小语言模型
SLM 仍然相当庞大，拥有数十亿个参数（相比之下，LLM 拥有数千亿个参数），但它们足够小，可以在手机上离线运行。参数是决定模型行为的变量或可调元素。微软研究院机器学习基础小组负责人 Sebastien Bubeck 表示：“小型语言模型由于规模小、价格便宜，可以使人工智能更容易被人接受。与此同时，我们正在探索新的方法，使它们像大型语言模型一样强大。”微软研究人员已经开发并发布了两款 SLM — Phi和Orca — 它们在某些领域的表现与大型语言模型一样好甚至更好，挑战了“规模是性能的必要条件”这一观念。
与使用大量互联网数据进行训练的 LLM 不同，小型模型使用精选的高质量训练数据，研究人员正在寻找新的规模和性能阈值。今年，您可以期待看到旨在促进更多研究和创新的改进模型。
多模态人工智能
大多数 LLM 只能处理一种数据类型——文本，但多模态模型可以理解来自不同数据类型（如文本、图像、音频和视频）的信息。这种能力使从搜索工具到创意应用等技术更加丰富、准确和无缝。
借助可以处理图像、自然语言和 Bing 搜索数据的多模态模型，可以从 Copilot 中了解上传图像中发生的事情。例如，Copilot 可以生成相关信息，例如照片中纪念碑的历史意义。
多模态 AI 还为Microsoft Designer 提供支持，这是一款可以根据您想要的描述生成图像的图形设计应用程序。它还支持自定义神经语音或自然声音，可用于文本阅读器和有声音障碍的人的工具。
“多模态能够创造更像人类的体验，可以更好地利用我们人类使用的各种感官，例如视觉、语音和听觉，”微软首席技术官 Kevin Scott 办公室首席工程师 Jennifer Marsman 说。
人工智能在科学中的应用
专家们预计，旨在加速科学发现的人工智能工具将取得重大进展，其中大部分工作旨在解决气候变化、能源危机和疾病等全球问题。
为了缓解气候变化并帮助农民提高工作效率，微软研究人员正在利用人工智能构建更好的天气预报器、碳估算器和其他可持续农业工具。他们还在开发人工智能技术，帮助农民在田间耕作，包括一个聊天机器人，可以帮助农民识别神秘杂草，或使用农场特定数据比较不同灌溉方法的效率。
在生命科学领域，研究人员正在合作开发世界上最大的基于图像的人工智能模型来对抗癌症，并使用先进的人工智能寻找治疗传染病的新药和突破性药物的新分子。这项技术将科学的反复试验——可能需要数年的工作——压缩到短短几周或几个月。人工智能还在改变材料科学，这是一个专注于创造具有特定属性的新材料的广泛领域。最近的一项突破展示了人工智能和高性能计算在加速寻找毒性较小的电池材料方面的强大能力。微软研究院AI4Science 团队 主管 Chris Bishop 表示：“人工智能正在推动科学发现的革命。这或许将成为人工智能最令人兴奋、最终也是最重要的应用。”
