練模型來看，這四個(gè)面模型，參數(shù)最高的一個(gè)， ImageNet Linear 精度最大達(dá)到了 86.5% 。

在之前，同領(lǐng)域表現(xiàn)最好的 OpenClip ，其所預(yù)訓(xùn)練出來的模型，表現(xiàn)最好的精度也只有 80.1%

不管是 Pytorch 、 LLaMA 、 SAM ，還是 DINO V2 ，上面的這些成果，其實(shí)大都來自 Meta 的兩個(gè)專攻 AI 的實(shí)驗(yàn)室。

其中一個(gè)是 Facebook ’ s Artificial Intelligence Research ，簡稱 FAIR ，主攻研發(fā)，另一個(gè)則是 Applied Machine Learning ，主攻應(yīng)用落地。

而且他們的研究基本全部開源， 在測試可用后，你都能在開源網(wǎng)站上找到項(xiàng)目的源碼。

所以說，Meta 不但沒有在 AI 時(shí)代掉隊(duì)，反而已經(jīng)屬于靠前的梯隊(duì)。

那么說了這么多，它們和小扎一直掛在嘴邊的元宇宙，有啥毛線關(guān)系呢？

其實(shí)早在 16 年的開發(fā)者大會(huì)上，小扎就給出了在公司未來的發(fā)展方向上，給出了三步走的計(jì)劃。

第一步，先要連接世界，這個(gè)就是扎哥的老本行了，社交網(wǎng)絡(luò)。

第二步，以人工智能為核心，打造連接世界的技術(shù)核心，這也是它們從好幾年前一直做的事情。

而第三步的 VR 和 AR 嘛。。。要放到現(xiàn)在，翻譯翻譯，這還是元宇宙。。。

所以說發(fā)展 AI，早在小扎的小本本上。

咱們也回頭看看一下之前 Meta 那些無論是大模型、還是計(jì)算機(jī)視覺的開源項(xiàng)目，在某種程度上，其實(shí)都是在降低 AI 使用的門檻。

而 AI 的發(fā)展，又能推動(dòng)元宇宙的建設(shè)。

可以細(xì)品一下幾天前，小扎在發(fā)布 DINO V2 時(shí)臉書上寫的這么一句話：

“ 在未來，這可能有助于改善醫(yī)療成像、糧食作物生長，并有助于使元宇宙更加沉浸。 ”

說白了小扎在 “ 元宇宙 ” 的路上不僅沒自認(rèn)折戟，反而可能更加自信了。

而隨著 AI 技術(shù)的持續(xù)發(fā)展，特別是 AIGC 的普及，各種AI建模，AI繪圖，AI音樂等工具的出現(xiàn)。。。

說不定真能讓元宇宙里的內(nèi)容越來越多，越來越逼真。

反正在使用過了不少大語言模型，被無數(shù)以假亂真的AI圖震撼過之后。。。。

元宇宙這個(gè)不久前還那么縹緲的概念，在 AI 的助力下，好像也沒那么的玄了。

撰文：晚上吃早飯編輯：江江封面：萱萱