ECI@创新科技 |生成式AI全面解析：工作原理、优势与潜在风险（上）

转载赞收藏评论

举报 2023-08-15

扫描,分享朋友圈

ECI @HiTech开栏语

【ECI @科技创新】是由ECI@HiTech科技创新专委会每周从全球精选热门科技创新主题，帮助科技创新者和初创团队取得成功！让我们共同携手，寻找改变现有游戏规则的科技创新，激发人类的智慧和挑战，实现科技的创新和梦想。这就是科技创新的终极魅力！也是ECI”将创新带入生活Bring Innovation to Life” 的使命所在！

通常来说，科技的发展都会交替经历平台期和爆发期。平台期的科技创新更多聚焦于识别并解决客户现在的痛点，而爆发期的科技创新更多聚焦于引领并创造客户未来的需求，划时代的伟大科技创新往往诞生于此。

生成式人工智能是2023年最热门的话题，迅速获得了企业、专业人士和消费者的青睐。但是什么是生成式AI，它是如何工作的，以及人们都在谈论什么？请继续阅读以了解更多信息。

什么是ChatGPT?

ChatGPT是OpenAI开发的一种人工智能聊天机器人，它是一个大型的语言模型，使用的是transformer架构，尤其是生成式的预训练transformer，所以简称为GPT，用来理解和生成类人文本。

生成式人工智能是什么？

生成式AI技术可以生成文本、图像、代码或其他类型的内容，通常是根据用户输入的提示生成内容。现在，越来越多的生成式AI模型被整合到在线工具和聊天机器人中，允许用户将问题或指令输入到输入字段中，AI模型将生成类似人类的响应。

生成式AI模型越来越多地被整合到在线工具和聊天机器人中，允许用户将问题或指令输入到输入字段中，AI模型将生成类似人类的响应。

生成式AI是如何工作的？

生成式AI模型使用复杂的计算过程，即深度学习来分析大量数据中的常见模式和排列，然后利用这些信息创建新的、令人信服的输出。这些模型通过结合被称为神经网络的机器学习技术来实现这一点，这些技术受到人类大脑处理和解释信息方式的启发，并随着时间的推移从中学习。

举个例子，通过向生成式AI模型输入大量的小说创作，随着时间的推移，该模型将能够识别并再现故事的元素，例如情节结构、人物、主题、叙事手法等等。

生成式AI模型随着它们接收和生成的数据越多，就会变得越来越复杂——这同样归功于底层深度学习和神经网络技术。因此，生成式AI模型生成的内容越多，它的输出就越令人信服，越像人类。

生成式AI的例子

2023年，生成式AI的流行程度已经爆发，这主要归功于OpenAI的ChatGPT和DALL-E项目等。此外，自然语言处理等AI技术的迅速发展使生成式AI得以大规模地为消费者和内容创作者所用。

大型科技公司迅速加入了这一行列，谷歌、微软、亚马逊、Meta和其他公司都在短短几个月内推出了自己的生成式AI工具。

尽管存在各种生成式AI工具，但文本和图像生成模型可以说是最著名的。生成式AI模型通常依赖于用户提供提示，以引导其产生所需的输出，无论是文本、图像、视频还是音乐。但情况并非总是如此。

生成式AI模型的例子包括：

ChatGPT：OpenAI开发的一种AI语言模型，可以从文本提示中回答问题并生成类似人类的响应。
DALL-E 2：OpenAI的另一种AI模型，可以从文本提示中创建图像和艺术品。
Google Bard：Google的生成式AI聊天机器人，ChatGPT的竞争对手。它使用PaLM大型语言模型进行训练，可以从提示中回答问题和生成文本。
Midjourney：由总部位于旧金山的研究实验室Midjourney Inc.开发，这种生成式AI模型解释文本提示以生成图像和艺术品，类似于DALL-E 2。
GitHub Copilot：一种AI驱动的编码工具，可在Visual Studio、Neovim和JetBrains开发环境中提供代码补全建议。
Llama 2：Meta的开源大型语言模型，可用于为聊天机器人和虚拟助理创建会话AI模型，类似于GPT-4。
xAI：在资助OpenAI之后，埃隆·马斯克（Elon Musk）于2023年7月离开了该项目，并宣布了这一新的生成式AI企业。目前对此知之甚少。

生成式AI模型的类型

生成式AI模型有多种类型，每种类型都针对特定的挑战和任务进行了设计。这些模型可以大致分为以下几类。

基于Transformer的模型

基于Transformer的模型在大量数据上进行训练，以理解单词和句子等序列信息之间的关系。这些AI模型以深度学习为基础，擅长自然语言处理和理解语言的结构和语境，非常适合用于文本生成任务。ChatGPT-3和Google Bard是基于Transformer的生成式AI模型的例子。

生成对抗网络

GAN由两个神经网络组成，分别是生成器和鉴别器，它们相互对抗以创建看起来真实的数据。顾名思义，生成器的作用是根据提示生成令人信服的结果，例如图像，而鉴别器的作用是评估该图像的真实性。随着时间的推移，每个组件在各自的职责上表现得越来越好，从而产生更令人信服的结果。DALL-E和Midjourney都是基于GAN的生成式AI模型的例子。

变分自编码器

变分自编码器利用两个网络来解释和生成数据——在这种情况下，它是一个编码器和解码器。编码器接受输入数据并将其压缩成简化的格式。然后，解码器采用这种压缩后的信息，并将其重构为类似于原始数据的新内容，但并非完全相同。

一个例子可能是教授计算机程序使用照片作为训练数据来生成人脸。随着时间的推移，该程序学会了如何将人们的面部照片简化为一些重要特征——例如眼睛、鼻子、嘴巴、耳朵的大小和形状等等——然后利用这些特征来创建新面孔。

多模式模型

多模式模型可以同时理解和处理多种类型的数据，例如文本、图像和音频，使它们能够创建更复杂的输出。一个例子可能是一个能够根据文本提示生成图像，以及根据图像提示生成文本描述的AI模型。DALL-E 2和OpenAI的GPT-4是多模式模型的例子。

注：本文内容转载于TechRepublic文章：

Generative AI Defined: How it Works, Benefits and Dangers：

https://www.techrepublic.com/article/what-is-generative-ai/

目前，2023 ECI Awards（艾奇奖）正在征赛中，同时，我们在与参赛者的日常交流中，也收到了许多关于比赛的询问。为了提升参赛者的体验，ECI组委会将之前在征赛过程中，已经发布的关于各类常见问题和关键信息等内容，整理了一份参赛答疑必备手册（请点击链接进行了解：ECI Awards 2023丨精彩纷呈！全面掌握报奖流程与技巧！）我们鼓励各位参赛者能够认真准备作品，并祝愿大家在比赛中斩获佳绩！点击下方链接进行报赛：

报赛链接

ECI Media官方媒体矩阵

联系我们

本文系作者授权数英发表，内容为作者独立观点，不代表数英立场。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。