每日看點(diǎn)！生成式人工智能：一個(gè)充滿(mǎn)創(chuàng)意的新世界

神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場(chǎng)、生活等領(lǐng)域，重點(diǎn)介紹國(guó)外的新技術(shù)、新觀點(diǎn)、新風(fēng)向。

編者按：人與其他生物最大的區(qū)別，在于人會(huì)分析和創(chuàng)造，也就是具備高級(jí)思考能力。但是，最近十年在模型、算力和數(shù)據(jù)的共同推動(dòng)下，人工智能先是慢慢開(kāi)始擅長(zhǎng)以各種識(shí)別（語(yǔ)音、圖像等）為代表的分析型任務(wù)，在最近更是開(kāi)始在創(chuàng)作出感性和美麗的東西方面嶄露頭角，這就是所謂的生成式人工智能。本文對(duì)這一趨勢(shì)進(jìn)行了剖析和展望。文章來(lái)自編譯。

(資料圖片僅供參考)

人類(lèi)擅長(zhǎng)分析事物。但機(jī)器甚至更強(qiáng)。機(jī)器可以分析一組數(shù)據(jù)，并找出其中存在的、適用大量用例的模式，不管這些用例是欺詐還是垃圾郵件檢測(cè)，預(yù)測(cè)交付的 ETA （估計(jì)到達(dá)時(shí)間），或預(yù)測(cè)接下來(lái)要展示什么樣的 TikTok 視頻給你。它們?cè)趫?zhí)行這些任務(wù)上正變得越來(lái)越聰明。這就是所謂的“分析人工智能”（Analytical AI）或傳統(tǒng)人工智能。

但人類(lèi)不僅擅長(zhǎng)于分析事物——我們還擅長(zhǎng)于創(chuàng)造。我們會(huì)寫(xiě)詩(shī)、能設(shè)計(jì)產(chǎn)品、開(kāi)發(fā)游戲和編寫(xiě)代碼。直到最近，在創(chuàng)造性的工作上，機(jī)器還沒(méi)有機(jī)會(huì)與人類(lèi)掰掰手腕——它們只能從事分析性的以及死記硬背的認(rèn)知?jiǎng)趧?dòng)。但是現(xiàn)在機(jī)器正在開(kāi)始擅長(zhǎng)創(chuàng)作出感性和美麗的東西。這個(gè)新類(lèi)別被稱(chēng)為“生成式人工智能”（Generative AI），也就是說(shuō)，機(jī)器正在生成新的東西，而不是分析已經(jīng)存在的東西。

生成式人工智能不僅正在變得更快、更便宜，而且在某些情況下創(chuàng)作出來(lái)的東西甚至比人類(lèi)做出來(lái)的還要好。從社交媒體到游戲，從廣告到建筑，從編碼到平面設(shè)計(jì)，從產(chǎn)品設(shè)計(jì)到法律，從市場(chǎng)營(yíng)銷(xiāo)到銷(xiāo)售，每一個(gè)需要人類(lèi)原創(chuàng)性工作的行業(yè)都面臨著重塑。這些行業(yè)的部分職能可能會(huì)被生成式人工智能完全取代，而在人機(jī)協(xié)同帶來(lái)的迭代得更頻繁的創(chuàng)作循環(huán)的作用下，其他一些職能更有可能會(huì)蓬勃發(fā)展——但在廣泛的終端市場(chǎng)上，生成式人工智能應(yīng)該會(huì)釋放出更好、更快、更便宜的創(chuàng)造力。我們的夢(mèng)想是，生成式人工智能將把創(chuàng)作和知識(shí)工作的邊際成本降為零，從而創(chuàng)造出極高的勞動(dòng)生產(chǎn)率和經(jīng)濟(jì)價(jià)值——以及相應(yīng)龐大的市值。

生成式人工智能涉及的領(lǐng)域——知識(shí)工作和創(chuàng)造性工作——牽涉到數(shù)十億工人。生成式人工智能可以讓這些工人的效率和/或創(chuàng)造力至少提高 10%：他們不僅能變得更快、更有效率，而且比以前能力更強(qiáng)。因此，生成式人工智能有產(chǎn)生數(shù)萬(wàn)億美元經(jīng)濟(jì)價(jià)值的潛能。

