Genera AI estas speco de teknologio de artefarita inteligenteco, kiu larĝe priskribas maŝinlernajn sistemojn, kiuj povas generi tekston, bildojn, kodon aŭ aliajn specojn de enhavo.
La modeloj de genera artefarita inteligenteco estas pli kaj pli korpigitaj en interretajn ilojn kaj chatbot
kiuj permesas al uzantoj tajpi demandojn aŭ instrukciojn en enigkampon, sur kiu la AI-modelo generos homsimilan respondon.
La modeloj de genera artefarita inteligenteco ili uzas kompleksan komputilan procezon konatan kiel deep learning
analizi komunajn ŝablonojn kaj aranĝojn en grandaj datumaj aroj kaj poste uzi ĉi tiujn informojn por krei novajn kaj konvinkajn rezultojn. La modeloj faras tion korpigante maŝinlernajn teknikojn konatajn kiel neŭralaj retoj, kiuj estas loze inspiritaj de la maniero kiel la homa cerbo prilaboras kaj interpretas informojn kaj tiam lernas de ĝi laŭlonge de la tempo.
Por doni ekzemplon, nutrante modelon de genera artefarita inteligenteco kun grandaj kvantoj de rakonto, dum tempo la modelo povus identigi kaj reprodukti la elementojn de rakonto, kiel ekzemple intrigstrukturo, karakteroj, temoj, rakontaparatoj, ktp.
La modeloj de genera artefarita inteligenteco ili fariĝas pli kompleksaj kiam la datumoj, kiujn ili ricevas kaj generas, pliiĝas, denove danke al la teknikoj de deep learning
kaj de neŭrala reto malsupre. Kiel rezulto, des pli da enhavo generas ŝablono genera artefarita inteligenteco, des pli konvinkaj kaj homaj iĝas ĝiaj rezultoj.
La populareco degenera artefarita inteligenteco eksplodis en 2023, plejparte danke al programoj Babilado GPT e SLAB di OpenAI. Krome, la rapida progreso de teknologioj artefarita inteligenteco, kiel natura lingvoprilaborado, faris lagenera artefarita inteligenteco alirebla por konsumantoj kaj enhavkreantoj je skalo.
Grandaj teknologiaj kompanioj rapide saltis sur la vagonaron, kun Google, Microsoft, Amazon, Meta kaj aliaj ĉiuj vicigante siajn proprajn evoluilojn. genera artefarita inteligenteco ene de kelkaj monatoj.
Estas multaj iloj genera artefarita inteligenteco, kvankam la teksto- kaj bildaj generaj modeloj estas verŝajne la plej konataj. La modeloj de genera artefarita inteligenteco ili tipe fidas je uzanto disponiganta mesaĝon kiu gvidas ilin al produktado de la dezirata produktaĵo, ĉu ĝi estas teksto, bildo, vidbendo aŭ muzikaĵo, kvankam tio ne estas ĉiam la kazo.
Estas diversaj specoj de generaj AI-modeloj, ĉiu desegnita por specifaj defioj kaj taskoj. Ĉi tiuj povas esti larĝe klasifikitaj en la sekvajn tipojn.
Transformer-based models
Transformil-bazitaj modeloj estas trejnitaj sur grandaj datenoj por kompreni rilatojn inter sinsekvaj informoj, kiel ekzemple vortoj kaj frazoj. Subtenita de deep learning, ĉi tiuj AI-modeloj tendencas esti bone sperta en NLP kaj kompreni la strukturon kaj kuntekston de lingvo, igante ilin bone taŭgaj por tekstgeneradaj taskoj. ChatGPT-3 kaj Google Bard estas ekzemploj de transformil-bazitaj generaj AI-modeloj.
Generative adversarial networks
GANoj konsistas el du neŭralaj retoj konataj kiel generatoro kaj diskriminanto, kiuj esence funkcias unu kontraŭ la alia por krei aŭtentikajn datumojn. Kiel la nomo indikas, la rolo de la generatoro estas generi konvinkan produktaĵon kiel ekzemple bildo bazita sur sugesto, dum la diskriminanto laboras por taksi la aŭtentecon de la menciita bildo. Kun la tempo, ĉiu komponanto pliboniĝas en siaj respektivaj roloj, atingante pli konvinkajn rezultojn. Kaj DALL-E kaj Midjourney estas ekzemploj de GAN-bazitaj generaj AI-modeloj.
