10 月 24 日，《时代》杂志发布“2023 年最佳发明”榜单，涵盖了如人工智能、绿色能源和可持续发展等重点领域。据悉，此次评选的标准包括独创性、效率、影响力等，共计 200 项突破性发明（以及 50 项特别奖发明）入选，这些发明正在改变我们的生活、工作、娱乐方式，以及对可能事物的思考。
Adobe 通过在全球最受欢迎的图像编辑器 Photoshop 中内置人工智能技术，让数百万人掌握了强大的 AI 功能。在 Adobe 的 AI 图像生成器 Firefly 的支持下，Photoshop 现在包含了“生成扩展”（Generative Expand）和“生成填充”（Generative Fill）功能。前者允许用户在照片的边界之外无缝填充想象的内容。后者只需输入一些简单的文字，就能在现有图像中添加或删除内容。这两种功能都不要专业技术。Adobe 数字媒体高级副总裁 Ashley Still 说：这些选项使“客户能够以想象的速度将他们的愿景变为现实”。
OpenAI 的 GPT-4 自 3 月份发布以来已有 8 个月，而它仍然是公众能够正常的使用的最强大的聊天机器人。其前身 ChatGPT 的表现仅优于 10% 参加律师资格考试的学生，而 GPT-4 的表现则超过了 90%。它擅长语言推理，能把复杂的概念分解成简单的语言，甚至能解释一个笑线 月，OpenAI 开始推出通过语音与模型互动以及使用图像作为输入的功能。更新后的 GPT-4 V 在为视障人士提供工具的组织 Be My Eyes 中进行了测试，可以用自然语言口头描述图片内容。
Runway 是一家由谷歌支持的初创公司，其视觉特效工具曾被用于制作奥斯卡获奖影片《Everything Everywhere All At Once》中令人匪夷所思的画面。6 月，Runway 推出了 Gen-2 模型。新版本允许任何人通过文字提示、图片或其他视频生成完整的视频。Runway 联合创始人兼首席执行官 Cristóbal Valenzuela 将这项新技术比作 200 年前照相机的发明。他说：“AI是一种新型照相机，它将永远重塑讲故事的方式，并带来完全生成的完整故事片。”
解决价值数万亿美元的假冒商品问题的方法可能很简单，只需将手机的摄像头对准手表或手提包，然后让智能软件确定其真伪即可。FeaturePrint 是一种光学人工智能技术，它首先能“看到”实物微小的表面细节，并将其“指纹化”为独特的数学标识。然后，只需点击一下按钮，它就能告诉你一件物品的真假。Alitheon 首席执行官 Roei Ganzarski 说：“不需要贴纸、标签或标记。客户之一是 Argor-Heraeus，该公司为各国银行生产金条。”
无人机既能带来破坏，也能带来益处。Dedrone 的全城无人机探测产品可在某一地理区域周围投掷虚拟防护罩，如果无人机进入指定空域，可在数秒内向执法部门发出警告。Dedrone 跟踪无人机发出的专有混合信号，包括无线电频率、ADS-B 数据（也用于飞机）和 RemoteID 信标，以确定入侵位置。公司首席营销官 Mary-Lou Smulders 将其比作无人机的空中交通管制系统，这在此前所没有的。客户包括 Con Edison，该公司正在用它来保护自身的基础设施；巴塞罗那的警察部队；以及数量不详的机场。
Meta 公司将其 SeamlessM4 T 人工智能模型比作《银河系漫游指南》中的万能语言翻译器巴别鱼（Babel Fish）。该公司的软件能够从语音或文本中理解近 100 种语言，并能以语音到语音、文本到文本、语音到文本或文本到语音等多种形式实时翻译这些语言。据 Meta 公司称，除了可处理的语言远多于前代产品外，该系统的效率更加高，出错率更低，还可以破译同一句子中混合在一起的多种语言。Meta 已将该模型开源，这在某种程度上预示着全世界的研究人员都能够正常的使用其代码。
今年早一点的时候，一位名叫 Ghostwriter 的匿名创作者创作的一首名为《Heart on My Sleeve》的歌曲引起了轰动。（这首歌很快就被合法的流媒体服务撤下，但在此之前，它慢慢的变成了了病毒式的传播）。这些声音是通过名为 So-VITS-SVC 的开源软件生成的，该软件允许技术人员对歌手的声音进行神经网络训练，然后用AI生成的声音制作任何歌曲。爱好者们在 Discord 社区交换语音模型，从 Bad Bunny 到 Taylor Swift，再到 James Hatfield。与此同时，采用该软件的用户友好型网站也如雨后春笋般涌现。