為什么是現(xiàn)在？

生成式人工智能與更廣泛的人工智能都有一樣的“為什么是現(xiàn)在”：更好的模型、更多的數(shù)據(jù)、更多的計(jì)算。這一類(lèi)別的人工智能的變化日新月異，我們甚至都無(wú)法全都捕捉下來(lái)，但概述其最近的歷史，好將當(dāng)下放在一個(gè)合適的背景下去理解是值得的。

第 1 波浪潮：小型模型主宰時(shí)期（2015 年之前）

5 年多前，小型模型被認(rèn)為是理解語(yǔ)言“最先進(jìn)”的模型。這些小型模型擅長(zhǎng)分析任務(wù)，并被部署到從預(yù)測(cè)交貨時(shí)間到欺詐分類(lèi)的各種工作上。不過(guò)，對(duì)于通用的生成任務(wù)來(lái)說(shuō)，它們的表現(xiàn)還不夠好。生成與人類(lèi)水平相當(dāng)?shù)奈恼禄虼a仍然是白日夢(mèng)。

第 2 波浪潮：規(guī)模競(jìng)賽（2015 年至今）

Google Research 發(fā)表了一篇具有里程碑意義的論文（Attention is All You Need），里面描述了一種新的，用于自然語(yǔ)言理解的神經(jīng)網(wǎng)絡(luò)架構(gòu)，叫做 transformers，它可以生成高質(zhì)量的語(yǔ)言模型，同時(shí)該模型還具備了更高的可并行性對(duì)訓(xùn)練時(shí)間的要求明顯減少。這些模型是小樣本學(xué)習(xí)器，可以相對(duì)容易地針對(duì)特定領(lǐng)域進(jìn)行定制化。

隨著模型變得越來(lái)越大，其表現(xiàn)開(kāi)始與人類(lèi)水平相當(dāng)，然后就會(huì)超越人類(lèi)，這是必然的。

隨著模型變得越來(lái)越大，其表現(xiàn)開(kāi)始與人類(lèi)水平相當(dāng)，然后就會(huì)超越人類(lèi)，這是必然的。從 2015 年到 2020 年，用于訓(xùn)練這些模型的計(jì)算量增加了 6 個(gè)數(shù)量級(jí)，在手寫(xiě)、語(yǔ)音和圖像識(shí)別、閱讀理解和語(yǔ)言理解方面的結(jié)果已經(jīng)超過(guò)了人類(lèi)的性能基準(zhǔn)。 其中OpenAI 的GPT-3 脫穎而出：與GPT-2相比，GPT-3 模型的性能有了巨大飛躍，為大家在 Twitter 提供了從代碼生成到諷刺笑話(huà)寫(xiě)作等任務(wù)的誘人演示。

盡管這些基礎(chǔ)研究有了進(jìn)展，但這些模型并不普遍。它們很龐大且很難跑起來(lái)（需要協(xié)調(diào) GPU），沒(méi)法讓大家廣泛訪(fǎng)問(wèn)（不可用或僅限封閉測(cè)試版），而且當(dāng)作云服務(wù)使用的成本很高。盡管存在諸多限制，但最早的生成式人工智能應(yīng)用已經(jīng)開(kāi)始加入競(jìng)爭(zhēng)。

隨著 AI 模型的規(guī)模越來(lái)越大，它們的表現(xiàn)已經(jīng)開(kāi)始超越主要的人類(lèi)性能基準(zhǔn)。

第 3 波浪潮：更好、更快、更便宜（2022 年及之后）

計(jì)算變得更便宜。新的技術(shù)，如擴(kuò)散模型（diffusion models），降低了訓(xùn)練和運(yùn)行推理所需的成本。研究界繼續(xù)開(kāi)發(fā)出更好的算法和更大的模型。開(kāi)發(fā)者的訪(fǎng)問(wèn)權(quán)限從封閉測(cè)試版擴(kuò)展到公開(kāi)測(cè)試版，而且在某些情況下甚至是開(kāi)源的。

對(duì)于一直沒(méi)法訪(fǎng)問(wèn) LLM （大型語(yǔ)言模型）的開(kāi)發(fā)者來(lái)說(shuō)，面向探索和應(yīng)用開(kāi)發(fā)的閘門(mén)現(xiàn)在已經(jīng)打開(kāi)。應(yīng)用開(kāi)始遍地開(kāi)花。

