译者 | 布加迪

审校 | 重楼

来自OpenAI的ChatGPT和DALL-E等AI系统正在商业和内容创作领域迅速受到追捧。但是生成式AI是什么？它又是如何工作的？不妨耐心读下去。

生成式AI是什么？

简而言之，生成式AI是人工智能的一个子领域，计算机算法被用于生成类似于人类创造的内容的输出，无论是文本、图像、图形、音乐、计算机代码还是其他内容。

在生成式AI中，算法旨在从含有预期输出示例的训练数据中学习。通过分析训练数据中的模式和结构，生成式AI模型可以生成与原始输入数据有相同特征的新内容。这样一来，生成式AI就有能力生成看起来类似人类的逼真内容。

生成式AI是如何工作的？

生成式AI基于机器学习过程，其灵感来自人类大脑的内部运作，即神经网络。训练模型需要向算法馈送大量数据，这些数据充当AI模型用来学习的基础。这可以由文本、代码、图形或与手头任务相关的任何其他内容组成。

一旦收集了训练数据，AI模型就会分析数据中的模式和关系，以了解负责治理内容的基本规则。AI模型在学习过程中不断微调参数，提升模拟人类生成内容的能力。AI模型生成的内容越多，其输出就变得越复杂、越有说服力。

生成式AI的例子

近年来，生成式AI取得了重大进展，许多工具吸引了公众的注意力，尤其在内容创作者当中引起了轰动。大型科技公司也加入了这股潮流，谷歌、微软和亚马逊等公司都推出了自己的生成式AI工具。

视实际应用的不同，生成式AI工具可能依赖引导其生成预期结果的输入提示，想想ChatGPT和DALL - E2。

生成式AI工具的一些最有名的例子包括如下：

• ChatGPT：ChatGPT由OpenAI开发，它是一种AI语言模型，可以根据给定的提示生成类似人类的文本。
• DALL-E 2：DALL-E是来自OpenAI的另一种生成式AI模型，旨在基于文本提示创建图像和艺术品。
• Midjourney：Midjourney由总部位于旧金山的研究实验室Midjourney Inc.开发，它解释文本提示和上下文以生成视觉内容，类似DALL–E 2。
• GitHub Copilot：GitHub Copilot是一种由GitHub和OpenAI创建的基于AI的编程工具，它为Visual Studio和JetBrains等开发环境的用户提供代码完成建议。

生成式AI模型的类型

如今有几种类型的生成式AI模型，每种模型都旨在针对特定的挑战和应用。这些生成式AI模型大致可以分为以下几种类型。

• 基于Transformer的模型

这些模型包括OpenAI的ChatGPT和GPT-3.5，是为自然语言处理而设计的神经网络。它们接受大量数据的训练，以学习单词和句子等顺序型数据之间的关系，这使它们适用于文本生成任务。

• 生成式对抗网络（GAN）

GAN由两个神经网络组成：生成器和鉴别器，它们以竞争或对抗的方式工作。生成器创建数据，而鉴别器评估所述数据的质量和真实性。随着时间的推移，两个网络都能更好地发挥各自的作用，从而生成更真实的输出。

• 变分自编码器（VAE）

VAE使用编码器和解码器来生成内容。编码器接受图像或文本等输入数据，并将其简化成更紧凑的形式。解码器获取这些编码数据后，将其重新组织成类似原始输入的新内容。

• 多模态模型

多模态模型可以处理多种类型的输入数据，包括文本、音频和图像；它们结合不同的模态来创建更复杂的输出。例子包括DALL-E 2和OpenAI的GPT-4，它还能够接受图像和文本输入。

生成式AI的好处

生成式AI带来的最引人注目的好处是效率，原因在于它使企业能够自动处理特定任务，并将时间、精力和资源集中在更重要的战略目标上。这常常有助于降低人力成本，提高运营效率。

生成式AI常常为公司企业提供另外的好处，包括如下：

• 轻松定制或个性化营销内容。
• 生成新的想法、设计或内容。
• 编写、检查和优化计算机代码。
• 为论文或文章起草模板。
• 通过聊天机器人和虚拟助手改进客户支持。
• 为机器学习模型的数据增强提供便利。
• 分析数据以改进决策。
• 简化研究开发流程。

生成式AI的用例

尽管生成式AI仍处于比较初级的阶段，但该技术已经在各种应用和行业站稳了脚跟。

比如在内容创作方面，生成式AI可以生成文本、图像甚至音乐，帮助营销人员、记者和艺术家完成他们的创作流程。在客户支持方面，AI驱动的聊天机器人和虚拟助手可以提供更个性化的帮助，缩短响应时间，同时为客户服务工作人员减轻负担。

生成式AI的其他用途包括如下：

• 医疗保健：生成式AI用于医疗界，以加快新药的发现，并节省研发时间和金钱。
• 营销：广告商使用生成式AI来策划个性化的广告活动，并根据消费者的喜好调整内容。
• 教育：一些教育工作者使用生成式AI模型来开发定制的教学材料和评估考核，以满足不同学生的学习风格。
• 金融：金融分析师使用生成式AI来分析市场模式，并预测股市趋势。
• 环境：气候科学家使用生成式AI模型来预测天气模式，并模拟气候变化的影响。

生成式AI的危险和局限性

值得一提的是，生成式AI带来了许多需要注意的问题。一大问题是它可能传播错误信息或者恶意或敏感的内容，这可能对个人和企业造成严重损害，并可能对国家安全构成威胁。

这些风险并没有逃过政策制定者的眼睛。2023年4月，欧盟提议出台针对生成式AI的新版权规定，要求公司披露用于开发这些工具的任何受版权保护的材料。但愿这些规定会鼓励AI开发方面的透明度和伦理道德，同时最大限度地减少任何滥用或侵犯知识产权的行为。这也有望为内容创作者提供一些保护，他们的作品可能会被生成AI工具无意中模仿或剽窃。

生成式AI自动处理任务也可能影响劳动者，并导致工作岗位流失，需要受影响的员工重新学习技能或提升技能。此外，生成式AI模型可能无意中学习和放大训练数据中存在的偏误，导致有问题的输出，使刻板印象和有害的意识形态永久化。

ChatGPT、Bing AI和谷歌Bard自推出以来都因生成不正确或有害的输出内容而引发了争议。随着生成式AI的不断发展，这些担忧必须得到消除，特别是考虑到很难审查用于训练AI模型的数据源。

生成式AI vs 通用AI

生成式AI和通用AI代表了人工智能的不同方面。生成式AI侧重于基于现有数据创建新的内容或想法。它面向特定的应用，是AI的一个子集，擅长解决特定的任务。

通用AI（又叫通用人工智能）泛指这个概念：具有类人智能的AI系统。通用AI仍然是科幻作品中的东西，它代表了想象中的AI发展的未来阶段，到时计算机能够自主思考、推理和行动。

生成式AI是未来吗？

这取决于您问的对象是谁，但许多专家认为，生成式AI在未来的各行各业都将发挥重要作用。生成式AI的功能已经在内容创建、软件开发和医疗保健等领域被证明大有价值，随着这项技术不断发展，其应用和用例也将日趋丰富。

话虽如此，生成式AI的未来与解决它带来的潜在风险密不可分。随着这项技术不断进步，应当通过最大限度地减少偏误、提高透明度和问责制以及维护数据治理，确保AI的使用合乎伦理道德，这将至关重要。与此同时，在自动化与人类参与之间取得平衡对于最大限度地发挥生成式AI的好处，同时减小对劳动力的任何潜在负面影响而言至关重要。

原文标题：Generative AI defined: How it works, benefits and dangers，作者：Owen Hughes