過去的一年里，生成式AI（Generative AI）可謂是強勢出圈。

從文本到圖像到視頻甚至代碼，你能想到的生成AI幾乎都能幫你做到。

這不，2023年世界經(jīng)濟年度峰會，也就是達沃斯論壇也點名表揚了生成AI在2022年所取得的輝煌成就。

本文將生成式AI稱為「社會和企業(yè)需要鄭重應對的破局者」，足以見其重視程度。

此外，論壇還邀請了OpenAI的CEO Sam Altman出席并發(fā)表了「AI邁向下一個紀元」的閉幕主題演講，同時討論了關于AI未來發(fā)展對經(jīng)濟社會的幫助等一系列話題。

這次與Altman對話訪談的是美國知名企業(yè)、領英聯(lián)合創(chuàng)始人里德·霍夫曼 (Reid Hoffman)。

我們截取了一小段對話訪談的片段，完整訪談鏈接也貼在下面啦。

Reid Hoffman：所以我認為很多人感興趣的一件事是，基于 API將創(chuàng)建非常大的模型，那么真正的商機是什么？前瞻的方式有哪些？鑒于API將可供多個玩家使用，您如何創(chuàng)建獨特的業(yè)務？

Sam Altman：是的。所以我認為到目前為止，我們已經(jīng)進入了一個無窮可能性的領域，你可以通過模型完成許多過去復雜的事情。但我猜想，隨著我們在未來幾年看到的語言模型的質(zhì)量，搜索產(chǎn)品將首次對谷歌構成嚴峻挑戰(zhàn)。包括我們的ChatGPT之前還被人們嘲笑，但現(xiàn)在它體現(xiàn)出的能力讓任何公司都不容忽視。

Altman認為人工智能是所有科技發(fā)展的基礎平臺，從大型語言模型到圖像和語言之間切換的多模態(tài)應用的巨大飛躍，到顯著擴展科學家能力的應用程序，所有行業(yè)都將從中取得許多進步。

最后文章還總結了這些年來生成AI的發(fā)展歷史。

上一組圖來看看，從2014到2022生成AI在圖像品質(zhì)上的飛越，這些圖片都是由AI模型生成的現(xiàn)實中不存在的人。

生成式預訓練轉(zhuǎn)換器 (GPT) 是一種大型語言模型 (LLM)，它使用深度學習來生成類似人類的文本。

盡管當前市場低迷，科技行業(yè)裁員，但生成式人工智能公司繼續(xù)受到投資者的關注。

例如Stability AI和Jasper最近分別融資了1.01億美元和1.25億美元，紅杉資本等投資者認為生成式 AI 領域可以產(chǎn)生數(shù)萬億美元的經(jīng)濟價值。

隨著Stable Diffusion和ChatGPT等新模型的發(fā)布，生成式AI已成為技術專家、投資者、政策制定者和整個社會的熱門話題。

生成式AI并不是一個全新的概念，生成式 AI 背后的機器學習技術在過去十年中不斷發(fā)展。

生成式AI訓練模型的工作原理是從大型數(shù)據(jù)集中學習，并使用這些知識生成與訓練數(shù)據(jù)集中示例相似的新數(shù)據(jù)。

這通常是使用一種稱為生成模型的機器學習算法來完成的。生成式模型有許多不同類型，每一種都使用不同的方法生成新數(shù)據(jù)。

一些常見的生成模型類型包括生成對抗網(wǎng)絡（GAN）、VAE和自回歸模型。

例如，在人臉圖像數(shù)據(jù)集上訓練的生成模型可能會學習人臉的一般結構和外觀，然后使用這些知識生成新的、以前未見過的但是看起來真實可信的人臉。

生成模型用于各種應用程序，包括圖像生成、自然語言處理和音樂生成。它們對于手動生成新數(shù)據(jù)非常困難的任務特別有用，比如為產(chǎn)品創(chuàng)建新設計或生成聽起來很逼真的語音。

OpenAI 的最新版本 ChatGPT 引起了轟動，并在短短五天內(nèi)吸引了 100 萬用戶，被描述為在更廣泛的任務領域取得了突破。

目前正在討論的用例包括搜索引擎的新架構、解釋復雜的算法、創(chuàng)建個性化治療機器人、幫助從頭開始構建應用程序、解釋科學概念等。

Midjourney、DALL-E 和 Stable Diffusion 等文本到圖像程序有可能改變藝術、動畫、游戲、電影和建筑等的渲染方式。

基于人機合作的新時代，樂觀主義者聲稱，生成式人工智能將有助于藝術家和設計師的創(chuàng)作過程，因為生成式人工智能系統(tǒng)將增強現(xiàn)有任務，加速構思，并從根本上加快創(chuàng)作階段。

除了創(chuàng)意空間，生成式AI模型在計算機工程等復雜科學領域具有變革能力。

例如，微軟擁有的GitHub Copilot基于OpenAI的Codex模型，可以建議代碼并協(xié)助開發(fā)人員自動完成他們的編程任務。

該系統(tǒng)被引用為自動完成高達 40% 的開發(fā)人員代碼，大大增加了工作流程。

雖然生成式人工智能讓人們對它所帶來的創(chuàng)造力感到激動，但也有人擔心這些模型對社會的影響。

數(shù)字藝術家Greg Rutkowski擔心互聯(lián)網(wǎng)上會充斥著與他自己的作品無法區(qū)分的藝術品，只需告訴系統(tǒng)以他獨特的風格復制藝術品即可。

藝術教授 Carson Grubaugh 也有同樣的擔憂，并預測大部分創(chuàng)意勞動力，包括從事娛樂、視頻游戲、廣告和出版業(yè)的商業(yè)藝術家，可能會因為生成人工智能模型而失業(yè)。

除了對任務和工作產(chǎn)生深遠影響外，生成式AI模型和相關的外部性在AI治理社區(qū)引起了警覺。

大型語言模型的問題之一是它們能夠生成虛假和誤導性內(nèi)容。

Meta 的Galactica——一個在 4800 萬篇科學文章上訓練的模型，聲稱可以總結學術論文、解決數(shù)學問題和編寫科學代碼——在上線不到三天后就被撤下了，因為科學界發(fā)現(xiàn)它對學生產(chǎn)生了誤解，產(chǎn)出了錯誤的數(shù)據(jù)和知識。

另外通過圖靈測試的機器人表現(xiàn)出與人類相似或無法區(qū)分的智能行為的能力，此類功能可能會被濫用來跨平臺和生態(tài)系統(tǒng)生成虛假信息。

大型模型繼續(xù)在書籍、文章和網(wǎng)站中代表的大量數(shù)據(jù)集上進行訓練，這些數(shù)據(jù)集可能以難以完全過濾的方式存在偏差。

盡管在 ChatGPT 的案例中通過使用人類反饋強化學習 (RLHF) 大大減少了有害和不真實的輸出，但 OpenAI 承認他們的模型仍然會產(chǎn)生惡意和有偏見的輸出。

參考資料：

https://www./agenda/2023/01/davos23-generative-ai-a-game-changer-industries-and-society-code-developers/