Generatyvusis AI yra dirbtinio intelekto technologijos tipas, plačiai apibūdinantis mašininio mokymosi sistemas, galinčias generuoti tekstą, vaizdus, kodą ar kitokio tipo turinį.
Modeliai iš generatyvusis dirbtinis intelektas vis dažniau įtraukiami į internetinius įrankius ir chatbot leidžia vartotojams įvesti klausimus ar instrukcijas į įvesties lauką, pagal kurį AI modelis sugeneruos į žmogų panašų atsakymą.
Modeliai iš generatyvusis dirbtinis intelektas jie naudoja sudėtingą kompiuterinį procesą, žinomą kaip deep learning analizuoti bendrus modelius ir išdėstymus dideliuose duomenų rinkiniuose ir naudoti šią informaciją naujiems ir įtikinamiems rezultatams kurti. Modeliai tai daro įtraukdami mašininio mokymosi metodus, žinomus kaip neuroniniai tinklai, kurie yra laisvai įkvėpti to, kaip žmogaus smegenys apdoroja ir interpretuoja informaciją, o vėliau laikui bėgant iš jos mokosi.
Pateikiame pavyzdį, maitindami modelį generatyvusis dirbtinis intelektas esant dideliam pasakojimo kiekiui, ilgainiui modelis galėtų atpažinti ir atkurti istorijos elementus, tokius kaip siužeto struktūra, veikėjai, temos, pasakojimo priemonės ir pan.
Modeliai iš generatyvusis dirbtinis intelektas jie tampa sudėtingesni, nes didėja gaunamų ir generuojamų duomenų skaičius, vėlgi dėl metodų deep learning ir neuroninis tinklas žemiau. Dėl to šablonas sukuria daugiau turinio generatyvusis dirbtinis intelektas, tuo įtikinamesni ir žmogiškesni tampa jo rezultatai.
Populiarumas išgeneratyvusis dirbtinis intelektas sprogo 2023 m., daugiausia dėl programų ChatGPT e DALL-E di OpenAI. Be to, sparti technologijų pažanga dirbtinis intelektas, kaip ir natūralios kalbos apdorojimas, padarėgeneratyvusis dirbtinis intelektas vartotojams ir turinio kūrėjams.
Didžiosios technologijų įmonės greitai įsibėgėjo į priekį, o „Google“, „Microsoft“, „Amazon“, „Meta“ ir kitos visos sukūrė savo kūrimo įrankius. generatyvusis dirbtinis intelektas per kelis mėnesius.
Yra daugybė įrankių generatyvusis dirbtinis intelektas, nors bene geriausiai žinomi teksto ir vaizdų generavimo modeliai. Modeliai iš generatyvusis dirbtinis intelektas jie paprastai pasikliauja tuo, kad vartotojas pateikia pranešimą, kuris nukreipia juos į norimą išvestį, nesvarbu, ar tai tekstas, vaizdas, vaizdo įrašas ar muzikos kūrinys, nors taip būna ne visada.
Yra įvairių tipų generuojamųjų AI modelių, kurių kiekvienas sukurtas konkretiems iššūkiams ir užduotims. Jie gali būti plačiai suskirstyti į šiuos tipus.
Transformer-based modelsTransformatoriumi pagrįsti modeliai mokomi naudojant didelius duomenų rinkinius, kad suprastų ryšius tarp nuoseklios informacijos, pvz., žodžių ir sakinių. Palaikoma deep learning, šie AI modeliai paprastai gerai išmano NLP ir supranta kalbos struktūrą bei kontekstą, todėl puikiai tinka teksto generavimo užduotims. „ChatGPT-3“ ir „Google Bard“ yra generuojamųjų AI modelių pavyzdžiai.
Generative adversarial networksGAN sudaro du neuroniniai tinklai, žinomi kaip generatorius ir diskriminatorius, kurie iš esmės veikia vienas prieš kitą, kad sukurtų autentiškai atrodančius duomenis. Kaip rodo pavadinimas, generatoriaus vaidmuo yra sukurti įtikinamą išvestį, pavyzdžiui, vaizdą, pagrįstą pasiūlymu, o diskriminatorius dirba, kad įvertintų minėto vaizdo autentiškumą. Laikui bėgant, kiekvienas komponentas tobulėja savo vaidmenimis ir pasiekia įtikinamesnių rezultatų. Tiek DALL-E, tiek Midjourney yra GAN pagrįstų generatyvių AI modelių pavyzdžiai.
Variational autoencodersVAE naudoja du tinklus duomenims interpretuoti ir generuoti: šiuo atveju tai yra kodavimo įrenginys ir dekoderis. Koduotuvas paima įvesties duomenis ir suspaudžia juos į supaprastintą formatą. Tada dekoderis paima šią suspaustą informaciją ir atkuria ją į kažką naujo, panašaus į pradinius duomenis, bet nėra visiškai tas pats.
