Mis on generatiivne tehisintellekt: kuidas see töötab, kasu ja oht

Generatiivne AI on 2023. aasta kuumim tehnoloogiline aruteluteema.

Mis on generatiivne tehisintellekt, kuidas see töötab ja millest see räägib? Vaatame seda selles artiklis koos

Mis on generatiivne tehisintellekt?

Generatiivne AI on tehisintellekti tehnoloogia tüüp, mis kirjeldab üldjoontes masinõppesüsteeme, mis võivad genereerida teksti, pilte, koodi või muud tüüpi sisu.

Mudelid generatiivne tehisintellekt on üha enam kaasatud veebitööriistadesse ja chatbot mis võimaldavad kasutajatel sisestada küsimusi või juhiseid sisestusväljale, mille peale AI-mudel genereerib inimesesarnase vastuse.

Kuidas generatiivne tehisintellekt töötab?

Mudelid generatiivne tehisintellekt nad kasutavad keerulist arvutiprotsessi, mida tuntakse kui deep learning analüüsida levinud mustreid ja paigutusi suurtes andmekogumites ning seejärel kasutada seda teavet uute ja mõjuvate tulemuste loomiseks. Mudelid teevad seda, kaasates masinõppetehnikaid, mida tuntakse närvivõrkudena, mis on lõdvalt inspireeritud viisist, kuidas inimese aju teavet töötleb ja tõlgendab ning seejärel sellest aja jooksul õpib.

Toon näite, mudeli söötmine generatiivne tehisintellekt suure narratiivihulgaga suudaks mudel aja jooksul tuvastada ja reprodutseerida loo elemente, nagu süžee struktuur, tegelased, teemad, narratiivsed vahendid jne.

Mudelid generatiivne tehisintellekt need muutuvad keerukamaks, kui nende poolt vastuvõetavate ja genereeritavate andmete hulk suureneb, seda taas tänu tehnikatele deep learning ja närvivõrk allpool. Selle tulemusena loob mall sisu rohkem generatiivne tehisintellekt, seda veenvamaks ja inimlikumaks selle tulemused muutuvad.

Näited generatiivsest AI-st

Populaarsusgeneratiivne tehisintellekt plahvatuslikult kasvas 2023. aastal, suuresti tänu programmidele ChatGPT e DALL-E di OpenAI. Lisaks tehnoloogia kiire areng tehisintellekt, nagu loomuliku keele töötlemine, on teinudgeneratiivne tehisintellekt tarbijatele ja sisuloojatele ulatuslikult juurdepääsetav.

Suured tehnoloogiaettevõtted on kiiresti hüppama hakanud – Google, Microsoft, Amazon, Meta ja teised on kõik rivistanud oma arendustööriistad. generatiivne tehisintellekt mõne kuu jooksul.

Tööriistu on palju generatiivne tehisintellekt, kuigi teksti ja pildi genereerimise mudelid on ilmselt tuntuimad. Mudelid generatiivne tehisintellekt tavaliselt tuginevad nad sellele, et kasutaja edastab sõnumi, mis juhendab neid soovitud väljundi, olgu selleks tekst, pilt, video või muusikapala, loomisele, kuigi see ei ole alati nii.

Generatiivse tehisintellekti mudelite näited

• ChatGPT: OpenAI välja töötatud tehisintellekti keelemudel, mis suudab vastata küsimustele ja genereerida tekstijuhiste põhjal inimsarnaseid vastuseid.
• FROM-E 3: teine ​​OpenAI AI mudel, mis suudab tekstijuhiste põhjal luua pilte ja kunstiteoseid.
• Google Bard: Google'i generatiivne AI vestlusbot ja ChatGPT rivaal. See on koolitatud suure keelemudeliga PaLM ja suudab vastata küsimustele ja genereerida viipadest teksti.
• Claude 2 : San Franciscos asuv Anthropic, mille 2021. aastal asutasid endised OpenAI teadlased, kuulutas novembris välja oma Claude AI mudeli uusima versiooni.
• Keskteekond : See San Franciscos asuva uurimislabori Midjourney Inc. välja töötatud tehisintellekti mudel tõlgendab tekstijuhiseid, et luua sarnaselt DALL-E 2-ga pilte ja kunstiteoseid.
• GitHubi koopia : AI-toega kodeerimistööriist, mis soovitab koodi lõpetamist Visual Studio, Neovimi ja JetBrainsi arenduskeskkondades.
• Laama 2: Meta avatud lähtekoodiga suure keele mudelit saab sarnaselt GPT-4-ga kasutada vestlusrobotite ja virtuaalsete assistentide jaoks vestluspõhise AI mudelite loomiseks.
• xAI: Pärast OpenAI rahastamist lahkus Elon Musk projektist juulis 2023 ja teatas uuest generatiivsest tehisintellekti ettevõtmisest. Selle esimene mudel, lugupidamatu Grok, tuli välja novembris.

