生成式人工智能是：

• 人工智能的一种

• 可以创造新的东西，例如艺术品、音乐，甚至现实的图像。

• 没有被明确告知要创建什么

传统人工智能专注于特定任务或解决问题，而生成式人工智能的特点是能够展现类似于人类创造力的创造力。生成式人工智能能够像人类一样生成新的、独特的内容、想法或解决方案。

让我们通过一个例子更好地理解它！

想象一下，我让你画一种你以前从未见过的动物。你需要发挥你的想象力，画出一种世界上从未见过的全新动物。

因为我们人类有想象力和创造力，你一定能做到。也许你会画一种动物，它有狮子的身体、牛的脸和蝴蝶的翅膀。

现在，如果计算机程序可以自行创造新事物，那该多好啊！它可以创造新的事物，例如艺术品、音乐，甚至逼真的图像，而无需明确告知要创造什么。

计算机程序获得了大量狮子、牛和蝴蝶的图片。现在，有了这些知识，它就可以画出一种全新的动物，比如“狮子-牛-蝴蝶”的组合。它不会复制任何现有的图像；相反，它利用对狮子、牛和蝴蝶独特之处的理解来创造一些全新的东西，如下所示。

生成式人工智能在人工智能体系中处于什么位置？

生成式人工智能是深度学习的一个子集。下图显示了人工智能、机器学习、深度学习和生成式人工智能之间的关系。

生成式人工智能利用机器学习技术，特别是深度学习和神经网络。

生成式人工智能的主要区别在于生成新内容的能力。

人工智能、机器学习甚至深度学习大多仅限于预测模型。这些主要用于观察和分类内容模式或预测新模式或内容。例如，一个经典的机器学习用例是从多个给定图像中识别猫的图像，或根据各种属性将动物分类到不同的集群中。

生成式人工智能是一项突破，因为它有能力做一些只有人类才应该做的事情——创建猫的图像或利用其创造力创建全新动物的图像。

下图展示了人工智能随时间的演变。人工智能从传统的基于规则的系统向生成式人工智能的演变是由学习算法、计算能力和海量数据访问的进步推动的。

生成模型

生成式人工智能使用不同类型的机器学习模型，称为生成模型。

生成模型：

• 学习底层数据集并生成密切模仿原始数据的新数据

• 主要用于创建新内容，例如图像、文本甚至音乐，这些内容看起来与人类可能创建的内容完全相同

• 使用无监督学习方法

最常见的生成模型是：

• 变分自动编码器（VAE），

• 生成对抗网络（GAN）

• 有限玻尔兹曼机 (RBM)

• 基于 Transformer 的语言模型

在下一章中，我们将更多地了解生成模型。

生成式人工智能在现实生活中的用途

以下是如何使用生成式人工智能创建现实应用程序的一些示例：

文本生成

我们大多数人都使用过基于生成式人工智能的 ChatGPT。与 ChatGPT 类似，基于人工智能的工具可用于生成新内容，例如文章、报告、诗歌、故事或任何其他基于文本的内容。

生成式人工智能最常见的用途之一是构建虚拟助手和聊天机器人。生成模型用于构建高级聊天机器人，可以模仿人类交互与用户交互。

图像生成

生成式人工智能工具用于使用各种生成模型生成新图片，甚至是创意图片。这些模型可以从大量图像中学习，并根据训练数据生成新的独特图像。这些模型甚至可以根据输入提示生成具有创造力的图像，类似于人类生成的内容。它可以通过多种方式用于现实生活中的应用，例如图像到图像的翻译、文本到图像的翻译、照片编辑、面部生成、图像质量增强等。

使用生成式 AI 来创建逼真图像和艺术的最常见工具之一是由 OpenAI 开发的 DALL-E。它是一种文本到图像模型，利用深度学习从自然语言描述生成数字图像。

视频生成

生成模型可用于从头开始创建整个视频。它将场景、人物和动作缝合在一起形成一个故事。这些视频可用于娱乐、广告，甚至培训模拟。视频游戏开发是大量使用生成式人工智能的领域之一。

一些生成模型可用于通过学习现有视频来创建新视频。如果现有视频（例如安全剪辑）损坏，这可以用于视频预测。

语音生成

生成式人工智能还可以模仿声音或生成全新的声音！它可以通过分析音频数据来了解人们如何说话，然后生成相同风格的声音或创建全新的声音。

这对于使虚拟助手或有声读物听起来更自然很有用。

医疗保健应用

生成式人工智能模型可用于生成类似于真实数据的合成数据样本。这在医疗领域非常有用，因为有时收集真实世界的数据非常昂贵或有限。例如，生成式人工智能可用于生成用于研究目的的合成患者数据。