用 MidJOURNEY 生成的插圖

第四波浪潮：殺手級(jí)應(yīng)用出現(xiàn)（現(xiàn)在）

隨著平臺(tái)層的鞏固，模型繼續(xù)變得更好/更快/更便宜，模型訪(fǎng)問(wèn)趨于免費(fèi)和開(kāi)源，應(yīng)用層已經(jīng)成熟，創(chuàng)造力已經(jīng)蓄勢(shì)待發(fā)。

就像移動(dòng)設(shè)備通過(guò) GPS、攝像頭和移動(dòng)連接等新功能釋放了新型app的活力一樣，我們預(yù)計(jì)這些大型模型將激發(fā)新一波的生成式人工智能應(yīng)用。正如十年前移動(dòng)的拐點(diǎn)為少數(shù)殺手級(jí)app打開(kāi)了市場(chǎng)一樣，我們預(yù)計(jì)生成式人工智能的殺手級(jí)應(yīng)用也會(huì)出現(xiàn)。競(jìng)賽正在進(jìn)行中。

就像移動(dòng)設(shè)備通過(guò) GPS、攝像頭和移動(dòng)連接等新功能釋放了新型app的活力一樣，我們預(yù)計(jì)這些大型模型將激發(fā)新一波的生成式人工智能應(yīng)用。

市場(chǎng)格局

下面的示意圖概述了將為每一類(lèi)別提供支持的平臺(tái)層以及可在其基礎(chǔ)上開(kāi)發(fā)的潛在應(yīng)用類(lèi)型。

生成式人工智能版圖

模型

文本是進(jìn)展最大的領(lǐng)域。不過(guò)，自然語(yǔ)言很難做到正確，而質(zhì)量很重要。今天，這些模型已經(jīng)非常擅長(zhǎng)一般題材的短/中篇寫(xiě)作（但即便如此，一般也是用來(lái)迭代或作為初稿）。隨著時(shí)間的推移，隨著模型變得更好，應(yīng)該可以預(yù)期會(huì)看到更高質(zhì)量的輸出、更長(zhǎng)形式的內(nèi)容和更好的垂直向內(nèi)容的調(diào)優(yōu)。

正如 GitHub 的 CoPilot 所表明的那樣，代碼生成可能在短期內(nèi)對(duì)開(kāi)發(fā)者的生產(chǎn)力產(chǎn)生重大影響。它還將讓非開(kāi)發(fā)者更容易獲取代碼的創(chuàng)造性使用。

生成是較新的現(xiàn)象，但現(xiàn)在已經(jīng)獲得了病毒式傳播：在 Twitter 上分享的生成圖像要比文字更有趣！我們正在看到具有不同審美風(fēng)格的圖像生成模型出現(xiàn)，以及用于編輯和修改生成圖像的不同技術(shù)出現(xiàn)。

語(yǔ)音合成的出現(xiàn)已有一段時(shí)間（你好 Siri ?。M(fèi)者和企業(yè)應(yīng)用正在變得越來(lái)越好。對(duì)于像電影和播客這樣的高端應(yīng)用而言，要想即時(shí)生成聽(tīng)起來(lái)沒(méi)那么機(jī)械化，像人類(lèi)發(fā)音的語(yǔ)音的門(mén)檻相當(dāng)高。但就像圖像一樣，今天的模型為實(shí)用應(yīng)用的進(jìn)一步細(xì)化或最終輸出提供了一個(gè)起點(diǎn)。

視頻和 3D 模型在這條曲線(xiàn)上升得很快。大家對(duì)這些模型釋放電影、游戲、VR、建筑和實(shí)體產(chǎn)品設(shè)計(jì)等大型創(chuàng)意市場(chǎng)的潛力感到興奮。正如我們所說(shuō)那樣，研究機(jī)構(gòu)正在發(fā)布基礎(chǔ)的 3D 和視頻模型。

其他領(lǐng)域：從音頻和音樂(lè)到生物學(xué)和化學(xué)（生成蛋白質(zhì)和分子，有人知道嗎？），許多領(lǐng)域都在進(jìn)行基礎(chǔ)模型的研發(fā)。

