譯者 | 布加迪

審校 | 重樓

來自OpenAI的ChatGPT和DALL-E等AI系統正在商業和內容創作領域迅速受到追捧。但是生成式AI是什么？它又是如何工作的？不妨耐心讀下去。

生成式AI是什么？

簡而言之，生成式AI是人工智能的一個子領域，計算機算法被用于生成類似于人類創造的內容的輸出，無論是文本、圖像、圖形、音樂、計算機代碼還是其他內容。

在生成式AI中，算法旨在從含有預期輸出示例的訓練數據中學習。通過分析訓練數據中的模式和結構，生成式AI模型可以生成與原始輸入數據有相同特征的新內容。這樣一來，生成式AI就有能力生成看起來類似人類的逼真內容。

生成式AI是如何工作的？

生成式AI基于機器學習過程，其靈感來自人類大腦的內部運作，即神經網絡。訓練模型需要向算法饋送大量數據，這些數據充當AI模型用來學習的基礎。這可以由文本、代碼、圖形或與手頭任務相關的任何其他內容組成。

一旦收集了訓練數據，AI模型就會分析數據中的模式和關系，以了解負責治理內容的基本規則。AI模型在學習過程中不斷微調參數，提升模擬人類生成內容的能力。AI模型生成的內容越多，其輸出就變得越復雜、越有說服力。

生成式AI的例子

近年來，生成式AI取得了重大進展，許多工具吸引了公眾的注意力，尤其在內容創作者當中引起了轟動。大型科技公司也加入了這股潮流，谷歌、微軟和亞馬遜等公司都推出了自己的生成式AI工具。

視實際應用的不同，生成式AI工具可能依賴引導其生成預期結果的輸入提示，想想ChatGPT和DALL - E2。

生成式AI工具的一些最有名的例子包括如下：

• ChatGPT：ChatGPT由OpenAI開發，它是一種AI語言模型，可以根據給定的提示生成類似人類的文本。
• DALL-E 2：DALL-E是來自OpenAI的另一種生成式AI模型，旨在基于文本提示創建圖像和藝術品。
• Midjourney：Midjourney由總部位于舊金山的研究實驗室Midjourney Inc.開發，它解釋文本提示和上下文以生成視覺內容，類似DALL–E 2。
• GitHub Copilot：GitHub Copilot是一種由GitHub和OpenAI創建的基于AI的編程工具，它為Visual Studio和JetBrains等開發環境的用戶提供代碼完成建議。

生成式AI模型的類型

如今有幾種類型的生成式AI模型，每種模型都旨在針對特定的挑戰和應用。這些生成式AI模型大致可以分為以下幾種類型。

• 基于Transformer的模型

這些模型包括OpenAI的ChatGPT和GPT-3.5，是為自然語言處理而設計的神經網絡。它們接受大量數據的訓練，以學習單詞和句子等順序型數據之間的關系，這使它們適用于文本生成任務。

• 生成式對抗網絡（GAN）

GAN由兩個神經網絡組成：生成器和鑒別器，它們以競爭或對抗的方式工作。生成器創建數據，而鑒別器評估所述數據的質量和真實性。隨著時間的推移，兩個網絡都能更好地發揮各自的作用，從而生成更真實的輸出。

• 變分自編碼器（VAE）

VAE使用編碼器和解碼器來生成內容。編碼器接受圖像或文本等輸入數據，并將其簡化成更緊湊的形式。解碼器獲取這些編碼數據后，將其重新組織成類似原始輸入的新內容。

• 多模態模型

多模態模型可以處理多種類型的輸入數據，包括文本、音頻和圖像；它們結合不同的模態來創建更復雜的輸出。例子包括DALL-E 2和OpenAI的GPT-4，它還能夠接受圖像和文本輸入。

生成式AI的好處

生成式AI帶來的最引人注目的好處是效率，原因在于它使企業能夠自動處理特定任務，并將時間、精力和資源集中在更重要的戰略目標上。這常常有助于降低人力成本，提高運營效率。