在野火蔓延之前对其进行仔细的检测是目前困扰世界许多地区的一项挑战。加州大学圣迭戈分校的公共安全项目 AlertCalifornia 正在利用人工智能提供帮助。该项目与加州消防局（Cal Fire）合作，训练人工智能从遍布全州森林的 1050 多个摄像头网络中检测烟雾和其他早期火灾迹象。系统一经发现异常，就会通过短信向当地消防部门发出警报。在最初的两个月里，该系统在接到任何报警电线 起火灾。AlertCalifornia 的联合首席调查员 Falco Kuester 说：“这个（系统）最大的成功案例就是那些你从未听说过的火灾。”
Stable Audio 由 Stability AI 公司创建，它利用人工智能的生成能力，只需几个简单的文字提示，就能生成几乎任何你想要的声音或歌曲。（例如，输入 ambient techno, drum machine, peaceful, instrumental，就能生成一首轻松的新时代音乐，放在时髦的休息室里也毫不突兀）。该模型是在一个库存音频网站的数据集上训练出来的（所以都是合法的），其中包含 80 多万个音频文件，总计 2 万小时，可用于专业和业余项目。
在印度和非洲的部分地区，偷猎仍然是大象和大型猫科动物灭绝的最大威胁，即使在保护区内也是如此。美国环保组织 Resolve 创建的人工智能踪迹保护系统（TrailGuard AI）利用英特尔（Intel）技术驱动的头来监控濒危物种和发现偷猎者。该系统利用手机或远距离无线 秒内就能将图像传送到当局的手机上。TrailGuard 定制的人工智能模型经过训练后，不仅能侦测人类，还能侦测从老虎到鬣狗等任何感兴趣的物种。该技术在东非的测试阶段逮捕了 30 多名偷猎者，目前正在老虎密集的印度中部进行大规模测试。
当 OpenAI 在去年 11 月向全世界发布 ChatGPT 时，它彻底改变了人工智能的格局。该公司希望 DALL-E 3（其人工智能图像生成器的全新改进版）也能产生同样的影响。DALL-E 3 的发明者、OpenAI 的 Aditya Ramesh 说，以前的图像生成器需要学习一门新的技术语言，包括在字符串中添加减号和数字，才可以获得最佳效果。而 DALL-E 3 则不同，它可以折叠到 ChatGPT 中，这样用户就可以输入会话命令，获得符合其描述的图像。
古腾堡计划（Project Gutenberg）是历史最悠久的数字图书馆，成立于 1971 年，旨在让人们更容易获得电子图书。但首席执行官 Greg Newby 说，它“既不擅长创建，也不擅长传播”。因此，微软和麻省理工学院联手制作了“开放式有声读物合集”，利用文本到语音技术将 5000 本图书转化为免费的合成旁白有声读物，现在可在 Spotify 上下载。推动该项目的软件也免费发布。
当最伟大的摇滚乐队之一最近达成协议，在广告中使用其 1970 年代的热门歌曲时，其成员欣喜若狂。但有一个问题：广告制作人只想要乐器，而乐队拥有的只是最终的混音。因此，摇滚乐队的团队联系了 AudioShake，该公司的人工智能程序能隔离预先录制的音频元素，将其分解为各个组成部分。“我们使音频具有交互性和可编辑性，并能够推动这些真正实用的用途，帮助艺术家赚钱，”联合发起人兼首席执行官 Jessica Powell 说。
创办 Humane 的两位前苹果公司高管设想了一个无屏幕的未来，Ai Pin 就是他们迈出的第一步。一旦轻巧的 Humane Ai Pin 通过磁力吸附在你的衣服上，它就会成为你的人工智能个人助理。该设备结合使用专有软件和 OpenAI 的 GPT，让您能够实现各种操作，从提出复杂的问题到拨打电话和发送短信，所有这些都只需你一声令下就可以完成。同时，内置摄像头可以识别事物并提供上下文信息，例如食物的卡路里估值。每当 Pin 的摄像头、麦克风或输入传感器处于激活状态时，一个名为“信任灯”的显著隐私指示灯就会亮起，以确保周围的人都知道它在监听或录音。如果你需要视觉效果，一个微型投影仪会将它们直接投射到你伸出的手掌上。这款产品计划于 11 月 9 日推出。
本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。