下圖說(shuō)明了我們也許可以預(yù)期看到的基礎(chǔ)模型的進(jìn)展，以及相關(guān)應(yīng)用成為可能的時(shí)間表。 2025 年及以后的情況只是猜測(cè)。

不同類(lèi)型生成是人工智能應(yīng)用的發(fā)展時(shí)間線(xiàn)預(yù)測(cè)。橙色為初次嘗試，黃色為即將實(shí)現(xiàn)，綠色是應(yīng)用的黃金時(shí)間

應(yīng)用

以下是部分我們頗感興奮的應(yīng)用。但實(shí)際的應(yīng)用遠(yuǎn)不止所列舉的這些，創(chuàng)始人和開(kāi)發(fā)者想象出來(lái)的創(chuàng)意應(yīng)用讓我們著迷。

文案：為了推動(dòng)銷(xiāo)售和營(yíng)銷(xiāo)策略以及提供客戶(hù)支持，對(duì)個(gè)性化網(wǎng)絡(luò)和電子郵件內(nèi)容的需求在不斷增長(zhǎng)，這些都是語(yǔ)言模型的完美應(yīng)用。措辭的簡(jiǎn)短形式和風(fēng)格化，加上這些團(tuán)隊(duì)的時(shí)間和成本壓力，應(yīng)該會(huì)推動(dòng)對(duì)自動(dòng)化和增強(qiáng)解決方案的需求。

垂直向的寫(xiě)作助理：當(dāng)今大多數(shù)寫(xiě)作助理都是水平型的；我們相信有機(jī)會(huì)針對(duì)特定的終端市場(chǎng)構(gòu)開(kāi)發(fā)出更好的生成應(yīng)用，比如法律合同寫(xiě)作，劇本寫(xiě)作等。這里的產(chǎn)品差異化方向是針對(duì)特定工作流程對(duì)模型和UX模式進(jìn)行微調(diào)。

代碼生成：當(dāng)前的應(yīng)用讓開(kāi)發(fā)者如虎添翼，提高了他們的生產(chǎn)力：在安裝了 GitHub Copilot 的項(xiàng)目里面，有近 40% 的代碼都是這個(gè)代碼助手生成的。但更大的機(jī)會(huì)也許是讓消費(fèi)者獲得了編碼的能力。學(xué)習(xí)如何給出提示可能會(huì)成為終極的高級(jí)編程語(yǔ)言。

生成藝術(shù)：藝術(shù)史與流行文化的整個(gè)世界現(xiàn)在都已經(jīng)被編碼進(jìn)這些大型模型里，任何人都可以任意探索以前需要一生才能掌握的主題和風(fēng)格。

游戲：做這一行的夢(mèng)想是用自然語(yǔ)言創(chuàng)建可操縱的復(fù)雜場(chǎng)景或模型；要想到達(dá)那個(gè)最終狀態(tài)可能還有很長(zhǎng)一段路要走，但有些更直接的選項(xiàng)在短期內(nèi)更為可行，比方說(shuō)生成紋理和天空盒藝術(shù)（skybox art）。

媒體/廣告：想象一下，如果可以將公司公司的工作自動(dòng)化，針對(duì)消費(fèi)者動(dòng)態(tài)優(yōu)化廣告文案和創(chuàng)意，那會(huì)有多大的潛力。這里是多模態(tài)生成的絕佳機(jī)會(huì)，可以將銷(xiāo)售信息與互補(bǔ)的視覺(jué)效果結(jié)合在一起。

設(shè)計(jì)：對(duì)數(shù)字和實(shí)體產(chǎn)品進(jìn)行原型設(shè)計(jì)是一個(gè)勞動(dòng)密集型的迭代過(guò)程。來(lái)自粗略草圖和提示的高保真渲染已經(jīng)成為現(xiàn)實(shí)。隨著 3-D 模型變得可用，生成式設(shè)計(jì)過(guò)程將延伸到制造和生產(chǎn)——從文本到對(duì)象。你的下一個(gè) iPhone 應(yīng)用程序或運(yùn)動(dòng)鞋可能是由機(jī)器設(shè)計(jì)的。

社交媒體和數(shù)字社區(qū)：有沒(méi)有用生成工具表達(dá)自我的新方式？隨著消費(fèi)者學(xué)會(huì)在公共場(chǎng)合創(chuàng)作，像 Midjourney 這樣的新應(yīng)用正在創(chuàng)造新的社交體驗(yàn)。

