最近幾年興起的所謂“生成式人工智能(generativeAI)”正吸引硅谷科技巨頭和風(fēng)投機構(gòu)的興趣，這種AI可以依據(jù)少量詞匯在幾秒鐘內(nèi)生成與之相匹配的圖像。分析師預(yù)計，這種技術(shù)將被廣泛用于各行各業(yè)，并產(chǎn)生數(shù)萬億美元的經(jīng)濟價值。

雖然這些計算機程序生成的圖像并不完美，比如手上出現(xiàn)多余的手指，四肢不自然的彎曲等。同時，圖像生成器在處理文本時也會遇到問題，例如生成無意義的符號等。然而，這些圖像生成程序可能是一場科技熱潮的開始。硅谷風(fēng)投機構(gòu)NextView Ventures的投資人大衛(wèi)·貝塞爾(David Beisel)說：“在過去的三個月里，‘生成式人工智能’這個詞已經(jīng)變成了流行語。”

從2021年開始，生成式AI技術(shù)取得了巨大進步，甚至激勵許多人辭掉工作去創(chuàng)辦新公司，夢想著AI將來可以為新一代科技巨頭提供動力。

在過去五年左右的時間里，AI領(lǐng)域始終處于蓬勃發(fā)展階段，但這些進步大多與理解現(xiàn)有數(shù)據(jù)有關(guān)。AI模型已經(jīng)變得足夠高效，可以識別人們剛剛用手機拍攝的照片中是否有一只貓。此外，這些模型也足夠可靠，每天可以為谷歌搜索引擎提供數(shù)十億次搜索結(jié)果。不過，生成式AI模型可以生成以前沒有的全新東西。換句話說，它們是在創(chuàng)造，而不僅僅是在分析數(shù)據(jù)。

AI與機器學(xué)習(xí)平臺Craiyon Productive AI的創(chuàng)建者鮑里斯·戴瑪(Boris Dayma)說：“最令人感到印象深刻的是，生成式AI也能創(chuàng)作新的東西。它們不僅僅是創(chuàng)造類似的舊有圖像，還可以創(chuàng)造與以前完全不同的新事物。”

硅谷知名風(fēng)投公司紅杉資本(Sequoia Capital)在其網(wǎng)站上發(fā)文表示：“從游戲到廣告再到法律方面，生成式AI可能會改變所有需要人類創(chuàng)造力發(fā)揮作用的領(lǐng)域。這種技術(shù)有可能產(chǎn)生數(shù)萬億美元的經(jīng)濟價值。”更為有趣的是，紅杉資本還在帖子中指出，其上述文章部分是由GPT-3撰寫的，后者本身就是能夠生成文本的生成式AI。

生成式AI的工作原理

圖像生成使用的技術(shù)來自機器學(xué)習(xí)的一個子集，稱為深度學(xué)習(xí)。自從2012年一篇關(guān)于圖像分類的里程碑式論文重新點燃人們對這項技術(shù)的興趣以來，深度學(xué)習(xí)推動了AI領(lǐng)域的大部分進步。深度學(xué)習(xí)使用在大數(shù)據(jù)集上訓(xùn)練的模型，直到該程序理解這些數(shù)據(jù)中的關(guān)系。然后，該模型可以用于應(yīng)用程序，如識別圖片中是否有狗或翻譯文本等。

圖像生成器的工作原理就是逆轉(zhuǎn)這個過程。它們不是將英語翻譯成法語，而是將英語短語轉(zhuǎn)換成圖像。它們通常有兩個主要部分組成，一個是處理初始短語的部分，另一個是將數(shù)據(jù)轉(zhuǎn)換成圖像的部分。

第一部分生成式AI基于名為Generative Adversarial Networks(生成式對抗網(wǎng)絡(luò)，簡稱GAN)的方法。此前，這些GAN通常被用于生成不存在的人的照片。本質(zhì)上，它們的工作方式是讓兩個AI模型相互競爭，以更好地創(chuàng)建符合預(yù)定目標的圖像。