Pavyzdys būtų mokyti kompiuterinę programą generuoti žmonių veidus naudojant nuotraukas kaip mokymo duomenis. Laikui bėgant programa išmoksta supaprastinti žmonių veidų nuotraukas sumažindama jas iki kelių svarbių ypatybių, pvz., akių, nosies, burnos, ausų ir kt. dydžio ir formos, ir tada panaudoti jas kurdama naujus veidus.
Multimodal modelsDaugiarūšiai modeliai gali suprasti ir apdoroti kelių tipų duomenis vienu metu, pvz., tekstą, vaizdus ir garsą, todėl jie gali sukurti sudėtingesnius rezultatus. Pavyzdys galėtų būti AI modelis, kuris gali generuoti vaizdą pagal teksto raginimą, taip pat tekstinį vaizdo raginimo aprašymą. DALL-E 2 e GPT-4, sukurta OpenAI yra multimodalinių modelių pavyzdžiai.
Įmonėms efektyvumas yra neabejotinai įtikinamiausia generatyvaus AI nauda, nes ji gali padėti įmonėms automatizuoti konkrečias užduotis ir sutelkti laiką, energiją bei išteklius į svarbesnius strateginius tikslus. Dėl to gali sumažėti darbo sąnaudos, padidėti veiklos efektyvumas ir atsirasti naujų įžvalgų, ar tam tikri verslo procesai veikia, ar ne.
Profesionalams ir turinio kūrėjams generatyvūs AI įrankiai gali padėti generuoti idėjas, planuoti turinį ir planuoti, optimizuoti paieškos variklius, rinkodarą, įtraukti auditoriją, tirti, redaguoti ir galbūt dar daugiau. Vėlgi, pagrindinė siūloma nauda yra efektyvumas, nes generatyvūs AI įrankiai gali padėti vartotojams sumažinti laiką, kurį jie praleidžia tam tikroms užduotims, kad jie galėtų investuoti savo energiją kitur. Nepaisant to, generatyvių AI modelių rankinis stebėjimas ir valdymas išlieka nepaprastai svarbūs.
Generatyvusis AI įsitvirtino daugelyje pramonės sektorių ir sparčiai plečiasi į komercines ir vartotojų rinkas. McKinsey skaičiavimais kad iki 2030 m. užduotys, kurios šiuo metu Jungtinėse Valstijose sudaro apie 30% darbo valandų, galėtų būti automatizuotos dėl generatyvaus dirbtinio intelekto pagreitėjimo.
Klientų aptarnavimo srityje dirbtinio intelekto valdomi pokalbių robotai ir virtualūs asistentai padeda įmonėms sutrumpinti atsakymo laiką ir greitai išspręsti dažniausiai pasitaikančius klientų klausimus, taip sumažinant darbuotojų naštą. Kuriant programinę įrangą, generatyvūs AI įrankiai padeda kūrėjams koduoti švariau ir efektyviau, peržiūrint kodą, išryškinant klaidas ir pasiūlant galimus sprendimus, kol jie netampa didesnėmis problemomis. Tuo tarpu rašytojai gali naudoti generatyvius AI įrankius planuodami, rengdami ir peržiūrėdami esė, straipsnius ir kitus rašytinius darbus, nors dažnai duoda skirtingus rezultatus.
Generatyvaus dirbtinio intelekto naudojimas įvairiose pramonės šakose skiriasi ir kai kuriose srityse yra labiau įsitvirtinęs nei kitose. Esami ir siūlomi naudojimo atvejai yra šie:
Pagrindinis susirūpinimas dėl generatyvinių AI įrankių – ypač tų, kurie yra prieinami visuomenei – naudojimo yra galimybė skleisti dezinformaciją ir žalingą turinį. To poveikis gali būti platus ir stiprus – nuo stereotipų įsitvirtinimo, neapykantos kurstymo ir žalingų ideologijų iki žalos asmeninei ir profesinei reputacijai ir teisinių bei finansinių pasekmių grėsmės. Net buvo manoma, kad netinkamas generatyvaus AI naudojimas ar netinkamas valdymas gali kelti pavojų nacionaliniam saugumui.
Šios rizikos neaplenkė ir politikai. 2023 metų balandį Europos Sąjunga pasiūlė naujos generatyvaus AI autorių teisių taisyklės kurios reikalautų, kad įmonės atskleistų bet kokią autorių teisių saugomą medžiagą, naudojamą kuriant generatyvaus dirbtinio intelekto priemones. Šios taisyklės buvo patvirtintos įstatymo projekte, dėl kurio Europos Parlamentas balsavo birželį, į kurį taip pat buvo įtraukti griežti dirbtinio intelekto naudojimo apribojimai ES šalyse, įskaitant siūlomą uždrausti veido atpažinimo technologiją realiu laiku viešose erdvėse.
