spring63的个人博客分享 http://blog.sciencenet.cn/u/spring63

博文

2023年回顾:生成式人工智能 精选

已有 5575 次阅读 2023-12-28 07:53 |个人分类:读书札记|系统分类:海外观察

2023年是生成式人工智能突破之年。人工智能AI学会了如何更好地生成文本图像、代码和艺术在这一年里,随着生成式人工智能的爆红和融入人们的生活,在海外引起了广泛的担忧和关于监管政策辩论。无论如何生成式人工智能迅速改变我们的工作方式

[ 生成式AI的突破 ]

一切始于去年年末,ChatGPT推动了人工智能热潮。ChatGPT20221130日发布,标志着生成式人工智能领域一个重要里程碑,激发了人工智能新的研究和创新浪潮。GhatGPT是由OpenAI创建的一款高级聊天机器人OpenAI 是一家前非营利组织,后来成为科技行业的独角兽,是人们对人工智能的热情的中心之一

生成式人工智能在2023年迅速流行乃至爆红,这在很大程度上要归功于OpenAIChatGPTDALL-E等程序。生成式人工智能可以被认为是一种机器学习模型,它被训练来创建新数据,而不是对特定数据集进行预测。此外,自然语言处理等人工智能技术的快速发展使得生成式人工智能能够大规模地被广大消费者和内容创作者所使用

海外大型科技公司迅速跟风,包括谷歌、微软、亚马逊、Meta等,纷纷推出了自己的生成式人工智能工具仅仅用了几个月的时间开发和发布许多尖端工具,如BardStable DiffusionDALL-EMake-A VideoRunway MLJukebox等。这些工具展现出非凡的能力,能够响应用户输入的提示,生成文本、图像、音乐、视频、代码、三维物体或其他类型内容。例如,OpenAI最出名的是大获成功的ChatGPT文本生成器,但它也有一个功能强大的文本到图像引擎,名为DALL-E可以在几分钟内创建令人惊叹的图像和动画1)。比较 2022 年推出的DALL-E第二个版本,现在的DALL-E第三个版本可以更好地理解语言的细微差别,并与ChatGPT集成,能够轻松地将用户的想法转化为异常准确的图像。ChatGPT现在可以通过简单的对话创建独特的图像,并可以在聊天中要求修改,使其更为栩栩如生。

image.png 

1 Dall-E人工智能生成的艺术和图像若干示例

虽然生成式人工智能是在2023年突破,彻底改变了自然语言处理和创意内容生成,但实际上,生成模型有悠久的历史参考资料[1])。一个早期例子是简单得多的模型,称为马尔可夫链。这项技术以俄罗斯数学家安德烈·马尔科夫的名字命名,他在1906年引入了这种统计方法来模拟随机过程的行为。在机器学习中,马尔可夫模型长期以来被用于下一个单词的预测任务。这些模型可以生成类似语音和时间序列的连续数据。然而,直到深度学习的出现,生成模型的性能才得到了显著的提升。ChatGPT和类似系统的基础模型的工作方式与马尔可夫模型非常相似。一个很大的不同是,模型的规模和可以生成的对象的复杂性,是几年前不可想象的——ChatGPT要大得多,也复杂得多,有数十亿个参数。

生成式人工智能的技术突破,离不开深度学习技术进步,特别是基于过去十年两个重要技术创新。其一,2014蒙特利尔大学的研究人员提出一种被称为生成对抗网络GAN的机器学习架构使用两个协同工作的模型生成器学习生成目标输出比如图像和鉴别器学习从生成器的输出中辨别真实数据。生成器和鉴别器在一个对抗性的框架内的相互作用。在训练中,这些组件通过迭代反馈循环参与其中,不断提高他们的技能。生成器使用来自鉴别器的反馈来指导其创作过程其二,2017谷歌的研究人员推出transformer转换器架构,该架构已被用于开发大型语言模型,包括支持ChatGPT的模型。在自然语言处理中,transformer将文本语料库中的每个单词编码为标记,然后生成注意力图,该图捕捉每个标记与所有其他标记的关系。这个注意力图有助于转换器在生成新文本时理解上下文。

2023年,人工智能更好地学会了如何更好生成文本图像、代码和艺术。这项技术展示了令人印象深刻的能力,一些复杂的任务中赶上或超过了人类的表现,例如回答复杂的医学考试问题,甚至编排人类舞蹈动画,来配合不同的音乐。生成式人工智能甚至于在一些意想不到的领域产生了前所未有的影响。例如,美国卡内基梅隆大学和翡翠云实验室共同创建的、由GPT-4驱动的“AI化学实验室Coscientist只用4分钟就成功复现诺奖成果。生成式人工智能在某些行业开始使用案例包括医疗保健将生成式人工智能作为加速药物发现的工具,数字营销根据消费者的偏好调整内容),教育开发定制的学习材料,以迎合学生的个人学习风格),金融分析市场模式和预测股市趋势),环境预测天气模式和模拟气候变化的影响

[ 生成式AI的挑战 ]

