生成式人工智能：人工智能的下一个前沿
如今，我们很难错过围绕ChatGPT、Stable Diffusion和其他形式的生成人工智能技术领域的所有令人兴奋的事情——基本上，这是人工智能的高级版本，可以生成与人类生成的内容没有区别的内容。
女士们先生们，生成式人工智能是当今的流行词，在这篇文章中，我们将介绍它的一些基础知识，例如：
什么是生成式人工智能？
生成式人工智能背后的技术 - 生成式人工智能如何运作？
生成式人工智能的应用
生成式人工智能会抢走我的工作吗？
生成式人工智能的未来
什么是生成式人工智能？
这是一个很难回答的问题，因为在 ChatGPT 推出几个月后，这个术语已经成为流行词。在此之前，我们已经熟悉了它臭名昭著的表亲——人工智能。
当您使用人工智能创建新的文本、视频、音频、图像或任何形式的数据时，您可以将其分类为生成式人工智能。这是一个总括术语。
任何时候人工智能被用来自行创造一些东西，我们称之为生成式人工智能。例如，像Midjourney这样的网站会根据用户的提示生成全新的图像。像这个：
Midjourney 平台上一位名叫 Revanchist 的用户要求建立一个“浮岛上的王国，被月光照亮的魔法所覆盖”
人工智能完成了剩下的工作。令人印象深刻，不是吗？
因此，在技术术语中，生成式人工智能是指一种人工智能，能够在没有人类明确指令或指导的情况下生成新的原创内容，例如图像、视频、音乐甚至文本。
ChatGPT、 Midjourney、 Stable Diffusion和DALL-E只是当今市场上的少数生成式 AI 工具。
我们已经看到了 ChatGPT 的强大功能。那么现在，这些生成式人工智能工具的动力是什么？让我们看看幕后的情况。
生成式人工智能如何运作？
生成式人工智能的工作原理是使用复杂的算法，根据从大型数据集中学习到的模式和关系来生成新的原创内容。它通常使用无监督或半监督学习来处理大量数据并生成原始输出。
例如，如果你希望你的人工智能能够像梵高一样画画，你需要给它提供尽可能多的这位艺术家的画作。
生成式人工智能由神经网络提供支持，该网络能够学习艺术家风格的独特特征或特征，然后在出现提示时应用它们。这个过程也适用于可以生成文本、书籍、室内和时装设计、不存在的风景、音乐等的模型。
如果您想了解生成式人工智能的工作原理，您需要熟悉的一些更常见的术语是：
1. 变分自动编码器（VAE）：
变分自动编码器 (VAE) 是一种人工智能算法，具有两个主要功能：编码和解码信息。VAE 具有重建数据并将其存储在“潜在空间”中的能力，这使其成为一个强大的工具。通过使用神经网络，VAE 能够进行自学，并且可以将输入数据转换为潜在空间，反之亦然。
该模型接收x作为输入。编码器将其压缩到潜在空间中。解码器接收从潜在空间采样的信息作为输入，并生成尽可能与 x 相似的信息。
2. 神经网络：
神经网络是人工智能中使用的算法，擅长识别数据模式。与人脑的众多神经元类似，神经网络由许多称为节点的虚构小单元组成。这些节点被组织成层，信息进入输入层，通过隐藏层，最终通过输出层离开。下面是神经网络的直观表示：
更复杂的人工神经网络将具有多个层，其中一些是隐藏的。
最基本形式的人工神经网络具有三层神经元。信息从一个流向下一个，就像在人脑中一样：
- 输入层：数据进入系统的入口点
- 隐藏层：处理信息的地方
- 输出层：系统根据数据决定如何继续处理
更复杂的人工神经网络将具有多个层，其中一些是隐藏的。
3. 生成对抗网络（GAN）
简单来说，GAN 是能够生成图像或音乐等新内容的计算机程序。GAN 的目标是生成一种新颖的合成数据形式，与过去的数据非常相似。这是通过让两组神经网络在零和游戏中相互竞争来实现的。
GAN 有 2 个部分，称为生成器和鉴别器。
