Vad är generativ AI?

AI:n du redan använde sorterade saker. Generativ AI skapar saker

I tjugo år var AI:n i vardagen osynlig och den klassificerade. Skräppostfiltret avgjorde skräppost eller inte. Fotoappen avgjorde vilket ansikte som tillhörde vem. Banken avgjorde bedrägeri eller inte. Rekommendationsmotorn rangordnade vad som skulle visas härnäst. Var och en av dessa tar något som redan finns och sätter en etikett eller poäng på det. Vad är AI täcker den bredare familjen.

Generativ AI vänder på riktningen. Istället för att ta en bild och skriva ut "katt" tar den "en katt i ett fönster i skymningen" och producerar en bild. Istället för att bedöma ett mejl skriver den ett. Modellen har lärt sig mönstren från miljontals exempel tillräckligt väl för att producera ett nytt som passar in.

Det där kastet är hela anledningen till att tekniken nådde allmänheten. Klassificering är en funktion inuti någon annans produkt. Generering är en produkt i sig själv: skriv en förfrågan, få tillbaka en sak. ChatGPT lanserades den 30 november 2022 och nådde uppskattningsvis 100 miljoner månatliga aktiva användare i januari 2023, två månader efter lanseringen, enligt en UBS-analys som Reuters rapporterade den 1 februari 2023, den snabbaste konsumentapplikationen att nå dit vid den tidpunkten, eftersom modellens resultat för första gången var själva poängen.

Det som följde var inte en jämn ström. Tidslinjen för modellsläpp följer 41 stora lanseringar sedan den dagen, och 31 av dem kom under 2025 och 2026. Orange markerar en resonerande modell eller en familj som levereras med ett tankeläge, och det skuggade partiet börjar med o1-preview.

Varje generativ modell lär sig hur ett rimligt exempel ser ut, och skapar sedan ett

Varje generativ modell tränas i grunden på samma sätt: visa den ett enormt antal exempel och låt den lära sig hur ett rimligt exempel ser ut. Vid användning ombeds den sedan att producera ett nytt exempel som passar mönstret och promptens innehåll.

För text lär sig modellen att förutsäga nästa token, och genererar ett svar en token i taget. Vad är en LLM ger hela förklaringen. För bilder och video är den dominerande metoden diffusion: modellen lär sig att ta bort brus från en bild i små steg, och vid generering börjar den med rent brus och tar bort det steg för steg medan en textbeskrivning styr vad som växer fram. Receptet som de flesta bildmodeller använder är 2020 års Denoising Diffusion Probabilistic Models-artikel av Ho, Jain och Abbeel. Metoden den ersatte, generativa motstridiga nätverk, härstammar från Goodfellow med flera 2014. Musikgeneratorer lånar mestadels från en av de två.

Konsekvensen att hålla fast vid är att alla producerar det som passar, inte det som är sant. En textmodell producerar en källhänvisning som ser ut som en källhänvisning. En bildmodell producerar en hand som passar mönstret för händer, ibland med sex fingrar. Flytet och felen kommer från samma ställe, och vad är en AI-hallucination täcker textversionen i detalj.

Fyra medier, fyra typer av modell, ett fönster

2022 betydde generativ AI text och, separat, bilder. 2026 dirigerar en enda chattprodukt till fyra typer av generator, och modellen bakom varje är olika.

Beslutet bakom detta är att dessa mäts olika eftersom de kostar olika mycket att köra. Ett textsvar kostar en bråkdel av en cent. En bild är en egen räknare. Video och musik är de dyra raderna och ligger på den högsta planen.

Bildgenerering ingår inte i Starter, är 100 i månaden på Pro och 500 i månaden på Powerhouse, och video- och musikgenerering är Powerhouse-funktioner, enligt hur Whizis krediter fungerar. Skillnaden mellan ett textsvar och en videoklipp är skillnaden mellan att generera 500 tokens och att generera flera sekunder av bildrutor, och prissättningen följer beräkningskraften.

Vad generativ AI är bra för, och dess ärliga gräns

Den är bra på förstautkast av allt med en känd form: ett mejl, en sammanfattning, en funktion, en produktbild, ett bakgrundsspår. Den är bra på omvandling, att ta något som finns och producera samma sak i en annan form: översatt, förkortad, omskriven för en annan läsare, i en annan stil. Och den är bra på volym, och producerar tjugo varianter där en person skulle producera två.

Den är per konstruktion svag på tre saker. Fakta den inte har fått, eftersom den genererar det som passar snarare än det som är sant. Precision i de sällsynta fallen: det sjätte fingret, koden som kompilerar men gör fel sak. Och bedömning av om resultatet är bra, vilket stannar hos personen som frågade. Guiden om hur man använder AI är den praktiska versionen av att arbeta inom de gränserna.

Tumregeln: generativ AI är rätt verktyg när du kan känna igen ett bra resultat snabbare än du kan skapa ett själv. Om du inte kan skilja ett bra resultat från ett dåligt är det inte rätt verktyg för den uppgiften ännu.

Generativ AI är en gren av maskininlärning, som är en gren av AI

Artificiell intelligens är paraplybegreppet: all programvara som gör något vi skulle kalla intelligent om en person gjorde det. Maskininlärning är den metod som de flesta moderna AI använder, att lära sig regler från data istället för att programmeras med dem. Generativ AI är den gren av maskininlärning vars resultat är nytt innehåll. En stor språkmodell är den generativa modellen för text. En chattbot är appen som byggts runt en sådan. Var och en är en delmängd av den föregående, och AI-ordlistan har hela uppsättningen termer på ett ställe.

Den praktiska tolkningen: när en produkt säger att den "använder AI", fråga vilken sorts. Om den sorterar, rangordnar eller förutspår är det den gamla sorten och den fungerar förmodligen bra. Om den genererar är det den nya sorten och behöver en person som granskar resultatet.