Generatiivsete AI mudelite tüübid

Generatiivseid AI mudeleid on erinevat tüüpi, millest igaüks on loodud konkreetsete väljakutsete ja ülesannete jaoks. Need võib laias laastus jagada järgmisteks tüüpideks.

Transformer-based models

Trafopõhiseid mudeleid õpetatakse kasutama suuri andmekogumeid, et mõista järjestikuse teabe, näiteks sõnade ja lausete vahelisi seoseid. Toetavad deep learning, on need AI mudelid tavaliselt NLP-s hästi kursis ning mõistavad keele struktuuri ja konteksti, mistõttu sobivad need hästi teksti genereerimise ülesannete jaoks. ChatGPT-3 ja Google Bard on näited trafopõhistest generatiivsetest AI mudelitest.

Generative adversarial networks

GAN-id koosnevad kahest närvivõrgust, mida tuntakse generaatori ja diskriminaatorina ja mis töötavad sisuliselt üksteise vastu, et luua autentse välimusega andmeid. Nagu nimigi ütleb, on generaatori roll luua veenev väljund, näiteks soovitusel põhinev pilt, samas kui diskrimineerija töötab selle pildi autentsuse hindamiseks. Aja jooksul täiustab iga komponent oma rolli, saavutades veenvamad tulemused. Nii DALL-E kui ka Midjourney on näited GAN-põhistest generatiivsetest AI mudelitest.

Variational autoencoders

VAE-d kasutavad andmete tõlgendamiseks ja genereerimiseks kahte võrku: antud juhul on see kodeerija ja dekooder. Kodeerija võtab sisendandmed ja tihendab need lihtsustatud vormingusse. Seejärel võtab dekooder selle tihendatud teabe ja rekonstrueerib selle millekski uueks, mis sarnaneb algandmetega, kuid pole päris sama.

Näitena võiks tuua arvutiprogrammi õpetamise inimnägusid genereerima, kasutades treeningandmetena fotosid. Aja jooksul õpib programm inimeste nägudest tehtud fotosid lihtsustama, vähendades neid mõne olulise funktsioonini, nagu silmade, nina, suu, kõrvade jne suurus ja kuju, ning seejärel kasutama neid uute nägude loomiseks.

Multimodal models

Multimodaalsed mudelid saavad korraga mõista ja töödelda mitut tüüpi andmeid (nt teksti, pilte ja heli), võimaldades neil luua keerukamaid väljundeid. Näiteks võib tuua tehisintellekti mudeli, mis suudab tekstiviipa põhjal luua pildi, aga ka pildiviipa tekstilise kirjelduse. ALATES-E 2 e OpenAI GPT-4 on näited multimodaalsetest mudelitest.

Generatiivse tehisintellekti eelised

Ettevõtete jaoks on tõhusus vaieldamatult kõige mõjuvam generatiivse AI eelis, kuna see võimaldab ettevõtetel automatiseerida konkreetseid ülesandeid ning suunata aega, energiat ja ressursse olulisematele strateegilistele eesmärkidele. See võib kaasa tuua madalamad tööjõukulud, suurema tegevuse efektiivsuse ja uue ülevaate sellest, kas teatud äriprotsessid toimivad või mitte.

Professionaalidele ja sisuloojatele võivad generatiivsed AI-tööriistad aidata ideede genereerimisel, sisu planeerimisel ja ajastamisel, otsingumootori optimeerimisel, turundusel, vaatajaskonna kaasamisel, uurimisel ja toimetamisel ning potentsiaalselt ka mujal. Jällegi on peamine pakutud eelis tõhusus, kuna generatiivsed AI-tööriistad võivad aidata kasutajatel teatud ülesannetele kuluvat aega vähendada, et nad saaksid oma energiat mujale investeerida. Sellegipoolest on generatiivsete AI-mudelite käsitsi jälgimine ja juhtimine endiselt äärmiselt oluline.

