Hva er generativ AI?

AI-en du allerede brukte sorterte ting. Generativ AI lager ting

I tjue år var AI-en i hverdagen usynlig, og den klassifiserte. Spamfilteret avgjorde spam eller ikke. Bildeappen avgjorde hvilket ansikt som var hvems. Banken avgjorde svindel eller ikke. Anbefalingsmotoren rangerte hva som skulle vises videre. Alle disse tar noe som finnes og setter en merkelapp eller en poengsum på det. Hva er AI dekker den bredere familien.

Generativ AI snur retningen. I stedet for å ta et bilde og gi ut «katt», tar den «en katt i vinduskarmen ved skumring» og gir ut et bilde. I stedet for å poengsette en e-post, skriver den en. Modellen har lært mønstrene fra millioner av eksempler godt nok til å produsere et nytt som passer.

Den snuoperasjonen er hele grunnen til at teknologien nådde folk flest. Klassifisering er en funksjon inne i noen andres produkt. Generering er et produkt i seg selv: skriv en forespørsel, motta en ting. ChatGPT ble lansert 30. november 2022 og nådde anslagsvis 100 millioner månedlige aktive brukere i januar 2023, to måneder etter lanseringen, ifølge en UBS-analyse omtalt av Reuters 1. februar 2023, den raskeste forbrukerapplikasjonen til det merket på den tiden, fordi det for første gang var modellens resultat som var poenget.

Det som fulgte var ikke en jevn dryss. Tidslinjen for modelllanseringer sporer 41 store lanseringer siden den dagen, og 31 av dem kom i 2025 og 2026. Oransje markerer en resonneringsmodell eller en familie som leveres med en tenkemodus; det skraverte partiet starter med o1-preview.

Hver generative modell lærer hvordan et plausibelt eksempel ser ut, og lager så ett

Hver generative modell trenes i bunn og grunn på samme måte: vis den et enormt antall eksempler og få den til å lære hvordan et plausibelt eksempel ser ut. Deretter, når den skal brukes, ber du den om å produsere et nytt eksempel som passer mønsteret og forespørselen.

For tekst lærer modellen å forutsi neste token, og genererer et svar ett token av gangen. Hva er en LLM er den fulle forklaringen. For bilder og video er den dominerende tilnærmingen diffusjon: modellen lærer å fjerne støy fra et bilde i små steg, og ved generering starter den fra ren støy og fjerner den steg for steg mens en tekstbeskrivelse styrer det som oppstår. Oppskriften de fleste bildemodeller bruker er 2020-artikkelen Denoising Diffusion Probabilistic Models av Ho, Jain og Abbeel; tilnærmingen den fortrengte, generative adversarial networks, stammer fra Goodfellow et al. i 2014. Musikkgeneratorer låner stort sett fra en av de to.

Konsekvensen å ta med seg er at alle sammen produserer det som passer, ikke det som er sant. En tekstmodell vil produsere en kildehenvisning som passer formen til en kildehenvisning. En bildemodell vil produsere en hånd som passer mønsteret til hender, noen ganger med seks fingre. Flyten og feilene kommer fra samme sted, og hva er en AI-hallusinasjon dekker tekstversjonen i detalj.

Fire medier, fire typer modell, ett vindu

I 2022 betydde generativ AI tekst og, separat, bilder. I 2026 dirigerer ett enkelt chatteprodukt til fire typer generatorer, og modellen bak hver av dem er forskjellig.

Produktbeslutningen bak dette er at disse måles ulikt fordi de koster ulikt å kjøre. Et tekstsvar er en brøkdel av en cent. Et bilde er en egen teller. Video og musikk er de dyre radene og ligger på det øverste abonnementet.

Bildegenerering er ikke inkludert på Starter, er 100 i måneden på Pro og 500 i måneden på Powerhouse, og video- og musikkgenerering er Powerhouse-funksjoner, ifølge hvordan Whizi-kreditter fungerer. Avstanden mellom et tekstsvar og en videoklipp er avstanden mellom å generere 500 tokens og å generere flere sekunder med bilderammer, og prisingen følger regnekraften.

Hva generativ AI er god til, og den ærlige grensen for den

Den er god på førsteutkast av alt med en kjent form: en e-post, et sammendrag, en funksjon, et produktbilde, et bakgrunnsspor. Den er god på transformasjon, å ta noe som finnes og produsere det samme i en annen form: oversatt, forkortet, omskrevet for en annen leser, omstilisert. Og den er god på volum, produserer tjue varianter der en person ville produsert to.

Den er svak, av natur, på tre ting. Fakta den ikke har fått, fordi den genererer det som passer, ikke det som er. Presisjon i det uvanlige: den sjette fingeren, koden som kompilerer og gjør det gale. Og vurdering av om resultatet er bra, som fortsatt ligger hos personen som spurte. Guiden om hvordan man bruker AI er den praktiske versjonen av å jobbe innenfor disse begrensningene.

Beslutningsregelen: generativ AI er riktig verktøy når du kan gjenkjenne et godt resultat raskere enn du kan produsere ett. Hvis du ikke klarer å skille et godt resultat fra et dårlig, er det ikke verktøyet for den oppgaven ennå.

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

Kunstig intelligens er paraplybegrepet: all programvare som gjør noe vi ville kalt intelligent hvis en person gjorde det. Maskinlæring er metoden mest moderne AI bruker, å lære regler fra data i stedet for å bli programmert med dem. Generativ AI er grenen av maskinlæring der resultatet er nytt innhold. En stor språkmodell er den generative modellen for tekst. En chatbot er appen bygget rundt en av dem. Hver er en undergruppe av den forrige, og AI-ordlisten har hele settet av begreper på ett sted.

Den praktiske lesningen: når et produkt sier det «bruker AI», spør hvilken type. Hvis den sorterer, rangerer eller forutsier, er det den gamle typen og fungerer sannsynligvis bra. Hvis den genererer, er det den nye typen og trenger en person som sjekker resultatet.