在過去的一年裡，生成式AI（Generative AI）可謂是強勢出圈。
從文字到圖像到影片甚至程式碼，你能想到的生成AI幾乎都能幫你做到。
這不，2023年世界經濟年度高峰會，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「社會與企業需要鄭重應對的破局者」，足以見其重視程度。
此外，論壇也邀請了OpenAI的CEO Sam Altman出席並發表了「AI邁向下一個紀元」的閉幕主題演講，同時討論了關於AI未來發展對經濟社會的幫助等一系列主題。
這次與Altman對話訪談的是美國知名企業、領英共同創辦人 Reid Hoffman。
我們截取了一小段對話式訪談的片段，完整訪談連結也貼在下面啦。
Altman認為人工智慧是所有科技發展的基礎平台，從大型語言模型到圖像和語言之間切換的多模態應用的巨大飛躍，到顯著擴展科學家能力的應用程序，所有行業都將從中取得許多進展。
影片連結：https://youtu.be/WHoWGNQRXb0
完整訪談連結：https://greylock.com/greymatter/sam-altman-ai-for-the-next-era/
最後文章還總結了這些年來生成AI的發展歷史。
上一組圖來看，從2014到2022產生AI在影像品質上的飛越，這些圖片都是由AI模型產生的現實中不存在的人。
生成式預訓練轉換器(GPT) 是一種大型語言模型( LLM)，它使用深度學習來產生類似人類的文本。
儘管當前市場低迷，科技業裁員，但生成式人工智慧公司繼續受到投資者的關注。
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 領域可以產生數萬億美元的經濟價值。
隨著Stable Diffusion和ChatGPT等新模型的發布，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並不是一個全新的概念，生成式 AI 背後的機器學習技術在過去十年中不斷發展。
生成式AI訓練模型的工作原理是從大型資料集中學習，並使用這些知識產生與訓練資料集中範例相似的新資料。
這通常是使用一種稱為生成模型的機器學習演算法來完成的。生成式模型有許多不同類型，每一種都使用不同的方法產生新資料。
一些常見的生成模型類型包括生成對抗網路（GAN）、VAE和自回歸模型。
例如，在人臉圖像資料集上訓練的生成模型可能會學習人臉的一般結構和外觀，然後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。
生成模型用於各種應用程序，包括圖像生成、自然語言處理和音樂生成。它們對於手動產生新資料非常困難的任務特別有用，例如為產品創建新設計或產生聽起來很逼真的語音。
OpenAI 的最新版本 ChatGPT 引起了轟動，並在短短五天內吸引了 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尋引擎的新架構、解釋複雜的演算法、創建個人化治療機器人、幫助從頭開始建立應用程式、解釋科學概念等。
Midjourney、DALL-E 和 Stable Diffusion 等文字到圖像程式有可能改變藝術、動畫、遊戲、電影和建築等的渲染方式。
基於人機合作的新時代，樂觀主義者聲稱，生成式人工智慧將有助於藝術家和設計師的創作過程，因為生成式人工智慧系統將增強現有任務，加速構思，並從根本上加快創作階段。
除了創意空間，生成式AI模型在電腦工程等複雜科學領域具有變革能力。
例如，微軟擁有的GitHub Copilot基於OpenAI的Codex模型，可以建議程式碼並協助開發人員自動完成他們的程式設計任務。
該系統被引用為自動完成高達 40% 的開發人員程式碼，大大增加了工作流程。
雖然生成式人工智慧讓人們對它所帶來的創造力感到激動，但也有人擔心這些模型對社會的影響。
數位藝術家Greg Rutkowski擔心網路上會充斥著與他自己的作品無法區分的藝術品，只需告訴系統以他獨特的風格複製藝術品即可。
藝術教授 Carson Grubaugh 也有同樣的擔憂，並預測大部分創意勞動力，包括從事娛樂、電玩遊戲、廣告和出版業的商業藝術家，可能會因為生成人工智慧模型而失業。
除了對任務和工作產生深遠影響外，生成式AI模型和相關的外部性在AI治理社群中引起了警覺。
大型語言模型的問題之一是它們能夠產生虛假和誤導性內容。
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、解決數學問題和編寫科學程式碼——在上線不到三天后就被撤下了，因為科學界發現它對學生產生了誤解，產出了錯誤的數據和知識。
另外透過圖靈測試的機器人表現出與人類相似或無法區分的智慧行為的能力，此類功能可能會被濫用來跨平台和生態系統產生虛假資訊。
大型模型繼續在書籍、文章和網站中代表的大量資料集上進行訓練，這些資料集可能以難以完全過濾的方式偏差。
儘管在ChatGPT 的案例中透過使用人類回饋來強化學習(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生惡意和有偏見的輸出。
以上是生成AI登上達沃斯論壇，OpenAI CEO發話表示AI將邁向下一個紀元的詳細內容。更多資訊請關注PHP中文網其他相關文章！
