Dinyatakan semula: Apakah kecerdasan buatan generatif, dan bagaimanakah ia berkembang?

AI Generatif ialah istilah umum untuk sebarang proses automatik yang menggunakan algoritma untuk menjana, memanipulasi atau mensintesis data, biasanya dalam bentuk imej atau teks yang boleh dibaca manusia. Ia dipanggil generatif kerana AI mencipta sesuatu yang tidak wujud sebelum ini. Beginilah ia berbeza daripada AI diskriminatif, yang membezakan antara jenis input yang berbeza. Dalam erti kata lain, AI yang diskriminatif cuba menjawab soalan seperti: "Adakah gambar ini arnab atau singa?" manakala AI generatif menjawab "Gambarkan saya gambar singa dan arnab sedang duduk bersama".

Terutamanya memperkenalkan AI generatif dan penggunaannya dengan model popular seperti ChatGPT dan DALL-E. Kami juga akan mempertimbangkan batasan teknologi, termasuk sebab "terlalu banyak jari" telah menjadi hadiah mati seni generatif.

Kemunculan Generatif AI

Generatif AI telah wujud selama bertahun-tahun, sejak ELIZA, chatbot yang mensimulasikan bercakap dengan ahli terapi, dibangunkan pada tahun 1966 di Massachusetts Institute of Technology ( MIT). Tetapi bertahun-tahun bekerja dalam kecerdasan buatan dan pembelajaran mesin baru-baru ini membuahkan hasil dengan keluaran sistem AI generatif baharu. Orang ramai pasti pernah mendengar tentang ChatGPT, chatbot AI berasaskan teks yang menghasilkan prosa yang sangat mirip manusia. DALL-E dan StableDiffusion juga menarik perhatian kerana keupayaan mereka untuk mencipta imej yang bertenaga dan realistik berdasarkan isyarat teks. Kami sering merujuk kepada sistem ini dan yang lain seperti mereka sebagai model kerana ia mewakili percubaan untuk mensimulasikan atau memodelkan beberapa aspek dunia sebenar berdasarkan subset (kadang-kadang subset yang sangat besar) maklumat.

Keluaran sistem ini sangat luar biasa sehingga ramai yang menimbulkan persoalan falsafah tentang sifat kesedaran dan bimbang tentang kesan ekonomi AI generatif terhadap kerja manusia. Tetapi sementara semua ciptaan AI ini tidak dapat dinafikan berita besar, mungkin terdapat kurang yang berlaku di bawah permukaan daripada yang difikirkan oleh sesetengah orang. Kami akan membincangkan soalan-soalan besar ini kemudian. Mula-mula, mari kita lihat apa yang berlaku di bawah model seperti ChatGPT dan DALL-E.

Bagaimana AI generatif berfungsi

AI Generatif menggunakan pembelajaran mesin untuk memproses sejumlah besar data visual atau teks, kebanyakannya dikikis daripada internet, dan kemudian menentukan Perkara yang paling mungkin muncul dekat benda lain. Kebanyakan usaha pengaturcaraan dalam AI generatif digunakan untuk mencipta algoritma yang boleh membezakan antara "perkara" yang menarik minat pencipta AI—perkataan dan ayat untuk chatbot seperti ChatGPT, atau elemen visual DALL-E. Tetapi pada asasnya, AI generatif mencipta outputnya dengan menilai korpus besar data, dan kemudian bertindak balas kepada gesaan dengan sesuatu dalam julat kebarangkalian yang ditentukan oleh korpus.

Autolengkap — apabila telefon atau Gmail anda menggesa anda dengan perkataan atau ayat lain yang mungkin anda taip — ialah bentuk kecerdasan buatan generatif peringkat rendah. Model seperti ChatGPT dan DALL-E hanya membawa idea ini ke tahap yang lebih tinggi

Melatih Model AI Generatif

Proses membangunkan model agar sesuai dengan semua data ini dipanggil latihan. Untuk pelbagai jenis model, beberapa teknik asas digunakan di sini. ChatGPT menggunakan apa yang dipanggil penukar (itulah maksud T). Penukar memperoleh makna daripada urutan teks yang panjang untuk memahami hubungan antara perkataan atau komponen semantik yang berbeza dan kemudian menentukan kemungkinan ia berlaku berdekatan antara satu sama lain. Pengubah bentuk ini dijalankan tanpa diawasi pada korpus besar teks bahasa semula jadi dalam proses yang dipanggil pra-latihan (PinChatGPT), dan kemudian diperhalusi oleh manusia yang berinteraksi dengan model.