Variational autoencoders
VAEoj uzas du retojn por interpreti kaj generi datumojn: ĉi-kaze ĝi estas kodigilo kaj malĉifrilo. La kodilo prenas la enigajn datumojn kaj kunpremas ĝin en simpligitan formaton. La malĉifrilo tiam prenas ĉi tiujn kunpremitajn informojn kaj rekonstruas ĝin en ion novan, kiu similas la originajn datumojn, sed ne estas tute la sama.
Ekzemplo estus instrui komputilan programon por generi homajn vizaĝojn uzante fotojn kiel trejnajn datumojn. Kun la tempo, la programo lernas simpligi fotojn de la vizaĝoj de homoj reduktante ilin al kelkaj gravaj trajtoj, kiel la grandeco kaj formo de la okuloj, nazo, buŝo, oreloj ktp., kaj poste uzi ilin por krei novajn vizaĝojn.
Multimodal models
Plurmodaj modeloj povas kompreni kaj prilabori plurajn specojn de datumoj samtempe, kiel ekzemple teksto, bildoj, kaj aŭdio, permesante al ili krei pli sofistikajn produktaĵojn. Ekzemplo estus AI-modelo, kiu povas generi bildon bazitan sur teksta prompto, same kiel teksta priskribo de bildpromeso. DALL-E 2 e GPT-4 de OpenAI estas ekzemploj de multmodaj modeloj.
Por entreprenoj, efikeco estas verŝajne la plej konvinka avantaĝo de genera AI ĉar ĝi povas ebligi entreprenojn aŭtomatigi specifajn taskojn kaj koncentri tempon, energion kaj rimedojn al pli gravaj strategiaj celoj. Ĉi tio povas konduki al pli malaltaj laborkostoj, pliigita operacia efikeco kaj novaj komprenoj pri ĉu certaj komercaj procezoj funkcias aŭ ne.
Por profesiuloj kaj enhavaj kreintoj, generaj AI-iloj povas helpi kun ideogenerado, enhavplanado kaj planado, serĉilo-optimumigo, merkatado, spektantaro-engaĝiĝo, esplorado kaj redaktado, kaj eble pli. Denove, la ĉefa proponita avantaĝo estas efikeco ĉar generaj AI-iloj povas helpi uzantojn redukti la tempon, kiun ili pasigas por certaj taskoj, por ke ili povu investi sian energion aliloke. Dirite, mana superrigardo kaj kontrolo de generaj AI-modeloj restas ekstreme gravaj.
Generativa AI trovis piedtenejon en multaj industriaj sektoroj kaj rapide disetendiĝas en komercajn kaj konsumajn merkatojn. McKinsey taksas ke, ĝis 2030, taskoj kiuj nuntempe okupas ĉirkaŭ 30% de la laborhoroj en Usono povus esti aŭtomatigitaj, danke al la akcelo de genera artefarita inteligenteco.
En klientservado, AI-funkciigitaj babilrotoj kaj virtualaj asistantoj helpas kompaniojn redukti respondtempojn kaj rapide trakti oftajn klientajn demandojn, reduktante la ŝarĝon de dungitaro. En programaro, generaj AI-iloj helpas programistojn kodi pli pure kaj efike reviziante kodon, reliefigante cimojn kaj sugestante eblajn solvojn antaŭ ol ili fariĝos pli grandaj problemoj. Dume, verkistoj povas uzi generajn AI-iloj por plani, redakti kaj revizii eseojn, artikolojn kaj aliajn skribajn verkojn, kvankam ofte kun miksitaj rezultoj.
La uzo de genera AI varias de industrio al industrio kaj estas pli establita en iuj ol aliaj. Nunaj kaj proponitaj uzkazoj inkludas la sekvantajn:
Grava zorgo pri la uzo de generaj AI-iloj - kaj precipe tiuj alireblaj por la publiko - estas ilia potencialo disvastigi misinformon kaj damaĝan enhavon. La efiko de tio povas esti vasta kaj severa, de la eternigo de stereotipoj, malama parolado kaj damaĝaj ideologioj ĝis damaĝo al personaj kaj profesiaj reputacioj kaj la minaco de juraj kaj financaj sekvoj. Oni eĉ sugestis, ke misuzo aŭ misadministrado de genera AI povus riski nacian sekurecon.
Ĉi tiuj riskoj ne eskapis al politikistoj. En aprilo 2023, la Eŭropa Unio proponis novaj kopirajtaj reguloj por genera AI kiu postulus firmaojn malkaŝi ajnan kopirajtigitan materialon uzitan por evoluigi generajn artefaritinteligentajn ilojn. Ĉi tiuj reguloj estis aprobitaj en la projekto de leĝo voĉdonita de la Eŭropa Parlamento en junio, kiu ankaŭ inkludis striktajn limigojn al la uzo de artefarita inteligenteco en EU-membrolandoj, inkluzive de proponita malpermeso de realtempa vizaĝa rekono teknologio en spacoj publikaj.
