ai2020与ai2021软件比较(ai2021和aicc有什么区别)
ai2021和aicc有什么区别
1.主体差异：AI CC是 Adobe Creative Cloud的一部分，它是一个基于订阅的云服务，为创意专业人士提供了一系列的软件应用，包括 Photoshop、Illustrator、Premiere Pro等。而 AI 2021通常指的是人工智能技术在 2021年的发展或应用，它是一个更广泛的概念，涵盖了机器学习、深度学习等多个领域。
2.技术侧重点不同：AI CC强调的是创意工具的集成和协同工作，使得用户可以在不同的应用程序之间无缝协作，同时提供持续的更新和技术支持。而 AI 2021侧重于人工智能技术在当年的创新和突破，可能包括新的算法、应用案例和研究进展。
3.应用范围不同：AI CC服务于图形设计、视频编辑、网页开发等多个创意领域，它是一个产品集合。而 AI 2021指的是 2021年人工智能技术的整体进展，它的应用领域更为广泛，包括但不限于医疗、教育、交通、金融等多个行业。
盘点2021年度AI十大成果
年底了，想看看各大咨询公司或者科技公司的发布的AI领域榜单，结果搜了一圈，发现还没人做这个系列的专题，故打算自己做一个「野鸡」榜单。
昨天和@微调@白小鱼@Serendipity@marsggbo@平凡@lokinko在小群里讨论了下，选出了今年AI界的一些成果。本来还给这些成果打分的，但考虑到我们不是什么权威机构，纯粹是几个技术爱好者讨论，打分容易引起争议，所以就放弃打分排序了，直接按成果发表/公布的时间排序。
本文的目的，不是为了比较哪个AI成果更牛，而是尽量让更多人了解到今年AI行业的进展，以及发展趋势。如榜单未必如大家所想的一样，或者漏了某个很强的技术，也欢迎大家补充你认为更厉害的AI成果，在评论区补充
年度10大AI成果（按时间排序）1. Switch Transformers
发表时间：2021年1月11日
论文地址： Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity
亮点：
知乎相关讨论：
2. SEER(SElf-supERvised)
发表时间：2021年3月2号
论文地址： Self-supervised Pretraining of Visual Features in the Wild
亮点：
博客：
ai.facebook.com/blog/se...
3. Swin Transformer
发表时间：2021年3月25号
论文地址： Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
亮点：
文章的几位作者现身知乎作答：
如何看待swin transformer成为ICCV2021的 best paper？
4. SSViT
发表时间：2021年4月29号
论文地址： Emerging Properties in Self-Supervised Vision Transformers
亮点：
5. MLP-Mixer
发布时间：2021年5月4号
论文地址： MLP-Mixer: An all-MLP Architecture for Vision
亮点：
不过Yann LeCun说，这种技巧只是「烹饪艺术」
知乎相关讨论：
6. GitHub Copilot
发布时间： 2021年6月19号
项目地址： GitHub Copilot.
在把Github Copilot选进来是，我是有点犹豫的，因为Github Copilot确实有很多争议，例如违反开源协议，代码抄袭等等。但从技术角度来看，这确实是一个不错的玩法，而且自动补全的代码很强，甚至还能刷LeetCode，我也用过一段时间，确实能帮助我提高写代码效率。当然，不要依赖它，毕竟它写的代码不能保证是没bug的。
相关视频讲解：
7. AlphaFold2开源
开源时间：2021年7月21日
项目地址： GitHub- deepmind/alphafold: Open source code for AlphaFold.
AlphaFold2虽然是去年的论文，但今年才公布源码。
亮点：
知乎相关讨论：
8.源1.0发布
发布时间：2021年10月10号
论文地址： Yuan 1.0: Large-Scale Pre-trained Language Model in Zero-Shot and Few-Shot Learning
亮点：
知乎相关讨论：
9. MT-NLG
发布时间：2021年10月11号
文章地址（论文还没出来）： Using DeepSpeed and Megatron to Train Megatron-Turing NLG 530B, the World’s Largest and Most Powerful Generative Language Model- Microsoft Research
亮点：
知乎相关讨论：
10. NÜWA:（女娲）
发布时间：2021年11月24日
论文地址： NÜWA: Visual Synthesis Pre-training for Neural visUal World creAtion
亮点：
知乎相关讨论：
Model of the Year
这是我在写文章时突发奇想加的一节内容。如果要提名个年度最有意思的模型，大家会选哪个呢？
那我个人会给MLP-Mixer。事实上，我和小伙伴们给这个模型的评分都挺高的。
尽管不是SOTA，但在今年好几个超大模型的情况下，另辟捷径，用回MLP，有种返璞归真的感觉。
当然，仅仅列举十个AI成果还是不够的，我想尝试从这十个成果里总结几点今年人工智能发展的趋势：
除了上面列举的十个成果之外，今年还有很多其他不错的成果，例如2600亿参数的 ERNIE 3.0 Titan，何恺明大神的 Masked Autoencoders，等成果都不错，但怕超过10个大家看起来有压力，所以不展开写了了，感兴趣的可以搜搜看。
看完这10大AI成果，你是觉得今年的AI成果没去年那么令人激动人心，还是觉得今年的AI成果更有意思的呢？无论你怎么看，都欢迎告诉我你的想法。
好了，文章到此结束，希望可以帮助到大家。