一文读懂生成式AI的发展浪潮及未来趋势|赛迪奇智看天下
生成式 AI 是指可以使用现有内容（如文本、音频文件或图像）来创建新的合理内容的程序，例如文本、图像、音频、视频、3D交互内容。其在商业、文娱、体育等领域衍生为一种新的生产力，在增强现实和虚拟现实、数字孪生中也发挥着重要作用，衔接现实世界的数字化。最近网络爆火的AI绘画，就是属于生成式 AI的推广应用。
图片来源于网络
从技术范畴看，生成式 AI 使计算机能够学习与输入相关的底层模式，然后使用它来生成类似内容。其由多种技术组合做到这一点，关键核心技术有生成对抗网络 (GANS)、识别与提取器和变分自动编码器：
生成对抗网络（GANs）：GAN使用两个神经网络相互对抗的生成模型，一个生成器、一个鉴别器，它们以相互竞争在两个网络之间找到平衡。生成器网络负责生成类似于源数据的新数据或内容；鉴别器网络负责区分源数据和生成数据，以识别更接近原始数据的数据。这两个神经网络都在交替循环中进行训练，其中生成器不断学习生成更真实的数据，而鉴别器在区分假数据和真实数据方面做得更好。
识别与提取器（Transformers）：Transformers被用来理解语言或图像，是数据训练的关键，学习一些分类任务并从海量数据集中抽取关键数据，生成文本或图像。如GPT-3、LaMDA和Wu-Dao，模仿人类认知能力，并差异测量输入数据的重要性均衡，以判断哪些是关键信息。
变分自动编码器（VAE）：编码器将输入编码为压缩代码，而解码器从该代码中再现初始信息。如果选择和训练正确，这种压缩表示将输入数据分布存储在更小的维度。
图片来源于网络
生成式 AI 目前被认为有三波发展浪潮：
第一波发展浪潮：小模型至上阶段（2015年以前）
2015年以前，小模型被认为是理解语言的“最先进的技术”。这些小模型更擅长分析型任务，因此被用于从“预测送达时间”到“欺诈信息分类”等各类任务中。然而，对于通用的生成任务来说，它们的表达能力还不够。
第二波发展浪潮：规模化竞赛阶段（2015-2022年）
谷歌研究院的一篇里程碑式的论文《只要注意力机制就够了》（ 《Attention is All You Need》），向人们描述了一种用于自然语言理解的新型神经网络架构——Transformers模型（有时翻译为“变换器”模型），它不但能生成质量上乘的语言模型，同时具有更高的可并行性，大大降低了所需的训练时间。这些小样本学习模型，可以相对更容易地针对特定领域做定制修改。
第三波发展浪潮：更好、更快、更便宜阶段（2022年之后）
首先是计算成本开始下降。新的技术，如扩散模型，缩减了训练和运行推理所需的成本。与此同时，研究学界也在持续开发更好的算法与规模更大的模型。而开发者的权限也有了变化，从封闭测试版扩大到开放测试版，甚至有些模型还开放了源代码供开发人员调用。
图片来源于网络
生成式AI未来有三大发展趋势：
趋势一：企业对生成式AI的需求不断增长，市场空间进一步抬高
在Gartner的一项调查中，大部分企业IT管理者认为，计算机视觉特别是服务于生产业务端的应用将是未来重点投入方向。
趋势二：生成式AI将促使更聪明、低成本的机器人和虚拟助手变得普及
深度学习和内容生成技术使聊天机器人和虚拟助手能够帮助企业自动化人类通常执行的日常任务。随着人工智能的成熟和技术的不断进步，未来会出现更多的智能聊天机器人。
趋势三：生成式AI将从根本上构建自更新的元宇宙
与虚拟现实和增强现实技术一起，人工智能生成的合成内容将成为虚拟世界的基础。元宇宙将需要更多AI生成的内容，可以快速且低成本地创建、维护、更新，并帮助创建者促进内容获利，这是一种全新的自更新机制。
消息综合来源于：虎啸网、腾讯网