而較新的方法通常使用轉(zhuǎn)換器，這是谷歌于2017年論文中首次提出的概念。這是一項新興技術(shù)，可以利用更大的數(shù)據(jù)集，盡管其培訓(xùn)成本可能高達數(shù)百萬美元。

第一個獲得大量關(guān)注的圖像生成器是Dall-E，它是硅谷初創(chuàng)公司OpenAI于2021年推出的項目。OpenAI今年發(fā)布了功能更強大的更新版本。專注于生成式AI的開發(fā)者克里斯蒂安·坎特雷爾(Christian Cantrell)說：“有了Dall-E 2，這真的是我們跨越恐怖谷效應(yīng)(Uncanny Valley)的時刻。”

另一個常用的、基于AI的圖像生成器是Craiyon，以前被稱為Dall-E Mini，它可以在網(wǎng)絡(luò)上買到。用戶輸入短語后，可以幾分鐘內(nèi)在瀏覽器中看到其給出的繪圖。

據(jù)AI與機器學(xué)習(xí)平臺Craiyon Productive AI的創(chuàng)建者戴瑪稱，自2021年7月推出以來，Craiyon現(xiàn)在每天生成約1000萬張圖片，總計生成10億張以前從未見過的圖片。在今年早些時候使用量飆升后，戴瑪開始將全部精力投入到Craiyon上。他說，他專注于使用廣告來保持用戶免費使用，因為該網(wǎng)站的服務(wù)器成本很高。Craiyon上有個推特賬號，專門發(fā)布最奇怪、最有創(chuàng)意的圖片，它擁有超過100萬名粉絲。

但最能激發(fā)人們熱情的項目是Stable Diffusion，該項目于今年8月向公眾發(fā)布。它的代碼可以在GitHub上獲得，可以在電腦上運行，也可以在云端或通過編程接口運行。這讓用戶可以根據(jù)自己的目的調(diào)整程序代碼，或者在其基礎(chǔ)上構(gòu)建新程序。

舉例來說，Stable Diffusion通過一個插件集成到Adobe Photoshop中，允許用戶生成背景和圖像的其他部分，然后他們可以使用圖層和其他PS工具直接在應(yīng)用中操作，將生成式AI從生成成品圖像的技術(shù)變成了專業(yè)人士可以使用的工具。

該插件的開發(fā)者坎特雷爾在Adobe工作了20年，今年辭職專注于生成式AI。這位資深人士表示，該插件已被下載數(shù)萬次。藝術(shù)家們告訴他，他們把它用在了無數(shù)他意想不到的地方，比如制作哥斯拉的動畫，或者以藝術(shù)家可以想象的任何姿勢創(chuàng)作蜘蛛俠的圖像。

使用生成式AI的一種新興藝術(shù)是如何構(gòu)建“提示”，即生成圖像的短語。名為Lexica的搜索引擎可以將Stable Diffusion的圖像和可用于生成它們的確切單詞字符串聯(lián)起來。Reddit和Discord等平臺上，都有如何引導(dǎo)人們輸入想要生成圖像的短語技巧。

創(chuàng)企、云服務(wù)提供商和芯片制造商或受益最大

許多投資者將生成式AI視為一種潛在的變革性平臺，就像智能手機或互聯(lián)網(wǎng)的早期一樣。這種轉(zhuǎn)變極大地擴大了可能能夠使用這項技術(shù)的潛在市場規(guī)模。

坎特雷爾認為，生成式AI類似于一種更基礎(chǔ)的技術(shù)，即數(shù)據(jù)庫。他說：“生成式AI有點兒像數(shù)據(jù)庫，數(shù)據(jù)庫幫助解鎖了應(yīng)用程序的巨大潛力。我們生活中使用過的幾乎每款應(yīng)用都是建立在數(shù)據(jù)庫之上的，但沒有人關(guān)心數(shù)據(jù)庫是如何工作的，他們只知道如何使用它。”