Generatiivsed AI kasutusjuhtumid

Generatiivne AI on leidnud tugipunkti paljudes tööstussektorites ning laieneb kiiresti kommerts- ja tarbijaturgudele. McKinsey hinnangul et 2030. aastaks saaks tänu generatiivse tehisintellekti kiirenemisele automatiseerida ülesanded, mis praegu moodustavad USAs umbes 30% töötundidest.

Klienditeeninduses aitavad tehisintellektil töötavad vestlusrobotid ja virtuaalsed assistendid ettevõtetel lühendada reageerimisaega ja kiiresti lahendada klientide levinumaid küsimusi, vähendades sellega töötajate koormust. Tarkvaraarenduses aitavad generatiivsed AI tööriistad arendajatel puhtamalt ja tõhusamalt kodeerida, vaadates koodi üle, tuues esile vead ja soovitades võimalikke lahendusi enne, kui need muutuvad suuremateks probleemideks. Samal ajal saavad kirjanikud kasutada generatiivseid tehisintellekti tööriistu esseede, artiklite ja muude kirjalike tööde kavandamiseks, mustandite koostamiseks ja ülevaatamiseks, kuigi sageli erinevate tulemustega.

Rakendussektorid

Generatiivse tehisintellekti kasutamine on tööstusharuti erinev ja mõnes on see rohkem levinud kui teistes. Praegused ja kavandatavad kasutusjuhtumid hõlmavad järgmist:

• Tervis: generatiivset AI-d uuritakse kui vahendit ravimite avastamise kiirendamiseks, samas kui selliseid tööriistu nagu AWS HealthScribe need võimaldavad arstidel patsiendi konsultatsioone transkribeerida ja olulist teavet oma elektroonilisse haiguslugu üles laadida.
• Digitaalne turundus: reklaamijad, turundajad ja kommertsmeeskonnad saavad kasutada generatiivset AI-d, et luua isikupärastatud kampaaniaid ja kohandada sisu vastavalt tarbija eelistustele, eriti kui see on kombineeritud kliendisuhete haldamise andmetega.
• Haridus: Mõned õppevahendid hakkavad hõlmama generatiivset tehisintellekti, et töötada välja isikupärastatud õppematerjale, mis arvestavad õpilaste individuaalsete õpistiilidega.
• Rahandus: Generatiivne AI on üks paljudest keeruliste finantssüsteemide tööriistadest turumustrite analüüsimiseks ja aktsiaturgude suundumuste ennetamiseks ning seda kasutatakse finantsanalüütikute abistamiseks koos muude prognoosimeetoditega.
• Keskkond: keskkonnateadustes kasutavad teadlased generatiivseid tehisintellekti mudeleid ilmastikutingimuste ennustamiseks ja kliimamuutuste mõju simuleerimiseks.

Generatiivse tehisintellekti ohud ja piirid

Generatiivsete AI-tööriistade – ja eriti üldsusele juurdepääsetavate – kasutamisega seoses on peamine murekoht nende potentsiaal levitada desinformatsiooni ja kahjulikku sisu. Selle mõju võib olla laiaulatuslik ja tõsine, alates stereotüüpide, vihakõne ja kahjulike ideoloogiate püsimisest kuni isikliku ja ametialase maine kahjustamiseni ning õiguslike ja rahaliste tagajärgede ohuni. On isegi oletatud, et generatiivse tehisintellekti väärkasutamine või halb juhtimine võib seada ohtu riigi julgeoleku.

Need riskid pole poliitikutest mööda läinud. 2023. aasta aprillis tegi Euroopa Liit ettepaneku uued autoriõiguse reeglid generatiivsele AI-le mis nõuaks ettevõtetelt mis tahes autoriõigustega kaitstud materjali avalikustamist, mida kasutatakse generatiivse tehisintellekti tööriistade väljatöötamiseks. Need reeglid kiideti heaks Euroopa Parlamendis juunis hääletatud seaduseelnõus, mis sisaldas ka rangeid piiranguid tehisintellekti kasutamisele EL-i liikmesriikides, sealhulgas kavandatud keelustada reaalajas näotuvastustehnoloogia avalikus ruumis.