生成式AI常常為公司企業提供另外的好處，包括如下：

• 輕松定制或個性化營銷內容。
• 生成新的想法、設計或內容。
• 編寫、檢查和優化計算機代碼。
• 為論文或文章起草模板。
• 通過聊天機器人和虛擬助手改進客戶支持。
• 為機器學習模型的數據增強提供便利。
• 分析數據以改進決策。
• 簡化研究開發流程。

生成式AI的用例

盡管生成式AI仍處于比較初級的階段，但該技術已經在各種應用和行業站穩了腳跟。

比如在內容創作方面，生成式AI可以生成文本、圖像甚至音樂，幫助營銷人員、記者和藝術家完成他們的創作流程。在客戶支持方面，AI驅動的聊天機器人和虛擬助手可以提供更個性化的幫助，縮短響應時間，同時為客戶服務工作人員減輕負擔。

生成式AI的其他用途包括如下：

• 醫療保健：生成式AI用于醫療界，以加快新藥的發現，并節省研發時間和金錢。
• 營銷：廣告商使用生成式AI來策劃個性化的廣告活動，并根據消費者的喜好調整內容。
• 教育：一些教育工作者使用生成式AI模型來開發定制的教學材料和評估考核，以滿足不同學生的學習風格。
• 金融：金融分析師使用生成式AI來分析市場模式，并預測股市趨勢。
• 環境：氣候科學家使用生成式AI模型來預測天氣模式，并模擬氣候變化的影響。

生成式AI的危險和局限性

值得一提的是，生成式AI帶來了許多需要注意的問題。一大問題是它可能傳播錯誤信息或者惡意或敏感的內容，這可能對個人和企業造成嚴重損害，并可能對國家安全構成威脅。

這些風險并沒有逃過政策制定者的眼睛。2023年4月，歐盟提議出臺針對生成式AI的新版權規定，要求公司披露用于開發這些工具的任何受版權保護的材料。但愿這些規定會鼓勵AI開發方面的透明度和倫理道德，同時最大限度地減少任何濫用或侵犯知識產權的行為。這也有望為內容創作者提供一些保護，他們的作品可能會被生成AI工具無意中模仿或剽竊。

生成式AI自動處理任務也可能影響勞動者，并導致工作崗位流失，需要受影響的員工重新學習技能或提升技能。此外，生成式AI模型可能無意中學習和放大訓練數據中存在的偏誤，導致有問題的輸出，使刻板印象和有害的意識形態永久化。

ChatGPT、Bing AI和谷歌Bard自推出以來都因生成不正確或有害的輸出內容而引發了爭議。隨著生成式AI的不斷發展，這些擔憂必須得到消除，特別是考慮到很難審查用于訓練AI模型的數據源。

生成式AI vs 通用AI

生成式AI和通用AI代表了人工智能的不同方面。生成式AI側重于基于現有數據創建新的內容或想法。它面向特定的應用，是AI的一個子集，擅長解決特定的任務。

通用AI（又叫通用人工智能）泛指這個概念：具有類人智能的AI系統。通用AI仍然是科幻作品中的東西，它代表了想象中的AI發展的未來階段，到時計算機能夠自主思考、推理和行動。

生成式AI是未來嗎？

這取決于您問的對象是誰，但許多專家認為，生成式AI在未來的各行各業都將發揮重要作用。生成式AI的功能已經在內容創建、軟件開發和醫療保健等領域被證明大有價值，隨著這項技術不斷發展，其應用和用例也將日趨豐富。

話雖如此，生成式AI的未來與解決它帶來的潛在風險密不可分。隨著這項技術不斷進步，應當通過最大限度地減少偏誤、提高透明度和問責制以及維護數據治理，確保AI的使用合乎倫理道德，這將至關重要。與此同時，在自動化與人類參與之間取得平衡對于最大限度地發揮生成式AI的好處，同時減小對勞動力的任何潛在負面影響而言至關重要。

原文標題：Generative AI defined: How it works, benefits and dangers，作者：Owen Hughes