Užduočių automatizavimas naudojant generatyvųjį AI taip pat kelia susirūpinimą dėl darbo jėgos ir darbo vietų perkėlimo, kaip pabrėžė McKinsey. Konsultacijų grupės teigimu, automatizavimas gali sukelti 12 milijonų karjeros perėjimų nuo dabar iki 2030 m., o darbo vietos bus prarastos daugiausia biuro pagalbos, klientų aptarnavimo ir maitinimo paslaugų srityse. Ataskaitoje apskaičiuota, kad biuro darbuotojų paklausa gali „... sumažėti 1,6 mln. darbo vietų, be to, mažmeninės prekybos pardavėjai gali prarasti 830.000 710.000, administracijos padėjėjų – 630.000 XNUMX ir kasininkų – XNUMX XNUMX darbo vietų.
Generatyvusis AI ir bendrasis AI reiškia skirtingas tos pačios monetos puses. Abu yra susiję su dirbtinio intelekto sritimi, tačiau pirmasis yra pastarojo potipis.
Generatyvusis AI naudoja įvairius mašininio mokymosi metodus, tokius kaip GAN, VAE arba LLM, kad sukurtų naują turinį iš modelių, išmoktų iš mokymo duomenų. Šie išėjimai gali būti tekstas, vaizdai, muzika ar bet kas kita, kas gali būti pavaizduota skaitmeniniu būdu.
Bendrasis dirbtinis intelektas, taip pat žinomas kaip dirbtinis bendrasis intelektas, iš esmės reiškia kompiuterinių sistemų ir robotų, turinčių į žmogų panašų intelektą ir savarankiškumą, sąvoką. Tai vis dar yra mokslinės fantastikos dalykas: pagalvokite apie Disney Pixar WALL-E, Sonny iš 2004 m. I, Robot arba HAL 9000, piktavališką dirbtinį intelektą iš Stanley Kubrick 2001: A Space Odyssey. Dauguma dabartinių AI sistemų yra „siauros AI“ pavyzdžiai, nes jos skirtos labai specifinėms užduotims.
Kaip aprašyta aukščiau, generatyvinis AI yra dirbtinio intelekto polaukis. Generatyvieji AI modeliai naudoja mašininio mokymosi metodus duomenims apdoroti ir generuoti. Apskritai dirbtinis intelektas reiškia kompiuterių, galinčių atlikti užduotis, kurioms kitu atveju reikėtų žmogaus intelekto, sąvoką, pavyzdžiui, sprendimų priėmimą ir NLP.
Mašinų mokymasis yra pagrindinė dirbtinio intelekto sudedamoji dalis ir reiškia kompiuterinių algoritmų taikymą duomenims, siekiant išmokyti kompiuterį atlikti konkrečią užduotį. Mašinų mokymasis yra procesas, leidžiantis dirbtinio intelekto sistemoms priimti pagrįstus sprendimus arba prognozes, pagrįstas išmoktais modeliais.
Smarkus generatyvaus AI augimas nerodo lėtėjimo ženklų, o vis daugiau įmonių priima skaitmenizaciją ir automatizavimą, atrodo, kad generatyvusis AI atliks pagrindinį vaidmenį pramonės ateityje. Generatyvaus dirbtinio intelekto galimybės jau pasirodė vertingos tokiose pramonės šakose kaip turinio kūrimas, programinės įrangos kūrimas ir medicina, o technologijai toliau tobulėjant, jos pritaikymas ir naudojimo atvejai plėsis.
Be to, generatyvaus AI poveikis įmonėms, asmenims ir visai visuomenei priklauso nuo to, kaip sprendžiame su jo keliamą riziką. Užtikrinti, kad būtų naudojamas dirbtinis intelektas etiškai sumažinti šališkumą, didinti skaidrumą ir atskaitomybę bei remti valdymas Duomenų rinkimas bus labai svarbus, o užtikrinti, kad reguliavimas neatsiliktų nuo sparčios technologijų raidos, jau dabar yra iššūkis. Taip pat bus svarbu rasti pusiausvyrą tarp automatizavimo ir žmogaus dalyvavimo, jei tikimės išnaudoti visą generatyvaus AI potencialą ir sušvelninti bet kokias neigiamas pasekmes.
Ercole Palmeri
Lavindami smulkiosios motorikos įgūdžius dažydami, vaikai paruošiami sudėtingesniems įgūdžiams, pavyzdžiui, rašymui. Norėdami nuspalvinti…
Karinio jūrų laivyno sektorius yra tikra pasaulinė ekonominė galia, kuri pasiekė 150 mlrd.
Praėjusį pirmadienį „Financial Times“ paskelbė apie susitarimą su „OpenAI“. FT licencijuoja savo pasaulinio lygio žurnalistiką…
Milijonai žmonių moka už srautinio perdavimo paslaugas, mokėdami mėnesinius abonentinius mokesčius. Paplitusi nuomonė, kad jūs…