Hvad er generativ AI?

AI'en du allerede brugte sorterede ting. Generativ AI skaber ting

I tyve år var AI'en i hverdagen usynlig, og den klassificerede. Spamfilteret afgjorde spam eller ej. Fotoappen afgjorde, hvis ansigt der var hvis. Banken afgjorde svindel eller ej. Anbefalingsmotoren rangerede, hvad der skulle vises næste gang. Hver af dem tager noget, der findes, og sætter en label eller en score på det. Hvad er AI dækker den bredere familie.

Generativ AI vender retningen om. I stedet for at tage et billede og outputte "kat", tager den "en kat på en vindueskarm ved skumring" og outputter et billede. I stedet for at score en e-mail, skriver den en. Modellen har lært mønstrene fra millioner af eksempler godt nok til at producere et nyt, der passer.

Den vending er hele grunden til, at teknologien nåede offentligheden. Klassificering er en funktion inde i en andens produkt. Generering er et produkt i sig selv: skriv en forespørgsel, modtag noget. ChatGPT blev lanceret den 30. november 2022 og nåede anslået 100 millioner månedlige aktive brugere i januar 2023, to måneder efter lanceringen, ifølge en UBS-analyse rapporteret af Reuters den 1. februar 2023, dengang den hurtigste forbrugerapplikation til det niveau, fordi det for første gang var modellens output, der var pointen.

Det, der fulgte, var ikke en jævn strøm. Tidslinjen for modeludgivelser sporer 41 store lanceringer siden den dag, og 31 af dem landede i 2025 og 2026. Orange markerer en ræsonnementsmodel eller en familie, der leveres med en tænketilstand; det skraverede område starter med o1-preview.

Enhver generativ model lærer, hvordan et sandsynligt eksempel ser ud, og skaber så et

Enhver generativ model trænes grundlæggende på samme måde: vis den et enormt antal eksempler, og lad den lære, hvordan et sandsynligt eksempel ser ud. Bed den derefter, når den bruges, om at producere et nyt sample, der passer til mønsteret og forespørgslen.

Ved tekst lærer modellen at forudsige det næste token og genererer et svar ét token ad gangen. Hvad er en LLM er den fulde forklaring. For billeder og video er den dominerende tilgang diffusion: modellen lærer at fjerne støj fra et billede i små trin, og ved generering starter den fra ren støj og fjerner den trin for trin, mens en tekstbeskrivelse styrer, hvad der opstår. Opskriften, som de fleste billedmodeller bruger, er artiklen fra 2020 om Denoising Diffusion Probabilistic Models af Ho, Jain og Abbeel; tilgangen den erstattede, generative adversarial networks, stammer fra Goodfellow et al. i 2014. Musikgeneratorer låner for det meste den ene af de to.

Konsekvensen, man skal holde fast i, er, at de alle producerer det, der passer, ikke det, der er sandt. En tekstmodel vil producere en kilde, der passer til formen af en kilde. En billedmodel vil producere en hånd, der passer til mønsteret for hænder, nogle gange med seks fingre. Sprogfærdigheden og fejlene kommer fra samme sted, og hvad er en AI-hallucination dækker tekstversionen i detaljer.

Fire medietyper, fire slags modeller, ét vindue

I 2022 betød generativ AI tekst og, adskilt, billeder. I 2026 sender et enkelt chatprodukt til fire slags generatorer, og modellen bag hver enkelt er forskellig.

Produktbeslutningen bag ved er, at disse afregnes forskelligt, fordi de koster forskelligt at køre. Et tekstsvar er en brøkdel af en cent. Et billede er en separat tæller. Video og musik er de dyre rækker og ligger på den øverste plan.

Billedgenerering er ikke inkluderet på Starter, er 100 om måneden på Pro og 500 om måneden på Powerhouse, og video- og musikgenerering er Powerhouse-funktioner, ifølge sådan fungerer Whizi-credits. Forskellen mellem et tekstsvar og et videoklip er forskellen mellem at generere 500 tokens og at generere flere sekunders billeder, og prissætningen følger beregningskraften.

Hvad generativ AI er god til, og den ærlige grænse for det

Den er god til førsteudkast af alt med en kendt form: en e-mail, et resumé, en funktion, et produktfoto, et baggrundsnummer. Den er god til transformation, at tage noget, der findes, og producere det samme i en anden form: oversat, forkortet, omskrevet til en anden læser, omstileret. Og den er god til volumen, idet den producerer tyve varianter, hvor en person ville producere to.

Den er per konstruktion svag på tre ting. Fakta, den ikke har fået, fordi den genererer det, der passer, snarere end det, der er sandt. Præcision i den lange hale: den sjette finger, koden der kompilerer og gør det forkerte. Og vurdering af, om outputtet er godt, hvilket forbliver hos personen, der spurgte. Guiden til hvordan man bruger AI er den praktiske version af at arbejde inden for de begrænsninger.

Beslutningsreglen: generativ AI er det rigtige værktøj, når du kan genkende et godt resultat hurtigere, end du kan producere et. Hvis du ikke kan skelne et godt output fra et dårligt, er det ikke værktøjet til den opgave endnu.

Generativ AI er en gren af maskinlæring, som er en gren af AI

Kunstig intelligens er paraplyen: al software, der gør noget, vi ville kalde intelligent, hvis en person gjorde det. Maskinlæring er den metode, den moderne AI mest bruger: at lære regler ud fra data i stedet for at blive programmeret med dem. Generativ AI er den gren af maskinlæring, hvis output er nyt indhold. En stor sprogmodel er den generative model for tekst. En chatbot er den app, der er bygget omkring en. Hver er en delmængde af den foregående, og AI-ordlisten har hele sættet af begreber samlet ét sted.

Den praktiske læsning: når et produkt siger, at det "bruger AI", spørg hvilken slags. Hvis det sorterer, rangerer eller forudsiger, er det den gamle slags og virker sandsynligvis godt. Hvis det genererer, er det den nye slags og har brug for en person, der tjekker outputtet.