用 MidJOURNEY 生成的插圖

生成式人工智能應(yīng)用剖析

生成式人工智能應(yīng)用會(huì)是什么樣子？以下是一些預(yù)測(cè)。

智能及模型微調(diào)

生成式人工智能應(yīng)用是基于 GPT-3 或 Stable Diffusion 等大型模型之上開(kāi)發(fā)出來(lái)的。隨著這些應(yīng)用拿到了更多的用戶(hù)數(shù)據(jù)，就可以對(duì)模型進(jìn)行微調(diào)，從而：1）針對(duì)特定問(wèn)題領(lǐng)域提高模型的質(zhì)量/性能； 2） 降低模型規(guī)模/成本。

我們可以將生成式人工智能應(yīng)用看作是 UI 層和位于大型通用模型“大大腦”（big brain）之上的“小大腦”（little brain）。

形態(tài)因子

如今，生成式人工智能應(yīng)用主要作為現(xiàn)有軟件生態(tài)體系的插件而存在。代碼補(bǔ)全發(fā)生在你的 IDE 里；圖像生成發(fā)生在 Figma 或 Photoshop 上；甚至 Discord 機(jī)器人也是將生成式人工智能注入到數(shù)字/社交社區(qū)的工具。

還有少量獨(dú)立的生成式人工智能 web 應(yīng)用，比方說(shuō)用于文案寫(xiě)作的 Jasper 和 Copy.ai、用于視頻編輯的 Runway 以及用于記筆記的 Mem。

插件可能是讓?xiě)?yīng)用發(fā)展起來(lái)的有效楔子，利用插件也許是一個(gè)很精明的辦法，說(shuō)不定能克服用戶(hù)數(shù)據(jù)與模型質(zhì)量的這個(gè)“先有雞還是先有蛋”的問(wèn)題（應(yīng)用需要分發(fā)，從而獲得足夠多的使用來(lái)改進(jìn)模型；但要想吸引用戶(hù)，你需要一個(gè)好的模型）。我們已經(jīng)看到這種分發(fā)策略在其他市場(chǎng)類(lèi)別得到了回報(bào)，比方說(shuō)消費(fèi)者/社交領(lǐng)域。

交互范式

今天，大多數(shù)生成式人工智能的演示都是“一次性”（one-and-done）的：給出一個(gè)輸入，機(jī)器就吐出一個(gè)輸出，你可以保留這一輸出，或者選擇丟棄，然后再試一次。但模型的迭代性癥狀越來(lái)越強(qiáng)，也就是對(duì)輸出可以修改、優(yōu)化、升級(jí)以及派生出不同的生成結(jié)果。

現(xiàn)如今，生成式人工智能輸出被當(dāng)作原型或初稿使用。這類(lèi)應(yīng)用非常擅長(zhǎng)提出多種不同的想法，從而讓使創(chuàng)意過(guò)程得以繼續(xù)進(jìn)行（比方說(shuō)，logo 或建筑設(shè)計(jì)的不同選項(xiàng)），而且它們還非常擅長(zhǎng)就需要用戶(hù)細(xì)化處理才能達(dá)到最終狀態(tài)的初稿（比方說(shuō)博客文章或代碼自動(dòng)完成）提出建議。部分在用戶(hù)數(shù)據(jù)的支持下，隨著模型變得越來(lái)越智能，我們應(yīng)該可以預(yù)期這些草稿會(huì)變得越來(lái)越好，直到好到可用作最終產(chǎn)品。

