什么是生成式 AI，它是如何工作的？

如果您了解过有关聊天机器人（如 ChatGPT）和图像生成器（如 Midjourney）的热门话题，您可能遇到过生成 AI 一词。 该术语通常用于描述可以模仿人类并在几秒钟内执行复杂任务的现代人工智能系统。 生成式人工智能在绘画和写诗等创造性任务中表现尤为出色，而这些任务历来是计算机难以胜任的。 但是，是什么刺激了生成式人工智能的突然爆发？这项技术是如何运作的？ 这里有你需要知道的一切。

生成式 AI 是一个包罗万象的术语，用于描述可以自行生成文本、图像、视频和音频的计算机程序。

到目前为止，大多数人工智能系统都不是很有创造力，而且会产生比人类差得多的结果。 然而，生成式 AI 不再是这种情况。 例如，您可以要求像 Bing Image Creator 这样的生成式 AI 工具创建一个“可爱的橙色眼睛蓝色 AI 生物”的逼真图像，它会提供您在上面看到的结果。 有问题的工具并没有明确地被教导或训练来生成这个图像，但它无论如何提供了一个令人印象深刻的结果。

生成式 AI 工具的功能越来越强大，每隔几个月就会有新的开发成果落地。 最新版本的 AI 图像生成器甚至成功地愚弄了专家并赢得了著名的摄影比赛。 同样，一些人工智能生成的图像在社交媒体上疯传，包括一些具有政治议程的图像。

因此，无论您是否打算自己使用生成式 AI，重要的是要知道它们的存在以及它们的局限性。 值得庆幸的是，我们还没有达到这些工具完美的地步。 事实上，他们很容易犯一些明显的错误。 这意味着您可以通过正确的信息和培训来区分真实内容和人工智能生成的内容。

生成式人工智能属于机器学习的范畴，这是一个广义术语，用于描述任何分析大量数据的计算机算法。 这些算法旨在模仿人类执行任务的方式。

第一步是从现有数据中提取模式，因此如果你想要一个可以生成新面孔的 AI，你需要输入包含面孔图像的数据集。 通过足够的训练，该算法将了解一张脸的样子以及鼻子、眼睛、耳朵和嘴唇等常见特征。 从那里，它可以开始处理更小的细节，如表情、面部毛发和肤色。

如果没有足够的训练，我们示例中的机器学习模型将不会产生看起来像人脸的结果。 事实上，这个问题目前正在影响像 Midjourney 这样的 AI 图像生成器。 通过仔细检查图像中可见的手指，专家们能够快速检测出教皇弗朗西斯的虚构图像。 由于拿着物体的人的照片不包括完整的手指，因此生成式 AI 算法可能难以从训练数据中收集足够的信息。

变形金刚和强化学习

您可能听说过的许多现代生成式 AI 工具（包括 ChatGPT）都依赖于 Transformer 架构。 转换器允许算法专注于数据内的关系。 因此，例如，在像 GPT-3 这样的大型语言模型中，他们会预测下一个可能出现的单词。

强化学习是生成式 AI 中使用的另一种常用技术。 简而言之，人类手动对模型的输出进行评分，以过滤掉不良反应并推动算法以某种方式做出反应。 多亏了一篇关于 LaMDA 语言模型的公开研究论文，我们知道谷歌雇佣了兼职人员来进行强化学习。 随着时间的推移，他们的反馈帮助该模型对用户提示提供高质量和有用的响应。

与任何新技术一样，我们一定会看到它同时以创造性和恶意的方式被使用。 让我们从生成式 AI 的好处开始：

• 减少体力劳动：在涉及大量重复的任务中，生成式人工智能可以毫不费力地减轻负担。 例如，计算机代码包含大量样板文本。 开发人员可以在聊天机器人的帮助下自动执行大部分初始步骤。
• 提高效率：计算机可以比任何人更快地处理大量信息。 语言模型可以快速总结一篇长篇文档或研究论文，并回答需要批判性思维的问题。
• 类人决策：生成式 AI 可以非常好地处理新的和未见过的场景，这意味着它也可以在决策方面表现出色。 例如，GPT-4 已经可以通过专为大学生设计的标准化测试并解决复杂的数学问题。

尽管生成式 AI 工具很有前途，但它们也有很多缺点。 我们已经有一个专门的帖子来解决人工智能的危险，但这里有一个简短的总结：

• 偏见：如前所述，生成式 AI 工具只有在经过足够的训练后才能表现良好。 然而，不幸的是，现实世界中无穷无尽的变化使得无偏见或完美的人工智能在今天变得遥不可及。 例如，一个旨在选择求职者的人工智能可能会由于训练偏差而无意中根据某些种族或性别进行选择。
• 恶意行为：从使用 ChatGPT 生成恶意软件的业余程序员到创建政客深度伪造图像的社交媒体用户，生成式 AI 工具已经可以毫不费力地伤害或误导普通民众。
• 失业：生成式人工智能有可能淘汰一些工作，或者至少减少招聘需求。 在艺术行业尤其如此，一个基于文本的提示几乎可以立即生成图像。 然后，受过训练的人只需花费很短的时间来改进 AI 生成的艺术作品，而不是从头开始创作。

我们已经在整篇文章中讨论了一些生成式 AI 的示例。 但我们还可以更进一步，根据他们的角色对他们进行分组。

1. 文本和对话：ChatGPT、Bing Chat 和 Google Bard 等聊天机器人属于此类。 他们经过培训和微调，可以进行来回对话，非常适合研究和客户支持等任务。
2. 图片和视频：像 Midjourney、DALL-E 和 Stable Diffusion 这样的 AI 图像生成器可以将一些文字转化为艺术。 他们还可以使用现有图像来替换背景、添加或混合元素，以及创建低质量输入的放大副本。
3. 语音和音频：像谷歌这样的公司一直致力于使用生成人工智能来合成语音。 您可能已经熟悉 WaveNet 文本转语音模型，因为它用于 Google 智能助理。 但这还不是全部，OpenAI Jukebox 等其他生成式 AI 也可以使用特定流派和风格的乐器和人声创作音乐。
4. 代码: 如果计算机可以编写自己的程序会怎么样？ 我们还没有完全做到这一点，但程序员已经可以使用 GitHub Copilot 或 OpenAI Codex 等 AI 伙伴来加快他们的工作流程。

值得注意的是，大多数这些生成性人工智能工具在几年前甚至还不存在。 似乎每隔一周就会有突破，因此无法预测未来会发生什么。