快速瀏覽一下頭條新聞就會發(fā)現(xiàn)，如今生成人工智能似乎無處不在。事實上，其中一些標(biāo)題實際上可能是由生成人工智能（如OpenAI的ChatGPT）撰寫的，這是一個聊天機器人，展示了一種近乎人類寫作的不可思議的能力。

但當(dāng)人們說“生成人工智能”時，他們真正指的是什么呢？

在過去幾年生成人工智能的興起之前，當(dāng)人們談?wù)撊斯ぶ悄軙r，通常是在談?wù)撃軌蚋鶕?jù)數(shù)據(jù)進行預(yù)測的機器學(xué)習(xí)模型。例如，這些模型通過數(shù)百萬個示例進行訓(xùn)練，以預(yù)測某個X射線是否顯示出腫瘤的跡象，或者某個借款人是否可能違約。

生成人工智能可以被看作是一種機器學(xué)習(xí)模型，它被訓(xùn)練用于創(chuàng)建新數(shù)據(jù)，而不是對特定數(shù)據(jù)集進行預(yù)測。生成式人工智能系統(tǒng)能夠?qū)W習(xí)生成更多看起來像它所訓(xùn)練的數(shù)據(jù)的對象。

麻省理工學(xué)院電氣工程和計算機科學(xué)副教授，計算機科學(xué)與人工智能實驗室（CSAIL）成員Phillip Isola說：“當(dāng)涉及到生成人工智能和其他類型的人工智能的實際機制時，區(qū)分可能會有點模糊。通常，相同的算法可以同時用于兩者，”

盡管ChatGPT及其類似產(chǎn)品發(fā)布時引起了很大轟動，但這項技術(shù)本身并不是全新的。這些強大的機器學(xué)習(xí)模型借鑒了超過50年的研究和計算進展。

復(fù)雜性的增加

生成人工智能的早期例子是一種更簡單的模型，稱為馬爾可夫鏈。這項技術(shù)以安德烈·馬爾可夫（Andrey Markov）命名，他是一位俄羅斯數(shù)學(xué)家，于1906年引入了這種統(tǒng)計方法來模擬隨機過程的行為。在機器學(xué)習(xí)中，馬爾可夫模型長期以來一直用于下一個單詞的預(yù)測任務(wù)，例如電子郵件程序中的自動完成功能。

在文本預(yù)測中，馬爾可夫模型通過查看前一個單詞或前幾個單詞來生成句子中的下一個單詞。但由于這些簡單模型只能回望到那么遠，它們在生成可信文本方面并不擅長，麻省理工學(xué)院電氣工程和計算機科學(xué)Tommi Jaakkola 教授解釋說，他也是CSAIL和數(shù)據(jù)、系統(tǒng)與社會研究所（IDSS）的成員。

“我們在過去的十年之前就已經(jīng)開始生成東西，但這里的主要區(qū)別在于我們可以生成的對象的復(fù)雜性以及我們可以訓(xùn)練這些模型的規(guī)模，”他解釋說。

就在幾年前，研究人員往往專注于找到一種機器學(xué)習(xí)算法，以最好地利用特定數(shù)據(jù)集。但這個焦點發(fā)生了一些變化，許多研究人員現(xiàn)在使用更大的數(shù)據(jù)集，可能包含數(shù)億甚至數(shù)十億的數(shù)據(jù)點，以訓(xùn)練能夠取得令人印象深刻結(jié)果的模型。

ChatGPT及其類似系統(tǒng)的基礎(chǔ)模型的工作方式與馬爾可夫模型非常相似。但一個重大區(qū)別在于ChatGPT更大、更復(fù)雜，具有數(shù)十億個參數(shù)。而且它經(jīng)過了大量的數(shù)據(jù)訓(xùn)練，本例中主要是互聯(lián)網(wǎng)上的大量公開文本。

在這龐大的文本語料庫中，單詞和句子以特定的依賴關(guān)系序列出現(xiàn)。這種重復(fù)幫助模型理解如何將文本劃分為具有一定可預(yù)測性的統(tǒng)計塊。它學(xué)習(xí)這些文本塊的模式，并利用這一知識提出可能出現(xiàn)的下一步。

更強大的架構(gòu)

盡管更大的數(shù)據(jù)集是導(dǎo)致生成人工智能蓬勃發(fā)展的一個催化劑，但各種重大研究進展也導(dǎo)致了更復(fù)雜的深度學(xué)習(xí)架構(gòu)。

在2014年，蒙特利爾大學(xué)的研究人員提出了一種稱為生成對抗網(wǎng)絡(luò)（GAN）的機器學(xué)習(xí)架構(gòu)。GAN使用兩個協(xié)同工作的模型：一個學(xué)習(xí)生成目標(biāo)輸出（如圖像），另一個學(xué)習(xí)區(qū)分真實數(shù)據(jù)和生成器輸出。生成器試圖欺騙鑒別器，并在此過程中學(xué)會生成更逼真的輸出。圖像生成器StyleGAN就是基于這類模型的。