想象一下，如果您想在 GAN 的帮助下画一只小狗的图片。生成器首先画出小狗的近似值，鉴别器尝试猜测它是否是由生成器生成的。如果鉴别器猜对了，那么生成器就会重新开始工作，逐渐更好地绘制图片。
我们现在知道生成式人工智能有多么强大，并且对其工作原理也有了一些了解。那么，我们该何去何从？生成式人工智能的用例有哪些？
我们赶紧来看看吧。
生成式人工智能的应用：
生成式人工智能可以创建各种内容。我们知道的就这么多。但在其他鲜为人知的领域，生成式人工智能将成为强大的颠覆者。这里是其中的一些：
1. 游戏开发和电影：
CGI是一个利润丰厚的行业，价值数十亿美元，而生成人工智能提供了一个独特的用例。生成式人工智能允许在没有任何现有材料的情况下生成新的视频和图像。它将 3D 动画师的创造力与编剧的讲故事能力结合到一个强大的计算机程序中，提供了无限的可能性。这就是生成式人工智能所能提供的。
2. 内容创建/文本生成：
对于任何作家来说，撰写产品描述都是一项非常单调且耗时的任务。然而，这是机器可以轻松完成的事情。GPT-3 的创建者通过开发一种强大的人工智能工具来满足这一需求，该工具可以根据简短的提示生成大量文本。GPT-3 的输出令人印象深刻，以至于内容审核者很难区分人类编写的文本和人工智能生成的文本。
3、医药：
可以训练强大的人工智能模型来生成具有特定特性的药物化合物或新分子，这有利于药物发现和开发。
这种方法可以将研究所需的时间从几年缩短到几天甚至几个小时。事实上，人工智能技术在帮助制药公司Moderna开发冠状病毒大流行疫苗方面发挥了至关重要的作用。
4、广告：
如前所述，生成式人工智能可用于生成出色的图像。这些图像正在不断改进，在许多情况下，区分人类创作的艺术品和机器制作的艺术品是具有挑战性的。这项技术可以让较小的机构生成原创艺术作品，而这在以前只有拥有大量财力的团队才能实现。
生成式人工智能会夺走我的工作吗？
当 ChatGPT 于 2022 年 11 月令人兴奋地发布时，引起了广泛的恐慌。
许多消息来源，包括 YouTube 视频、LinkedIn 帖子、Instagram Stories，甚至一些世界末日预言家，都声称内容创作和文案写作的时代已经结束。
但是等一下，稳住你的马！
不必担心像 ChatGPT 这样的生成式人工智能工具的出现，因为它们不太可能取代人类工人。相反，它们可以帮助提高效率。
生成式人工智能擅长涉及模式识别和预测的任务，尤其是在自然语言处理（NLP）领域。重复性任务（例如制作产品描述）是使用生成式人工智能实现自动化的理想选择。
可以将生成式人工智能视为对话式人工智能发展的下一个进步。
生成式人工智能的使用在数据分析中越来越流行。这项技术使知识工作者能够优化他们的时间，使他们能够从正在分析的数据中获得更深入、更有洞察力的知识。
生成式人工智能的未来
在我撰写本文时，全球许多公司都在竞相将生成式人工智能技术纳入各自的产品中。
最近，谷歌发布了自己的人工智能聊天机器人，名为Google Bard，作为 ChatGPT 的替代品。Bard 具有与 ChatGPT 类似的功能，并利用Google 的 LaMDA（对话应用程序语言模型）技术。
与其他公司一样，微软也在与搜索竞争保持同步。在向开发 ChatGPT 的公司投资了数十亿美元后，微软已经开始向用户发送使用其基于 ChatGPT 的搜索引擎Bing 的邀请。
生成式人工智能的潜在应用领域每天都在扩大，这确实令人印象深刻。我们不能简单地忽视生成人工智能，而必须学会与之共存。
正如史蒂芬·霍金曾经说过的：“智力是适应变化的能力。”
感谢您抽出时间阅读。这只是我写第一篇文章的开始。我希望你喜欢阅读它。我认为这篇文章提供了宝贵的见解，并激发了您对人工智能未来的好奇心。请继续关注更多发人深省的内容和该领域令人兴奋的进展。
不断探索，不断学习，不断拥抱人工智能的可能性！