作者 | Nisha Arya        

譯者 | 布加迪

審校 | 重樓

目前，生成式AI具備哪些能力？為了探究下一波生成式AI模型，它需要克服哪些挑戰(zhàn)？

如果您一直關(guān)注科技界，就知道生成式AI是最熱門的話題。我們聽到了太多關(guān)于ChatGPT和DALL-E等方面的消息。

最近生成式AI方面的突破將徹底改變我們繼續(xù)對(duì)待內(nèi)容創(chuàng)建的方式和AI工具在所有行業(yè)領(lǐng)域的增長(zhǎng)率。Grand View Research在其《人工智能市場(chǎng)規(guī)模、份額和趨勢(shì)分析報(bào)告》中指出：2022年全球人工智能市場(chǎng)規(guī)模為1365.5億美元，預(yù)計(jì)從2023年到2030年將以37.3%的年復(fù)合增長(zhǎng)率增長(zhǎng)?！?/p>

如今，來(lái)自不同行業(yè)或背景的越來(lái)越多的組織希望通過(guò)使用生成式AI來(lái)提高技能。

1、生成式AI的定義

生成式AI是一種算法，用于創(chuàng)建新的獨(dú)特內(nèi)容，比如文本、音頻、代碼和圖像等。隨著AI的發(fā)展，生成式AI有望席卷各行各業(yè)，幫助它們完成人們?cè)?jīng)認(rèn)為不可能完成的任務(wù)。

生成式AI已經(jīng)在創(chuàng)造可以模仿藝術(shù)大師的藝術(shù)作品了。時(shí)尚行業(yè)可以利用生成式AI為他們的下一款系列創(chuàng)造新的設(shè)計(jì)。室內(nèi)設(shè)計(jì)師可以使用生成式AI在幾天內(nèi)為客戶設(shè)計(jì)夢(mèng)想的家居，而不是幾周和幾個(gè)月。

生成式AI相當(dāng)新穎，在不斷發(fā)展中，仍然需要時(shí)間來(lái)完善。然而，像ChatGPT這樣的應(yīng)用程序已經(jīng)拉高了門檻，預(yù)計(jì)在未來(lái)幾年會(huì)看到更多創(chuàng)新的應(yīng)用程序發(fā)布。

2、生成式AI的作用

就像之前提到的，生成式AI仍在不斷完善中。截至今天，我們可以將其分成三部分：

1）生成新的內(nèi)容/信息

這可以是創(chuàng)建新的博客、視頻教程或者放在墻上的某種新奇的藝術(shù)作品。而且，它也有助于開發(fā)一種新藥。

2）取代重復(fù)的任務(wù)

生成式AI可以接管員工繁瑣而重復(fù)的任務(wù)，比如撰寫電子郵件、演示文檔摘要、編程及其他類型的操作。

3）定制的數(shù)據(jù)

生成式AI可以為特定的客戶體驗(yàn)創(chuàng)建內(nèi)容，這可以用作確保成功、投資回報(bào)率、營(yíng)銷技巧和客戶參與度的數(shù)據(jù)。利用消費(fèi)者的行為模式，公司就能夠區(qū)分有效的策略和方法。

下面是其中一種最流行的生成式AI模型：Diffusion Models。

Diffusion Model（擴(kuò)散模型）

擴(kuò)散模型旨在通過(guò)將數(shù)據(jù)集映射到低維潛在空間來(lái)學(xué)習(xí)數(shù)據(jù)集的底層結(jié)構(gòu)。潛在擴(kuò)散模型是一種深度生成式神經(jīng)網(wǎng)絡(luò)，由慕尼黑大學(xué)的計(jì)算機(jī)視覺小組和Runway開發(fā)。

擴(kuò)散過(guò)程是當(dāng)您慢慢地在壓縮的潛在表示中添加或擴(kuò)散噪聲，并生成一個(gè)僅僅是噪聲的圖像。然而，擴(kuò)散模型的方向恰好相反，采用了擴(kuò)散的相反過(guò)程。噪聲以一種可控的方式從圖像中逐漸減少，因此圖像慢慢看起來(lái)像原來(lái)的樣子。

3、生成式AI的用例

生成式AI已經(jīng)被來(lái)自不同行業(yè)領(lǐng)域的許多組織廣泛采用。它讓組織可以采用工具來(lái)幫助微調(diào)目前的流程和方法，并更有效地提升它們。比如說(shuō)：