然而,伴随着这种能力而来的是对透明度、偏见以及在现实世界应用中部署如此复杂的模型的伦理影响的担忧。一个主要问题是它们可能会传播错误信息和有害内容。这样做的影响可能是广泛而严重的,从延续陈规定型观念、仇恨言论和有害的意识形态到损害个人和专业声誉以及法律和经济后果的威胁。甚至有人提出,对生成式人工智能教的滥用或管理不当会危及国家安全。

    海外有人声称,2023年很可能会作为人工智能历史上最疯狂和最具戏剧性的一年而载入史册。整个2023年春天,许多人对不断改进的人工智能可能带来的负面后果感到恐慌。首先是20235月,马斯克、本吉奥等千位AI科技人士签署暂停巨型AI实验公开信,呼吁所有的人工智能实验室立即暂停比GPT-4更强大的人工智能系统至少6个月的训练。然后是顶尖人工智能研究人员和首席执行官在22个字的声明中警告“灭绝的风险”——“Mitigating the risk of extinction from AI should be a global priority alongside other societal-scale risks such as pandemics and nuclear war.(减轻人工智能灭绝的风险应该与流行病和核战争等其他社会规模的风险一起成为全球优先事项)。签名者包括谷歌DeepMind首席执行官戴密斯·哈萨比斯和OpenAI首席执行官萨姆·奥特曼。202311月,英国举办首届全球人工智能安全峰会,汇集了领先的人工智能国家、技术公司、研究人员和民间社会团体,以推动全球人工智能前沿安全和负责任发展的行动。

2023年,我们目睹了OpenAI董事会“政变”大戏,目睹了关于人工智能末日的激烈政策辩论。“AI末日论者”担心有一天我们将建造一个远比人类聪明的人工智能,这可能会导致严重的后果,而“AI加速主义者”认为这些担忧是“荒谬的”。三位“深度学习之父”、2018年图灵奖得主约书亚·本吉奥(Yoshua Bengio)、杰弗里·辛顿(Geoffrey Hinton)和杨乐昆(Yann LeCun)的观点也不尽相同。本吉奥和辛顿称,AI是一种“社会级别的风险”,而Meta首席AI科学家杨乐昆则认为,人工智能仍然比猫笨,所以对存在风险的担忧是“为时过早”。说,也许会有一天,计算机会变得比人类更聪明,但那需要很多年的时间。他表示既不喜欢“AI末日论者”标签,也不喜欢“AI加速主义者”标签。

随着生成式人工智能逐渐融入日常生活,政策制定者、研究人员和公众都在努力应对人工智能不断发展的局面,提出监管和道德准则的需求,以确保未来几年负责任地使用人工智能。欧洲立法者结束了繁忙的政策年,2023129,欧洲议会和理事会谈判代表就《人工智能法案》达成了临时协议。该法规旨在确保基本权利、民主、法治和环境可持续性免受高风险人工智能的侵害,同时促进创新。此前,20231030,美国总统拜登发布了一项行政命令,旨在促进人工智能的“安全、可靠和值得信赖的发展和使用”。这项行政命令涉及对人工智能的开发和在各个组织中的应用所需的问责制度。行政命令对AI系统的定义也很广泛,它不仅限于生成式AI或利用神经网络的系统,还包括了近几年建立的系统。

[ 生成式AI改变我们的工作方式 ]

人工智能开始迅速改变我们的工作方式。麦肯锡全球研究所在题为《生成性人工智能与美国工作的未来》的报告参考资料[2]中称:到2030年,目前占美国经济工作时间30%的活动可能会自动化,生成式人工智能加速了这一趋势。生成式人工智能将改善科学、技术、工程、创新以及商业和法律专业人士的工作方式。

软件开发领域也不例外。代码编写通过使用AI可以获得最大生产力提升。AI代码助手是一种新型的AI工具,可以帮助开发人员更快速、更安全地编写代码。人工智能和自动化有潜力增强而非取代劳动力市场。自动化最大的影响可能会影响到其他工作类别,如办公室支持、客户服务和食品服务行业的就业人数可能会继续下降。

image.png 

2 麦肯锡全球研究所《生成性人工智能与美国工作的未来》的报告题图来源:参考资料[2]

生成式人工智能的爆炸式增长没有减弱的迹象,随着越来越多的企业接受数字化和自动化,生成式人工智能将在工业的未来扮演核心角色。生成式人工智能的能力已经在内容创作、软件开发和医学等领域得到了证明,随着技术的不断发展,其应用和使用案例也在不断扩展。

人工智能在2023年成为主流。正如著名人工智能科学家李飞飞指出的,2023年有望因技术的深刻变化和公众的觉醒而在历史上被人们铭记”。

参考资料

[1] Adam Zewe. Explained: Generative AI. MIT News. November 9, 2023.

[2] McKinsey.  Generative AI and the future of work in America. July 26, 2023 | Report

https://www.mckinsey.com/mgi/our-research/generative-ai-and-the-future-of-work-in-america



https://blog.sciencenet.cn/blog-3005681-1415601.html

上一篇:2023年回顾:计算机科学
下一篇:人工智能的最新挑战:数学奥林匹克
收藏 IP: 117.133.191.*| 热度|

8 宁利中 高峡 许培扬 崔锦华 李毅伟 谢钢 李升伟 孙颉

该博文允许注册用户评论 请点击登录 评论 (1 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-23 23:27

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部