再掲: 生成型人工知能とは何ですか?また、どのように進化しているのでしょうか?

生成型人工知能とは、アルゴリズムを使用してデータ (通常は画像または人間が読めるテキストの形式) を生成、操作、または合成する自動プロセスの総称です。 AI が以前には存在しなかったものを作り出すため、生成的と呼ばれます。これが、異なる種類の入力を区別する識別型 AI との違いです。言い換えれば、識別型 AI は「この写真はウサギですか、それともライオンですか?」のような質問に答えようとしますが、生成型 AI は「ライオンとウサギが一緒に座っている写真を描いてください。写真」というプロンプトに応答します。

生成 AI と、ChatGPT や DALL-E などの人気モデルでのその使用法を主に紹介します。また、なぜ「指が多すぎる」ことがジェネレーティブ アートの死因となったのかなど、このテクノロジーの限界についても検討します。

生成型人工知能の登場

生成型人工知能は、1966 年にマサチューセッツ大学でセラピストとの会話をシミュレートするチャットボット ELIZA が開発されて以来、長年にわたって存在しています。テクノロジー (MIT)。しかし、人工知能と機械学習における長年の研究が、最近新しい生成 AI システムのリリースによって結実しました。 ChatGPT は、非常に人間らしい散文を生成するテキストベースの AI チャットボットです。 DALL-E と StableDiffusion は、テキスト キューに基づいて鮮やかでリアルな画像を作成する機能でも注目を集めました。これらのシステムや同様のシステムを、情報のサブセット (場合によっては非常に大きなサブセット) に基づいて現実世界のある側面をシミュレートまたはモデル化する試みを表すため、私たちはよくモデルと呼びます。

これらのシステムの出力は非常に驚異的であるため、多くの人が意識の性質について哲学的な疑問を提起し、生成 AI が人間の仕事に及ぼす経済的影響を懸念しています。しかし、これらの AI の創造はすべて間違いなく大きなニュースですが、水面下では一部の人々が考えているほど起こっていない可能性があります。これらの大きな疑問については後ほど説明します。まず、ChatGPT や DALL-E などのモデルで何が起こっているのかを見てみましょう。

ジェネレーティブ AI はどのように機能しますか?

ジェネレーティブ AI は、機械学習を使用して大量のビジュアルまたはテキスト データ (その多くはインターネットから収集したもの) を処理し、どのデータが最も影響を受ける可能性が高いかを判断します。他のものの近くに現れます。生成 AI におけるプログラミング作業の多くは、AI の作成者が興味をもつ「もの」 (ChatGPT などのチャットボットの単語や文章、または DALL-E の視覚要素) を区別できるアルゴリズムの作成に関するものです。しかし基本的に、生成 AI は大規模なデータのコーパスを評価することによって出力を作成し、コーパスによって決定された確率の範囲内の何かでプロンプトに応答します。

オートコンプリート (携帯電話や Gmail が入力中の単語や文の残りの部分を表示するプロンプトを表示する) は、低レベルの生成型人工知能です。 ChatGPT や DALL-E などのモデルは、このアイデアをより高度なレベルに引き上げたものです。

生成 AI モデルのトレーニング

このすべてのデータに適合するモデルを開発するプロセスは、トレーニングと呼ばれます。ここでは、さまざまなタイプのモデルに対して、いくつかの基本的なテクニックが使用されます。 ChatGPT はいわゆるトランスフォーマーを使用します (これが T の意味です)。コンバーターは、長いテキスト シーケンスから意味を導き出し、異なる単語や意味構成要素間の関係を理解し​​て、それらが互いに近くに出現する可能性を判断します。これらのデフォーマは、事前トレーニング (PinChatGPT) と呼ばれるプロセスで、自然言語テキストの大規模なコーパス上で教師なしで実行され、その後、モデルを操作する人間によって微調整されます。

モデルのトレーニングに使用されるもう 1 つの手法は、敵対的生成ネットワーク (GAN) と呼ばれます。この手法では、2 つのアルゴリズムが互いに競合します。 1 つは大規模なデータセットから得られた確率に基づいてテキストや画像を生成するもので、もう 1 つは出力が本物か AI が生成したものかを評価するために人間によって訓練された判別 AI です。生成型 AI は、識別型 AI を繰り返し「だます」ことを試み、成功した結果に自動的に適応します。生成型 AI がこの競争で一貫して「勝利」すると、識別型 AI は人間によって微調整され、プロセスが最初からやり直しになります。

ここで覚えておくべき最も重要なことの 1 つは、トレーニング中に人間の介入が存在するにもかかわらず、ほとんどの学習と適応は自動的に行われるということです。モデルが興味深い結果を生み出すためには多くの反復が必要となるため、自動化が不可欠です。このプロセスには多くの計算が必要です。

生成 AI は感覚を持っていますか?

生成 AI モデルの作成とトレーニングに使用される数学とコーディングは非常に複雑であり、この記事の範囲をはるかに超えています。しかし、このプロセスの最終結果モデルを操作すると、その体験は確かに信じられないほど素晴らしいものになります。 Dell-e に本物の芸術作品のようなものを制作してもらうことができます。 ChatGPT とは、他の人間と会話するのと同じように会話できます。研究者は本当に思考機械を作成したのでしょうか?

ChrisPhipps是IBM公司前自然語言處理主管，曾參與沃森人工智慧產品的開發。他將ChatGPT描述為「非常好的預測機器」。

它非常擅長預測人類會發現什麼是連貫的。它並不總是連貫的(大多數情況下是)，但這並不是因為ChatGPT「理解」。事實恰恰相反:消費產出的人真的很擅長做出我們需要的任何隱含假設，以使產出有意義。

菲普斯也是一名喜劇演員，他將其與名為MindMeld的常見即興遊戲進行了比較。

兩個人每人想到一個詞，然後同時大聲說出來——你可以說“boot”，我說“tree”。我們完全獨立地想出了這些詞，一開始，它們彼此之間沒有任何關係。接下來的兩位參與者拿著這兩個詞，試著找出他們的共同點，同時大聲說出來。遊戲繼續進行，直到兩個參與者說出同一個單字。

也許兩個人都說「伐木工人」。這看起來很神奇，但實際上是我們用人類的大腦來推理輸入(“boot”和“tree”)，並找到其中的聯繫。我們做的是理解的工作，而不是機器。在ChatGPT和DALL-E中發生的事情比人們承認的要多得多。 ChatGPT可以寫故事，但我們人類要做很多工作才能使其有意義。

測試電腦智慧的極限

人們可以給這些人工智慧模型一些提示，這將使菲普斯的觀點變得相當明顯。例如，想想這個謎題:「一磅鉛和一磅羽毛，哪個比較重?」答案當然是它們的重量相同(一磅)，儘管我們的本能或常識可能會告訴我們羽毛更輕。

ChatGPT將正確地回答這個謎題，您可能會認為它這樣做是因為它是一台冷酷的邏輯計算機，沒有任何「常識」來絆倒它。但這並不是幕後發生的事。 ChatGPT不是邏輯推理出答案;它只是根據一個關於一磅羽毛和一磅鉛的問題的預測來產生輸出。因為它的訓練集包含了一堆解釋謎題的文本，所以它組裝了一個正確答案的版本。但是，如果你問ChatGPT兩磅羽毛是否比一磅鉛重，它會自信地告訴你它們的重量相同，因為根據它的訓練集，這仍然是最有可能輸出到關於羽毛和鉛的提示的結果。

以上が再掲: 生成型人工知能とは何ですか?また、どのように進化しているのでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。