深度神经网络——什么是生成式人工智能？

1.引言

生成式人工智能最近引起了很大的关注。该术语用于指依赖无监督或半监督学习算法来创建新的数字图像、视频、音频和文本的任何类型的人工智能系统。麻省理工学院表示，生成式人工智能是过去十年人工智能领域最有前途的进展之一。

通过生成式人工智能，计算机可以学习与输入相关的基本模式，从而使它们能够输出类似的内容。这些系统依赖于生成对抗网络（GAN）、变分自动编码器和变压器。

围绕生成式人工智能的炒作正在稳步增长，Gartner 将其纳入"新兴技术和趋势影响 2022 年雷达" 报告。据该公司称，它是市场上最具影响力和发展最快的技术之一。

Gartner 报告的一些关键预测包括：

生成式人工智能可以利用现有的文本、音频文件或图像来创建新内容。它使计算机能够检测与输入相关的底层模式，以便生成类似的内容。

生成式人工智能通过各种技术实现这一过程：

生成对抗网络（GAN）： GAN 由两个神经网络组成。有一个生成器和一个鉴别器网络，它们相互竞争以在两者之间建立平衡。生成器网络生成类似于源数据的新数据或内容。鉴别器网络区分源数据和生成的数据，以识别更接近原始数据的数据。
变形金刚： Transformer 模型包括 GPT-3 等大牌模型，它们模仿认知注意力，可以衡量输入数据部分的重要性。变形金刚经过训练可以理解语言或图像。他们还可以学习分类任务并从大型数据集中生成文本或图像。
变分自动编码器： 使用变分自动编码器，编码器将输入编码为压缩代码，而解码器从代码中再现初始信息。当正确训练时，压缩表示可以将输入数据分布存储为较小维度的表示。

生成式人工智能有着广泛的应用，涵盖营销、教育、医疗保健和娱乐等许多领域。

以下是生成式人工智能的一些顶级应用：

卫生保健： 生成对抗网络正在彻底改变医疗保健行业。可以教会他们制作代表性不足的数据的虚假示例，然后将其用于训练和开发模型。 GAN 还用于数据识别，提高数据隐私和安全性。它们解决了可能损害宝贵患者数据的逆转过程的主要问题。
音乐： 生成式人工智能还通过创建可以模仿人脑的神经网络而应用于音乐中。例如，谷歌的 Magenta 软件创作了第一首人工智能歌曲。生成式人工智能在音乐领域的最大好处之一是它能够创造新的流派。
动态图片： 生成式人工智能在电影行业的应用不断增长。无论光线或天气条件如何，专业人士都可以随时捕捉画面，因为照片可以在之后进行转换。生成式人工智能还可以利用人脸合成和声音克隆，使演员的图像和视频能够适应不同年龄的人。
媒体： 生成式人工智能广泛应用于整个媒体行业。例如，它可以通过超分辨率来升级内容。机器学习技术可以将低质量的内容变成高质量的内容。
机器人技术： 生成建模有助于强化机器学习模型表现出更少的偏见，并且能够理解模拟和现实世界中的抽象概念。

尽管生成式人工智能具有诸多优点和应用，但它也带来了一些挑战。其一，不良行为者可能会利用它来进行恶意活动，例如诈骗他人或创建垃圾新闻。

生成式人工智能算法需要大量训练数据才能成功执行任务。同时，GAN 无法输出全新的图像或文本，它们必须获取数据并将其组合在一起以创建新的输出。

生成式人工智能的另一个挑战是意想不到的结果，像 GAN 这样的一些模型很难控制。在这种情况下，模型可能会不稳定并产生意外的结果。

有许多公司参与了生成式人工智能的各种应用：

Synthesia: Synthesia 是最著名的生成式人工智能公司之一，它是视频合成技术的早期先驱。这家总部位于英国的公司成立于 2017 年，采用新的合成媒体技术来创建视觉内容，并降低利用该技术所需的成本、技能和语言障碍。
主要是人工智能： 大多数人工智能开发了合成数据引擎，能够大规模模拟真实且具有代表性的合成数据。它可以自动从现有数据中学习模式、结构和变化。
合成人工智能： 综合人工智能结合了新颖的生成人工智能模型和不断发展的 CGI 技术。据该公司称，他们的专有管道能够生成大量数据，用于训练复杂的计算机视觉模型。
合成： Synthetaic 是一家领先的合成数据公司，为 AI 提供高质量的数据。该公司的 RAIC（快速自动图像分类）可自动分析大型非结构化数据集，因此您可以比传统方法更快地训练和部署 AI 模型。
缺水症： Aqemia 是一家计算机药物发现公司，依靠独特的量子启发算法与人工智能相结合来预测亲和力。该技术有助于快速发现更多创新分子，并有更大的成功机会。
艾米： AiMi 是音乐行业顶尖的生成人工智能公司之一，它提供实时复活的动态、无尽的电子音乐流。您可以使用 AiMi 创建音乐场景，让您沉浸在连续的声音和视觉效果中。

这些只是利用生成式人工智能模型来引入创新和不断发展的技术的众多公司中的一小部分。