Ülesannete automatiseerimine generatiivse AI abil tekitab muret ka tööjõu ja töökohtade ümberpaigutamise pärast, nagu rõhutas McKinsey. Konsultatsioonirühma hinnangul võib automatiseerimine põhjustada praegusest kuni 12. aastani 2030 miljonit karjäärivahetust, kusjuures töökohtade kaotus koondub kontoritugi, klienditeenindus ja toitlustus. Aruandes hinnatakse, et nõudlus kontoritöötajate järele võib "... väheneda 1,6 miljoni töökoha võrra, lisaks 830.000 710.000 jaemüüjate, 630.000 XNUMX administratiivassistentide ja XNUMX XNUMX kassapidajate kaotusele."

Generatiivne AI ja üldine AI

Generatiivne AI ja üldine AI esindavad sama mündi erinevaid külgi. Mõlemad puudutavad tehisintellekti valdkonda, kuid esimene on teise alatüüp.

Generatiivne AI kasutab erinevaid masinõppetehnikaid, nagu GAN, VAE või LLM, et luua koolitusandmetest õpitud mudelitest uut sisu. Need väljundid võivad olla tekst, pildid, muusika või midagi muud, mida saab digitaalselt esitada.

Üldine tehisintellekt, tuntud ka kui tehisintellekt, viitab laias laastus arvutisüsteemide ja robootika mõistele, millel on inimesesarnane intelligentsus ja autonoomia. See on ikka ulme: mõelge Disney Pixari WALL-E-le, Sonnyle 2004. aasta filmist I, Robot või HAL 9000-le, pahatahtlikule tehisintellektile Stanley Kubricku filmist 2001: Kosmoseodüsseia. Enamik praeguseid AI-süsteeme on "kitsa AI" näited, kuna need on loodud väga spetsiifiliste ülesannete jaoks.

Generatiivne AI ja masinõpe

Nagu eespool kirjeldatud, on generatiivne AI tehisintellekti alamvaldkond. Generatiivsed AI mudelid kasutavad andmete töötlemiseks ja genereerimiseks masinõppe tehnikaid. Üldiselt viitab tehisintellekt arvutite kontseptsioonile, mis on võimelised täitma ülesandeid, mis muidu nõuaksid inimintellekti, nagu otsuste tegemine ja NLP.

Masinõpe on tehisintellekti põhikomponent ja viitab arvutialgoritmide rakendamisele andmetele, et õpetada arvutit konkreetset ülesannet täitma. Masinõpe on protsess, mis võimaldab tehisintellektisüsteemidel teha õpitud mustrite põhjal teadlikke otsuseid või ennustusi.

Kas generatiivne tehisintellekt on tulevik?

Generatiivse tehisintellekti plahvatuslik kasv ei näita raugemise märke ning kuna üha rohkem ettevõtteid võtab omaks digitaliseerimise ja automatiseerimise, näib, et generatiivne AI mängib tööstuse tulevikus keskset rolli. Generatiivse AI võimalused on juba osutunud väärtuslikuks sellistes tööstusharudes nagu sisu loomine, tarkvaraarendus ja meditsiin ning tehnoloogia arenedes laienevad selle rakendused ja kasutusjuhtumid.

Sellegipoolest sõltub generatiivse AI mõju ettevõtetele, üksikisikutele ja ühiskonnale tervikuna sellest, kuidas me sellega kaasnevaid riske käsitleme. Tehisintellekti kasutamise tagamine eetiliselt eelarvamuste minimeerimine, läbipaistvuse ja vastutuse parandamine ning selle toetamine valitsemistava Andmete kogumine on otsustava tähtsusega, samas kui tagada, et reguleerimine käib tehnoloogia kiire arenguga sammu, on juba osutunud väljakutseks. Samuti on oluline leida tasakaal automatiseerimise ja inimeste kaasamise vahel, kui loodame kasutada generatiivse tehisintellekti kogu potentsiaali, leevendades samas kõiki negatiivseid tagajärgi.

Ercole Palmeri