?媒體

假設(shè)媒體組織在創(chuàng)建一篇新的文章或一幅新的圖片放到網(wǎng)站上，或者創(chuàng)建一個(gè)很酷的視頻。生成式AI席卷了媒體行業(yè)，使它們能夠以更快的速度生成高效的內(nèi)容，并降低成本。個(gè)性化內(nèi)容使組織能夠?qū)⒖蛻魠⑴c度提升到新的水平，并提供更高效的客戶保留策略。

?金融

現(xiàn)在有一些AI工具，比如面向KYC和AML流程的智能文檔處理（IDP）。而且，生成式AI使金融機(jī)構(gòu)能夠通過(guò)發(fā)現(xiàn)消費(fèi)者支出的新模式和確定潛在問(wèn)題來(lái)進(jìn)一步做好客戶分析工作。

?醫(yī)療保健

生成式AI可以幫助處理X光片和CT掃描等圖像，以提供更準(zhǔn)確的可視化結(jié)果、更好地定義圖像，并以更快的速度檢測(cè)診斷。比如說(shuō)，如果使用借助GAN（生成式對(duì)抗網(wǎng)絡(luò)）的插圖到照片轉(zhuǎn)換等工具，醫(yī)院保健專業(yè)人員就能夠更深入地了解患者當(dāng)前的健康狀況。

4、生成式AI的治理挑戰(zhàn)

生成式AI的興起已促使各國(guó)政府積極考慮如何能夠控制生成式AI工具的使用。

一段時(shí)間以來(lái)，AI領(lǐng)域已向組織開放，可以做它們想做的事情。然而，早晚有人介入并圍繞AI制定法規(guī)。許多人擔(dān)心對(duì)生成式AI模型的監(jiān)督、它將如何影響社會(huì)經(jīng)濟(jì)，以及知識(shí)產(chǎn)權(quán)和隱私侵犯等其他問(wèn)題。

生成式AI目前在治理方面面臨的主要挑戰(zhàn)如下：

?數(shù)據(jù)隱私——生成式AI模型需要大量數(shù)據(jù)才能成功導(dǎo)出準(zhǔn)確的輸出內(nèi)容。由于敏感信息可能被濫用，數(shù)據(jù)隱私是所有AI公司和工具都面臨的一個(gè)挑戰(zhàn)。

?所有權(quán)——由生成式AI創(chuàng)造的任何內(nèi)容或信息的知識(shí)產(chǎn)權(quán)仍然是開放式討論。一些人可能會(huì)說(shuō)內(nèi)容很獨(dú)特，另一些人可能會(huì)說(shuō)文本生成的內(nèi)容是從互聯(lián)網(wǎng)眾多來(lái)源拼湊而成的。

?質(zhì)量——隨著大量數(shù)據(jù)被饋送到生成式AI模型中，須關(guān)注的首要問(wèn)題是調(diào)查數(shù)據(jù)的質(zhì)量，然后調(diào)查所生成的輸出內(nèi)容的準(zhǔn)確性。醫(yī)療等行業(yè)是高度關(guān)注的領(lǐng)域，因?yàn)樘幚礤e(cuò)誤信息可能會(huì)帶來(lái)嚴(yán)重影響。

?偏誤——當(dāng)我們研究數(shù)據(jù)質(zhì)量時(shí)，還需要評(píng)估訓(xùn)練數(shù)據(jù)中可能存在的偏誤。這可能會(huì)導(dǎo)致歧視性輸出，導(dǎo)致AI在許多人眼中令人反感。

5、結(jié)語(yǔ)

生成式AI在被所有人積極接受之前還有很多工作要做。這些AI模型需要更好地理解來(lái)自不同文化背景的人類語(yǔ)言。對(duì)于我們來(lái)說(shuō)，與人交談時(shí)的常識(shí)對(duì)我們來(lái)說(shuō)很自然，然而對(duì)AI系統(tǒng)來(lái)說(shuō)卻不是很常見。它們竭力適應(yīng)不同的環(huán)境，因?yàn)樗鼈儽痪幊虨橛檬聦?shí)信息加以訓(xùn)練。

看到生成式AI在未來(lái)會(huì)扮演什么角色將是一件有趣的事情，我們須拭目以待。

原文鏈接：https://www.kdnuggets.com/2023/05/future-ai-exploring-next-generation-generative-models.html