Apa itu AI generatif?

AI yang anda sudah gunakan mengasingkan sesuatu. AI generatif mencipta sesuatu

Selama dua puluh tahun, AI dalam kehidupan seharian tidak kelihatan dan ia mengklasifikasikan. Penapis spam menentukan sama ada spam atau tidak. Aplikasi foto menentukan wajah siapa yang mana. Bank menentukan sama ada penipuan atau tidak. Enjin cadangan menyusun apa yang perlu dipaparkan seterusnya. Setiap satu daripadanya mengambil sesuatu yang sudah wujud dan meletakkan label atau skor padanya. Apa itu AI membincangkan keluarga yang lebih luas itu.

AI generatif membalikkan arah tersebut. Bukannya mengambil imej dan menghasilkan "kucing", ia mengambil "seekor kucing di tepi tingkap waktu senja" dan menghasilkan imej. Bukannya memberi skor kepada e-mel, ia menulis satu. Model itu telah mempelajari corak berjuta-juta contoh dengan cukup baik untuk menghasilkan satu yang baharu dan sesuai.

Pembalikan itulah sebab sepenuhnya teknologi ini sampai kepada orang ramai. Pengklasifikasian ialah ciri di dalam produk orang lain. Penjanaan pula ialah produk dengan sendirinya: taip permintaan, terima sesuatu. ChatGPT dilancarkan pada 30 November 2022 dan mencapai anggaran 100 juta pengguna aktif bulanan pada Januari 2023, dua bulan selepas pelancaran, menurut analisis UBS yang dilaporkan oleh Reuters pada 1 Februari 2023, aplikasi pengguna terpantas mencapai tahap itu pada masa itu, kerana buat pertama kalinya output model itu sendiri adalah intipatinya.

Apa yang berlaku selepas itu bukan aliran yang perlahan dan tetap. Garis masa pelancaran model menjejaki 41 pelancaran utama sejak hari itu, dan 31 daripadanya berlaku pada 2025 dan 2026. Warna oren menandakan model penaakulan atau keluarga yang dilengkapi mod berfikir; ruang berlorek bermula dengan o1-preview.

Setiap model generatif belajar rupa contoh yang munasabah, kemudian menghasilkan satu

Pada dasarnya, setiap model generatif dilatih dengan cara yang sama: tunjukkan sejumlah besar contoh kepadanya dan buatkan ia belajar rupa contoh yang munasabah. Kemudian, semasa digunakan, ia diminta menghasilkan sampel baharu yang sesuai dengan corak dan gesaan tersebut.

Untuk teks, model belajar meramalkan token seterusnya, dan menjana jawapan satu token pada satu masa. Apa itu LLM ialah penjelasan penuhnya. Untuk imej dan video, pendekatan yang dominan ialah difusi: model belajar membuang hingar daripada gambar secara berperingkat kecil, dan semasa penjanaan ia bermula daripada hingar tulen lalu membuangnya langkah demi langkah sementara penerangan teks mengarahkan apa yang terhasil. Resipi yang digunakan oleh kebanyakan model imej ialah kertas kerja Denoising Diffusion Probabilistic Models 2020 oleh Ho, Jain dan Abbeel; pendekatan yang digantikannya, iaitu generative adversarial networks, bermula daripada Goodfellow et al. pada 2014. Penjana muzik kebanyakannya meminjam salah satu daripada dua kaedah ini.

Akibat yang perlu diingati ialah kesemuanya menghasilkan apa yang sesuai, bukan apa yang benar. Model teks akan menghasilkan petikan yang sesuai dengan bentuk sesuatu petikan. Model imej akan menghasilkan tangan yang sesuai dengan corak tangan, kadangkala dengan enam jari. Kefasihan dan kesilapan itu datang daripada punca yang sama, dan apa itu halusinasi AI membincangkan versi teksnya secara terperinci.

Empat medium, empat jenis model, satu tetingkap

Pada 2022, AI generatif bermaksud teks dan, secara berasingan, imej. Menjelang 2026, satu produk sembang menghalakan kepada empat jenis penjana, dan model di sebalik setiap satu adalah berbeza.

Keputusan produk di sebaliknya ialah setiap satu diukur secara berbeza kerana kosnya untuk dijalankan juga berbeza. Jawapan teks hanya sebahagian kecil daripada satu sen. Imej mempunyai kaunter yang berasingan. Video dan muzik ialah baris yang paling mahal dan berada pada pelan tertinggi.

Penjanaan imej tidak disertakan pada Starter, adalah 100 sebulan pada Pro dan 500 sebulan pada Powerhouse, dan penjanaan video serta muzik adalah ciri Powerhouse, menurut cara kredit Whizi berfungsi. Jurang antara jawapan teks dan klip video ialah jurang antara menjana 500 token dan menjana beberapa saat bingkai, dan harganya mengikut pengiraan komputasi.

Apa yang AI generatif bagus untuk, dan had sebenarnya

Ia bagus untuk draf pertama bagi apa-apa sahaja yang mempunyai bentuk yang diketahui: e-mel, ringkasan, fungsi, foto produk, trek latar. Ia bagus dalam transformasi, iaitu mengambil sesuatu yang sudah wujud dan menghasilkan benda yang sama dalam bentuk lain: diterjemahkan, dipendekkan, ditulis semula untuk pembaca berbeza, digaya semula. Dan ia bagus dari segi kuantiti, menghasilkan dua puluh variasi berbanding seorang manusia yang hanya menghasilkan dua.

Ia lemah, secara semula jadi, dalam tiga perkara. Fakta yang tidak diberikan kepadanya, kerana ia menjana apa yang sesuai dan bukan apa yang benar. Ketepatan pada kes terpencil: jari keenam, kod yang berjaya dikompil tetapi melakukan perkara yang salah. Dan pertimbangan sama ada output itu baik, yang kekal pada orang yang membuat permintaan. Panduan cara menggunakan AI ialah versi praktikal untuk bekerja dalam had-had itu.

Peraturan membuat keputusan: AI generatif ialah alat yang betul apabila anda boleh mengenali hasil yang baik lebih cepat daripada anda boleh menghasilkannya sendiri. Jika anda tidak dapat membezakan output yang baik daripada yang buruk, ia belum lagi alat yang sesuai untuk tugas itu.

AI generatif ialah cabang pembelajaran mesin, yang merupakan cabang AI

Kecerdasan buatan ialah payung besarnya: mana-mana perisian yang melakukan sesuatu yang kita anggap bijak sekiranya seorang manusia yang melakukannya. Pembelajaran mesin ialah kaedah yang digunakan oleh kebanyakan AI moden, iaitu mempelajari peraturan daripada data dan bukannya diprogramkan dengannya. AI generatif ialah cabang pembelajaran mesin yang outputnya adalah kandungan baharu. Model bahasa besar ialah model generatif untuk teks. Chatbot ialah aplikasi yang dibina di sekeliling satu model itu. Setiap satu adalah subset kepada yang sebelumnya, dan glosari AI mempunyai set penuh istilah tersebut di satu tempat.

Bacaan praktikalnya: apabila sesuatu produk mengatakan ia "menggunakan AI", tanya jenis yang mana. Jika ia mengasingkan, menyusun atau meramal, itu jenis lama dan mungkin berfungsi dengan baik. Jika ia menjana, itu jenis baharu dan memerlukan seseorang menyemak outputnya.