药物发现

生成式人工智能被用于药物发现，以生成具有所需特性的新分子结构。这有助于通过探索广阔的化学空间和识别有前途的候选药物来加速药物开发的进程。

赌博

生成式人工智能真正改变了游戏世界。它越来越多地应用于游戏行业，以加速游戏制作并创造独特的体验。

它可以帮助游戏开发者通过创建完整的世界、角色和故事来使游戏更加令人兴奋和身临其境。

生成式人工智能还可用于使虚拟世界更加真实。它可以用来创造独特的生物和角色，微调每个角色的个性和特质，让游戏充满生机和惊喜。

艺术

这是区分生成式人工智能和常规人工智能的主要用途之一。生成式人工智能具有像我们人类一样的创造性思维能力。各种生成模型用于生成艺术制品，例如绘画、诗歌、故事和其他基于多媒体的艺术。

软件开发

生成式人工智能彻底改变了我们编写代码和构建软件的方式。借助 GitHub Copilot、ChatGPT、AlphaCode 等生成式 AI 工具，我们可以更快地编写具有精细细节的代码。

生成式人工智能工具可以帮助开发人员生成代码片段，通过识别更多缺陷来提高软件测试效率，并针对编码挑战提出最佳解决方案。这会带来更快的开发周期和更高的代码质量，最终改进软件产品并增强用户体验。

金融

金融机构正在使用生成式人工智能来分析市场趋势、高精度预测股票走势并完善交易策略。该技术还帮助我们更好地进行风险评估、欺诈检测和投资组合优化，从而提高效率、降低成本、提高盈利能力和更好的投资选择。

一些流行的生成式人工智能工具的示例

在上一节中，我们讨论了生成式人工智能的各种用例。现在，让我们来看看目前一些流行的生成人工智能工具。

ChatGPT

ChatGPT 是 OpenAI 开发的对话式人工智能。它旨在与用户进行自然语言对话，提供上下文相关且连贯的响应。

ChatGPT 的工作原理是处理输入文本并根据从大量训练数据中学到的模式和关系生成响应。它使用深度学习技术，特别是转换器，使其能够理解并生成类似人类的文本。

GPT（生成式预训练变压器）

GPT 是一种基于 Transformer 的大语言模型，由 OpenAI 开发。这是 ChatGPT 背后的引擎。

ChatGPT 的免费版本基于 GPT 3.5，而更高级的基于 GPT-4 的版本则以商业名称“ChatGPT Plus”向付费订阅者提供。

AlphaCode

AlphaCode 是一种基于 Transformer 的语言模式，由 DeepMind 开发。它是一个由人工智能驱动的编码引擎，可以生成计算机程序。AlphaCode 比许多现有的语言模型更复杂，有 414 亿个参数。

该工具利用深度学习算法来分析大量代码并从模式中学习，从而使其能够生成优化的代码解决方案。它支持多种编程语言，包括 C#、Ruby、Python、Java、C++ 等。

GitHub  Copilot 

GitHub Copilot 是 GitHub 与 OpenAI 合作开发的人工智能驱动的代码完成工具。它直接集成到 Visual Studio Code 等代码编辑器中，并在开发人员编写代码时提供实时建议和完成。

它旨在通过生成代码片段、建议整行或代码块以及提供上下文文档来帮助开发人员。GitHub Copilot 支持多种编程语言，例如 Python、JavaScript、Java、C++ 等。

Bard 诗人

Bard 是 Google 开发的会话式生成 AI 聊天机器人，是对 OpenAI 的 ChatGPT 迅速崛起的直接回应。Bard 最初基于 LaMDA，一种基于 Transformer 的模型。后来又升级到PaLM、Gemini等其他型号。

Microsoft Copilot

Microsoft Copilot 最初由 Microsoft 于 2023 年推出，作为人工智能驱动的助手，可以帮助浏览网页。后来它更名为 Microsoft Copilot。

Microsoft Copilot 可用于请求文章、书籍、新闻等的摘要、一般文本和图像、重新格式化文本、更新图像等。

DALL-E

由 OpenAI 开发的 DALL-E（其他版本为 DALL-E2 和 DALL-E3）是生成图像的最佳 AI 生成工具之一。它使用深度学习算法从文本生成图像。

StyleGAN

StyleGAN由NVIDIA开发，是GAN（生成对抗网络）类型的生成模型，用于生成高质量的合成图像。

StyleGAN 非常擅长创建人脸和其他视觉内容的逼真图像。它可以生成人脸图像，并对面部属性、姿势和背景等特定视觉特征进行高度控制。

下面是 StyleGAN 生成的一些看起来像真人的图像。有一个有趣的网站https://this-person-does-not-exist.com演示了如何使用 StyleGAN 生成实际上不存在的人脸。

原文始发于微信公众号（KK安全说）：「人脑替代计划-5」必不可少的生成式人工智能