一年后，斯坦福大學(xué)和加利福尼亞大學(xué)伯克利分校的研究人員引入了擴散模型。通過迭代地改進其輸出，這些模型學(xué)會生成新的數(shù)據(jù)樣本，這些樣本類似于訓(xùn)練數(shù)據(jù)集中的樣本，并被用于創(chuàng)建看起來逼真的圖像。擴散模型是文本到圖像生成系統(tǒng)穩(wěn)定擴散的核心。

2017年，谷歌的研究人員推出了 Transformer架構(gòu)，該架構(gòu)后來被用于開發(fā)大型語言模型，如驅(qū)動ChatGPT的模型。在自然語言處理中， Transformer將文本語料庫中的每個單詞編碼為Token，然后生成一個關(guān)注圖，捕捉每個Token與所有其它Tokens的關(guān)系。這個關(guān)注圖幫助 Transformer在生成新文本時理解上下文。

這只是許多可以用于生成人工智能的方法之一。

系列應(yīng)用

各種方法的共同之處在于它們將輸入轉(zhuǎn)換為一組Tokens，這些Tokens是數(shù)據(jù)塊的數(shù)值表示。只要您的數(shù)據(jù)可以轉(zhuǎn)換為這種標(biāo)準(zhǔn)的標(biāo)記格式，理論上，您可以應(yīng)用這些方法生成看起來相似的新數(shù)據(jù)。

Isola表示：“您的效果可能有所不同，這取決于您的數(shù)據(jù)有多嘈雜以及信號有多難提取，但它確實越來越接近通用CPU可以接收任何類型數(shù)據(jù)并以統(tǒng)一方式開始處理的方式?！?這為生成人工智能開辟了大量的應(yīng)用領(lǐng)域。

例如，Isola的研究團隊正在使用生成人工智能創(chuàng)建合成圖像數(shù)據(jù)，這些數(shù)據(jù)可以用于訓(xùn)練另一個智能系統(tǒng)，例如通過教計算機視覺模型如何識別物體。

Jaakkola 的研究團隊正在使用生成人工智能設(shè)計新穎的蛋白質(zhì)結(jié)構(gòu)或指定新材料的有效晶體結(jié)構(gòu)。他解釋說，就像生成模型學(xué)習(xí)語言的依賴關(guān)系一樣，如果向其展示晶體結(jié)構(gòu)，它可以學(xué)習(xí)使結(jié)構(gòu)穩(wěn)定且可實現(xiàn)的關(guān)系。

麻省理工學(xué)院電氣工程和計算機科學(xué)系和IDSS和信息與決策系統(tǒng)實驗室的成員 Andrew和Erna Viterbi 教授Devavrat Shah表示，盡管生成模型可以實現(xiàn)令人難以置信的結(jié)果，但它們并不是所有類型數(shù)據(jù)的最佳選擇。對于涉及對結(jié)構(gòu)化數(shù)據(jù)進行預(yù)測的任務(wù)，例如電子表格中的表格數(shù)據(jù)，生成人工智能模型往往被傳統(tǒng)的機器學(xué)習(xí)方法超越。

引起警示

生成人工智能聊天機器人現(xiàn)在正在呼叫中心中用于回答人類顧客的問題，但這個應(yīng)用凸顯了實施這些模型可能存在的一個潛在問題 — 工人被替代。

此外，生成人工智能可能繼承和傳播存在于訓(xùn)練數(shù)據(jù)中的偏見，或者放大仇恨言論和虛假陳述。這些模型有能力抄襲，并且可以生成看起來像是由特定人類創(chuàng)作者制作的內(nèi)容，這引發(fā)了潛在的版權(quán)問題。

另一方面，Shah提出，生成人工智能可以賦予藝術(shù)家們力量，他們可以使用生成工具幫助他們制作可能在其他情況下無法制作的創(chuàng)意內(nèi)容。

在未來，他認為生成人工智能將改變許多學(xué)科的經(jīng)濟學(xué)。

Isola看到生成人工智能的一個有希望的未來方向是在制造領(lǐng)域的應(yīng)用。他認為，與其讓一個模型制作一張椅子的圖像，也許它可以生成一張可以生產(chǎn)的椅子計劃。

他還看到生成人工智能系統(tǒng)在開發(fā)更智能的“智能體”方面有未來的用途。

Isola表示：“這些模型的工作方式與我們認為人腦的工作方式有所不同，但我認為也存在相似之處。我們有能力在腦海中思考和夢想，提出有趣的想法或計劃，我認為生成人工智能是賦予代理執(zhí)行這些任務(wù)的工具之一?！?/p>

本文轉(zhuǎn)載自 ??MoPaaS魔泊云??，作者： Adam Zewe