Satu lagi teknik yang digunakan untuk melatih model dipanggil Generative Adversarial Networks (GAN). Dalam teknik ini, dua algoritma bersaing antara satu sama lain. Satu adalah untuk menjana teks atau imej berdasarkan kebarangkalian yang diperoleh daripada set data yang besar; yang lain ialah AI yang diskriminatif, yang dilatih oleh manusia untuk menilai sama ada output adalah sebenar atau dijana AI. AI Generatif akan berulang kali cuba "menipu" AI yang mendiskriminasi, secara automatik menyesuaikan diri dengan hasil yang berjaya. Setelah AI generatif secara konsisten "memenangi" pertandingan ini, AI yang diskriminatif diperhalusi oleh manusia, dan prosesnya bermula sekali lagi.

Salah satu perkara yang paling penting untuk diingat di sini ialah walaupun terdapat campur tangan manusia semasa latihan, kebanyakan pembelajaran dan penyesuaian berlaku secara automatik. Untuk model menghasilkan hasil yang menarik, banyak lelaran diperlukan, jadi automasi adalah penting. Proses ini memerlukan banyak pengiraan.

Adakah AI generatif berperasaan

Matematik dan pengekodan yang digunakan untuk mencipta dan melatih model AI generatif agak kompleks dan jauh di luar skop artikel ini. Tetapi jika anda berinteraksi dengan model hasil akhir proses ini, pengalaman itu pastinya luar biasa. Anda boleh meminta Dell-e menghasilkan sesuatu yang kelihatan seperti karya seni sebenar. Anda boleh mengadakan perbualan dengan ChatGPT seperti yang anda lakukan dengan manusia lain. Adakah Penyelidik Benar-Benar Mencipta Mesin Berfikir

Chris Phipps ialah bekas pengarah pemprosesan bahasa semula jadi di IBM dan mengambil bahagian dalam pembangunan produk kecerdasan buatan Watson. Dia menyifatkan ChatGPT sebagai "mesin ramalan yang sangat baik."

Ia sangat baik untuk meramalkan perkara yang manusia akan dapati koheren. Ia tidak selalunya koheren (kebanyakan masanya), tetapi itu bukan kerana ChatGPT "memahami"nya. Sebaliknya adalah benar: orang yang menggunakan output benar-benar pandai membuat apa sahaja andaian tersirat yang kita perlukan untuk menjadikan output bermakna.

Phipps, yang juga seorang pelawak, membandingkannya dengan permainan improvisasi biasa yang dipanggil MindMeld.

Dua orang masing-masing memikirkan perkataan dan menyebutnya dengan kuat pada masa yang sama - anda boleh menyebut "but" dan saya boleh menyebut "pokok". Kami datang dengan kata-kata sepenuhnya secara bebas, dan pada mulanya, mereka tidak mempunyai hubungan antara satu sama lain. Dua peserta seterusnya mengambil dua perkataan dan cuba mencari persamaan mereka sambil menyebutnya dengan kuat. Permainan diteruskan sehingga kedua-dua peserta menyebut perkataan yang sama.

Mungkin kedua-duanya berkata "tukang kayu". Ini mungkin kelihatan ajaib, tetapi sebenarnya kita menggunakan otak manusia untuk membuat alasan tentang input ("boot" dan "pokok") dan mencari sambungan. Kami dalam perniagaan pemahaman, bukan mesin. Terdapat banyak lagi perkara yang berlaku dalam ChatGPT dan DALL-E daripada yang orang ramai akui. ChatGPT boleh menulis cerita, tetapi memerlukan banyak usaha untuk kita manusia untuk menjadikannya bermakna.

Menguji had kecerdasan komputer

Orang ramai boleh memberikan model AI ini beberapa petunjuk yang akan menjadikan perkara Phipps agak jelas. Sebagai contoh, pertimbangkan teka-teki ini: "Mana yang lebih berat, satu paun plumbum atau satu paun bulu?" Jawapannya, sudah tentu, mereka mempunyai berat yang sama (satu paun), walaupun naluri atau akal kita mungkin memberitahu kita. bahawa bulu lebih ringan.

ChatGPT akan menjawab teka-teki ini dengan betul, dan anda mungkin fikir ia melakukannya kerana ia adalah komputer yang sejuk dan logik tanpa "akal sehat" yang menghalangnya. Tetapi bukan itu yang berlaku di sebalik tabir. ChatGPT tidak menaakul jawapan secara logik; ia hanya menghasilkan output berdasarkan ramalan daripada soalan tentang satu paun bulu dan satu paun plumbum. Oleh kerana set latihannya mengandungi sekumpulan teks yang menerangkan teka-teki, ia mengumpulkan versi jawapan yang betul. Walau bagaimanapun, jika anda bertanya kepada ChatGPT sama ada dua paun bulu mempunyai berat lebih daripada satu paun plumbum, ia dengan yakin akan memberitahu anda bahawa beratnya sama kerana, berdasarkan set latihannya, ini masih merupakan hasil yang paling berkemungkinan untuk dikeluarkan dengan segera tentang bulu dan plumbum.

Atas ialah kandungan terperinci Dinyatakan semula: Apakah kecerdasan buatan generatif, dan bagaimanakah ia berkembang?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!