Compound VC管理合伙人邁克爾·鄧普西(Michael Dempsey)表示，以前僅限于實驗室的技術(shù)進入主流的時刻“非常罕見”，吸引了風(fēng)險投資者的大量關(guān)注，他們喜歡在潛力巨大的領(lǐng)域下注。但他警告說，生成式AI目前處于更接近炒作周期頂峰的“好奇心階段”。處于這個階段的公司可能會倒閉，因為它們沒有專注于企業(yè)或消費者愿意付費的特定用途。

該領(lǐng)域的其他人認為，今天開創(chuàng)這些技術(shù)的初創(chuàng)公司最終可能會挑戰(zhàn)目前主導(dǎo)AI領(lǐng)域的軟件巨頭，包括谷歌、Facebook母公司Meta以及微軟，并為下一代科技巨頭的崛起鋪平道路。

Hugging Face首席執(zhí)行官克萊門特·德蘭格(Clement Delangue)說：“將會有一大批價值萬億美元的新公司誕生，這些初創(chuàng)公司將以這種新的技術(shù)為基礎(chǔ)。”Hugging Face是個與GitHub類似的開發(fā)者平臺，托管著預(yù)先培訓(xùn)的AI模型，包括Craiyon和Stable Diffusio。它的目標是讓程序員更容易構(gòu)建AI技術(shù)。

有些公司已經(jīng)獲得了大量投資。Huging Face在今年早些時候從Lux Capital和紅杉資本等投資者那里籌集了資金后，估值達到20億美元。該領(lǐng)域最著名的初創(chuàng)公司OpenAI已經(jīng)從微軟和Khosla Ventures獲得了超過10億美元的資金。與此同時，Stable Diffusion開發(fā)商Stability AI正在洽談以高達10億美元的估值籌集風(fēng)險資金。

亞馬遜、微軟和谷歌等云服務(wù)提供商也可能受益，因為生成式AI可能是計算密集型技術(shù)。Meta和谷歌已經(jīng)聘請了該領(lǐng)域諸多杰出人才，希望將這種先進技術(shù)整合到公司的產(chǎn)品中。今年9月，Meta宣布了名為“Make-A-Video”的AI計劃，通過生成視頻而不僅僅是圖像，使這項技術(shù)更上一層樓。

Meta首席執(zhí)行官馬克·扎克伯格(Mark Zuckerberg)在他的Facebook頁面上發(fā)帖稱：“這是一個令人驚嘆的進步。生成視頻比生成照片難得多，因為除了正確生成每個像素之外，系統(tǒng)還必須預(yù)測它們會隨著時間的推移發(fā)生怎樣的變化。”最近，谷歌也發(fā)布了名為Phenaki的程序代碼，可以將文本轉(zhuǎn)換為時長幾分鐘的視頻。

這股熱潮也可能給英偉達、AMD和英特爾等芯片制造商帶來提振，他們的圖形處理器是訓(xùn)練和部署AI模型的理想選擇。在上周的會議上，英偉達首席執(zhí)行官黃仁勛強調(diào)，生成式AI是該公司最新芯片的關(guān)鍵用途，并稱這類技術(shù)可能很快就會給通信領(lǐng)域帶來革命性的變化。

不過，生成式AI為終端用戶帶來的好處依然有限。如今許多令人興奮的事情都圍繞著免費或低成本的實驗進行。例如，有些作者已經(jīng)嘗試使用圖像生成器為文章制作插圖。英偉達正嘗試使用模型來生成新的人、動物、車輛或家具的3D圖像，這些圖像可以填充到虛擬游戲世界中。

關(guān)鍵詞： 硅谷押注生成式AI 硅谷押注 硅谷押注AI 硅谷工作原理