项目分享
2023年，可以说是ai飞速的一年，在一月份的时候，Ultralytics公司发布了yolov8，从官网的数据看出，相对于上一个版本，对模型的训练、识别都做了不少优化，因此公司也提出趁热分一杯羹。在这一年中，我参与公司yolov5的ai识别项目升级为yolov8版本，在升级的过程中，我将以往使用在yolov5版本中训练使用的数据集使用yolov8重新训练了一次，发现训练的时间更短了，训练完成后的权重文件也比之前的要小一些，同时使用模型作业的时候，识别速度有显著提升，并且我对识别后的结果进行分析，准确率和召回率都提升了。对于企业来说，降低了成本又提高了效率。
不过，由于新版本刚发布不久，存在的漏洞比较多，并且使用的人还比较少，因此在项目中遇到了很多问题，并且在相关的论坛或博客也很难找到解决方案。我认为，相对于模型的性能，它的生态环境，使用人数，相关开发教程也是很重要的。
使用体会
在OpenAi发布GPT-4之后，AIGC的发展如日中天，在这一年中，国内的各大厂商也争先恐后的相继发布自己的模型，语言模型、图片生成模型、视频生成模型、ppt生成模型，各种各样的功能层出不穷。
在这一年中，我参加了很多模型发布会与测评活动，并且自己在平时的开发过程中也一直会用到语言模型。说一下我个人的使用体会，在开发过程中，项目报错，以及一些简单功能的程序编写，模型确实可以给予很大的帮助，减少了自己上网寻找答案的时间。
但是模型是具有滞后性的，如我刚刚提到的yolov8，在开发时，我对遇到了问题，对ai进行询问，它会反驳我yolo目前最新的版本是v5。因此，我认为ai后续的发展，需要可以联网，无时无刻的学习，提升自己的数据集，而不是固定的知识库，不过这样庞大的数据对数据库来说无疑是巨大的压力。怎样提升模型，可以在互联网上对新数据进行精准采集，取其精华去其糟粕，并且对数据辨别其权威性，可靠性。这是ai模型发展下一个需要突破的难点。
趋势预测
在国内的AI应用使用中，我发现都存在一个通病，功能越做越多，但是很多功能可以说毫无用处。我认为应该先把主要的功能做好，再去扩展新的功能。
展望2024年，AI技术的发展会受到很多因素的影响，如硬件短缺和法律问题，随着AI日渐强大，AI犯罪事件也伴随而出，对AI应用进行什么程度的监督，这些都还未知。并且随着高性能技术资源需求日益增长，像NVIDIA这种高端GPU已经供不应求，这也会一定程度限制了AI的发展速度。因此，AI新的发展方向获取会拆分成各领域的轻量级模型，如我是一名程序员，那么我只需要一个可以解答我编程上的问题的轻量级模型，大幅度降低模型的计算量，那么我就可以不需要很强大的设备也能将模型部署在自己的设备中，使用起来灵活度更高。并且提供针对于不同用户，对模型进行定制化训练。
同时，随着物联网发展，无人机，无人驾驶，智慧工厂等等工业发展，这些产品必然会与AI应用结合在一起，轻量级模型部署在产品中，可以避免因网络问题带来的延迟问题，离线时可以在本地进行计算分析，待设备恢复网络时再更新本地数据。
想象一下，未来的汽车获取不再是一架只能由你掌舵的交通工具，或是有一个对你提出问题后回答的语音助手，而是拥有自主计算分析能力，可以实时分析拥堵情况，为你计算出最优路线。让我们拭目以待2024年AI会有怎样的新突破。