Aŭtomatigi taskojn per genera AI ankaŭ vekas zorgojn pri laborforto kaj labormovo, kiel elstarigis McKinsey. Laŭ la konsilista grupo, aŭtomatigo povus kaŭzi 12 milionojn da kariertransiroj inter nun kaj 2030, kun laborperdoj koncentritaj en oficeja subteno, klientservo kaj manĝservo. La raporto taksas, ke postulo je oficejaj laboristoj povus "... malpliiĝi je 1,6 milionoj da laborlokoj, krom perdoj de 830.000 por podetalaj vendistoj, 710.000 por administraj helpantoj kaj 630.000 por kasistoj."
Genera AI kaj ĝenerala AI reprezentas malsamajn flankojn de la sama monero. Ambaŭ koncernas la kampon de artefarita inteligenteco, sed la unua estas subtipo de la dua.
Generativa AI uzas diversajn maŝinlernajn teknikojn, kiel GAN, VAE aŭ LLM, por generi novan enhavon de modeloj lernitaj de trejnaj datumoj. Ĉi tiuj produktaĵoj povas esti teksto, bildoj, muziko aŭ io ajn alia, kiu povas esti reprezentita ciferece.
Artefarita ĝenerala inteligenteco, ankaŭ konata kiel artefarita ĝenerala inteligenteco, larĝe rilatas al la koncepto de komputilsistemoj kaj robotiko kiuj posedas homsimilan inteligentecon kaj aŭtonomion. Ĉi tio ankoraŭ estas la materialo de sciencfikcio: pensu WALL-E de Disney Pixar, Sonny de 2004 I, Robot, aŭ HAL 9000, la malbonvola artefarita inteligenteco de Stanley Kubrick 2001: Spaca Odiseado. La plej multaj nunaj AI-sistemoj estas ekzemploj de "mallarĝa AI", ĉar ili estas dizajnitaj por tre specifaj taskoj.
Kiel priskribite supre, genera AI estas subkampo de artefarita inteligenteco. Generativaj AI-modeloj uzas maŝinlernajn teknikojn por prilabori kaj generi datumojn. Ĝenerale, artefarita inteligenteco rilatas al la koncepto de komputiloj kapablaj je plenumado de taskoj kiuj alie postulus homan inteligentecon, kiel ekzemple decidiĝo kaj NLP.
Maŝinlernado estas la fundamenta komponento de artefarita inteligenteco kaj rilatas al la apliko de komputilalgoritmoj al datenoj por la celo de instrui komputilon por plenumi specifan taskon. Maŝinlernado estas la procezo kiu permesas al sistemoj de artefarita inteligenteco fari informitajn decidojn aŭ prognozojn bazitajn sur lernitaj ŝablonoj.
La eksploda kresko de genera AI ne montras signojn de malpliiĝo, kaj ĉar pli da kompanioj akceptas ciferecigon kaj aŭtomatigon, genera AI ŝajnas ludi centran rolon en la estonteco de la industrio. La kapabloj de genera AI jam pruvis valoraj en industrioj kiel enhavkreado, programaro-disvolviĝo kaj medicino, kaj dum la teknologio daŭre evoluas, ĝiaj aplikoj kaj uzkazoj vastiĝos.
Dirite, la efiko de genera AI sur entreprenoj, individuoj kaj socio entute dependas de kiel ni traktas la riskojn kiujn ĝi prezentas. Certigante ke artefarita inteligenteco estas uzata etike minimumigante biason, plibonigante travideblecon kaj respondecon kaj subtenante la administrado de datumoj estos decida, dum certigado, ke reguligo daŭras rapide kun la rapida evoluo de teknologio jam pruvas esti defio. Same, trovi ekvilibron inter aŭtomatigo kaj homa implikiĝo estos grava se ni esperas utiligi la plenan potencialon de genera AI mildigante ajnajn negativajn sekvojn.
Ercole Palmeri
La maramea sektoro estas vera tutmonda ekonomia potenco, kiu navigis al merkato de 150 miliardoj...
Pasintlunde, la Financial Times anoncis interkonsenton kun OpenAI. FT licencas sian mondklasan ĵurnalismon...
Milionoj da homoj pagas por streaming-servoj, pagante monatajn abonkotizojn. Estas komuna opinio, ke vi...
Coveware de Veeam daŭre liveros servojn de respondaj incidentoj pri ciberĉantaĝo. Coveware ofertos krimmedicinajn kaj solvajn kapablojn...