持續(xù)的品類(lèi)領(lǐng)導(dǎo)力

最好的生成式人工智能公司可以通過(guò)不斷地推動(dòng)用戶(hù)參與/數(shù)據(jù)和模型性能這個(gè)飛輪的旋轉(zhuǎn)來(lái)制造可持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)。為了獲勝，團(tuán)隊(duì)必須讓這個(gè)飛輪轉(zhuǎn)起來(lái)：1）實(shí)現(xiàn)出色的用戶(hù)參與 → 2）將更多的用戶(hù)參與轉(zhuǎn)化為更好的模型性能（及時(shí)改進(jìn)、模型微調(diào)、用戶(hù)選擇作為標(biāo)記的訓(xùn)練數(shù)據(jù)）→ 3）用出色的模型性能來(lái)推動(dòng)更多用戶(hù)增長(zhǎng)和參與。他們可能會(huì)進(jìn)入特定的問(wèn)題領(lǐng)域（比方說(shuō)，代碼、設(shè)計(jì)、游戲），而不是試圖成為適用所有人的通用產(chǎn)品。他們可能會(huì)先深度集成到應(yīng)用之中，去借勢(shì)和分發(fā)，然后嘗試用人工智能原生工作流替換現(xiàn)有的應(yīng)用。用正確的方式開(kāi)發(fā)這些應(yīng)用，從而積累用戶(hù)和數(shù)據(jù)需要時(shí)間，但我們相信最好的應(yīng)用會(huì)具有持續(xù)性，而且有機(jī)會(huì)變得規(guī)模龐大。

阻礙與風(fēng)險(xiǎn)

盡管生成式人工智能很有潛力，但在商業(yè)模式和技術(shù)方面還有很多問(wèn)題需要解決。關(guān)于版權(quán)、信任與安全以及成本等重要問(wèn)題遠(yuǎn)未解決。

睜大眼睛

生成式人工智能前面的路還很長(zhǎng)。平臺(tái)層剛剛開(kāi)始變好，但應(yīng)用領(lǐng)域幾乎還沒(méi)有啟動(dòng)。

需要明確的是，我們不需要大型語(yǔ)言模型來(lái)寫(xiě)出一部托爾斯泰小說(shuō)才能讓生成式人工智能物盡其用。這些模型在今天已經(jīng)足以寫(xiě)出博客文章的初稿，創(chuàng)作出 logo 以及產(chǎn)品界面的原型。中短期內(nèi)可創(chuàng)造出大量?jī)r(jià)值。

第一波生成式人工智能應(yīng)用類(lèi)似 iPhone 剛問(wèn)世時(shí)的移動(dòng) app 的環(huán)境——有點(diǎn)噱頭，不太靠譜，競(jìng)爭(zhēng)差異化和商業(yè)模式尚不明確。不過(guò)，其中一些應(yīng)用讓我們得以一窺未來(lái)可能會(huì)出現(xiàn)的情形。一旦你看到一臺(tái)機(jī)器生成復(fù)雜的功能代碼或精美的圖像，就很難想象未來(lái)機(jī)器不會(huì)在我們的工作和創(chuàng)作的手段上發(fā)揮根本性的作用。

如果我們?cè)试S自己夢(mèng)想一下幾十年后的情形，那么很容易想象生成式人工智能會(huì)深度嵌入到我們的工作、創(chuàng)造和娛樂(lè)方式的未來(lái)：會(huì)自己寫(xiě)的備忘錄；3D打印任何你能想象到的東西；將文字變成一部皮克斯電影；類(lèi)似于 Roblox 那樣的游戲體驗(yàn)，能夠以我們想象的速度快速生成豐富的世界。雖然這些體驗(yàn)在今天看起來(lái)就像科幻小說(shuō)一樣，但發(fā)展的速度非?？臁趲啄曛畠?nèi)，我們已經(jīng)從狹義的語(yǔ)言模型發(fā)展到代碼自動(dòng)完成——如果這種變化速度得以延續(xù)，能遵循“大型模型的摩爾定律”的話(huà)，那么這些難以置信的場(chǎng)景也許就會(huì)進(jìn)入可能性的領(lǐng)地。

PS：這篇文章是與 GPT-3 共同編寫(xiě)的。 當(dāng)然，整篇文章不是都是由 GPT-3 生成的，但它負(fù)責(zé)對(duì)抗作家的文字，生成完整的句子和段落文本，并且為生成式人工智能頭腦風(fēng)暴出不同的用例。用 GPT-3 寫(xiě)這篇文章能讓人很好地體驗(yàn)一把人機(jī)共同創(chuàng)作的交互，這可能會(huì)形成新常態(tài)。我們還用 Midjourney 為這篇文章制作了插圖，不得不說(shuō)，這很有趣！

譯者：boxi。

關(guān)鍵詞： 人工智能 語(yǔ)言模型 用戶(hù)數(shù)據(jù)