วันที่ 19 พฤษภาคม 2023 ระหว่างการประชุม World Intelligence Conference ครั้งที่ 7 "World Intelligent Technology Innovation Cooperation Summit" ซึ่งนำโดย Internet Society of China และ China Software Industry Association, Tianjin Artificial Intelligence Society, Zhiding Technology และ Zhiding Think Tank ร่วมกัน " แผนที่อุตสาหกรรม AI เจนเนอเรทีฟทั่วโลกปี 2023" และ "รายงานการวิจัยอุตสาหกรรม AI เจนเนอเรทีฟทั่วโลกปี 2023" ที่จัดทำโดยผู้เขียนได้รับการเผยแพร่เพื่อให้เข้าใจการพัฒนา AI เจนเนอเรทีฟทั่วโลกสำหรับหน่วยงานรัฐบาล ผู้ปฏิบัติงานในอุตสาหกรรม นักการศึกษา และสถานการณ์สาธารณะเพื่อใช้อ้างอิงได้ดียิ่งขึ้น
เครดิตรูปภาพ: สร้างโดยเครื่องมือ Unbounded AI
ในฐานะที่เป็นเขตแดนของปัญญาประดิษฐ์ AI กำเนิดได้กลายเป็นหัวข้อเทคโนโลยีที่ร้อนแรงที่สุดในโลก ในปี 2565 OpenAI ได้เปิดตัว ChatGPT และ AI กำเนิดก็บรรลุความก้าวหน้าที่สำคัญในระดับแอปพลิเคชันโมเดล จำนวนผู้ใช้ที่ใช้งานอยู่ต่อเดือนเกิน 100 ล้านคนในเวลาเพียงสองเดือน ทำให้เป็นแอปพลิเคชันสำหรับผู้บริโภคที่เติบโตเร็วที่สุดในประวัติศาสตร์ บริษัทเทคโนโลยีหลายแห่งทั่วโลกได้เพิ่มการลงทุนในการวิจัยและพัฒนาในด้านเจเนอเรทีฟ AI และได้เปิดตัวความสำเร็จที่สำคัญอย่างต่อเนื่องในด้านเทคโนโลยี ผลิตภัณฑ์ และแอปพลิเคชัน และยังคงส่งเสริมนวัตกรรมและการพัฒนาปัญญาประดิษฐ์ในเชิงพาณิชย์
ในบริบทนี้ ภายใต้การแนะนำของ Internet Society of China และ China Software Industry Association, Tianjin Artificial Intelligence Society, Zhiding Technology และ Zhiding Think Tank ได้ร่วมกันเปิดตัว "รายงานการวิจัยอุตสาหกรรม AI ระดับโลกปี 2023" ซึ่งเริ่มต้นจาก มุมมองทั่วโลก เพื่อแยกแยะภาพรวมของอุตสาหกรรม โครงสร้างพื้นฐาน โมเดลอัลกอริทึม แอปพลิเคชันสถานการณ์ โอกาสและความท้าทายของ generative AI แสดงการพัฒนาอุตสาหกรรมของ generative AI อย่างครอบคลุม และให้ข้อมูลเพิ่มเติมสำหรับหน่วยงานรัฐบาล ผู้ปฏิบัติงานในอุตสาหกรรม นักการศึกษา และสาธารณชน A ความเข้าใจที่ดีเกี่ยวกับ AI กำเนิดจะให้ข้อมูลอ้างอิง
01 ภาพรวมของอุตสาหกรรม Generative AI
1.1 แนวคิด Generative AI และขั้นตอนการสร้างเนื้อหา
Generative AI เป็นวิธีการผลิตแบบใหม่ที่ใช้เทคโนโลยีปัญญาประดิษฐ์เพื่อสร้างเนื้อหาโดยอัตโนมัติหลังจากเนื้อหาที่สร้างขึ้นอย่างมืออาชีพ (PGC) และเนื้อหาที่ผู้ใช้สร้างขึ้น (UGC)
ในปัจจุบัน พลังประมวลผลการฝึกอบรมของโมเดลก่อนการฝึกอบรมขนาดใหญ่คือ 10 ถึง 100 เท่าของอดีต การฝึกอบรมโมเดล AI กำเนิดกระแสหลักในปัจจุบันใช้ชิป GPU Nvidia Tensor Core อย่างแพร่หลาย ตัวอย่างเช่น Microsoft ใช้เงินหลายร้อยล้านดอลลาร์ เพื่อซื้อชิป Nvidia A100 หลายหมื่นตัวเพื่อช่วย Open AI สร้าง ChatGPT
2.2 คลัสเตอร์การประมวลผล AI ให้ทรัพยากรการประมวลผลขนาดใหญ่สำหรับการฝึกอบรม AI เชิงกำเนิด
คลัสเตอร์การประมวลผล AI สามารถให้พลังการประมวลผลขนาดใหญ่ ปรับปรุงอัตราการใช้ทรัพยากรพลังการประมวลผลอย่างต่อเนื่อง ปรับปรุงการจัดเก็บข้อมูลและความสามารถในการประมวลผล และเร่งการฝึกอบรมแบบจำลองขนาดใหญ่ของ AI และประสิทธิภาพการให้เหตุผล
ในปัจจุบัน คลัสเตอร์การประมวลผล AI ทั่วไป เช่น Nvidia DGX SuperPOD, Baidu Intelligent Cloud High-Performance Computing Cluster EHC, HCC คลัสเตอร์การประมวลผลประสิทธิภาพสูงรุ่นใหม่ของ Tencent เป็นต้น โครงสร้างพื้นฐานด้านพลังงานการประมวลผลที่เกี่ยวข้องยังคงให้ทรัพยากรพลังงานการประมวลผลที่ทรงพลังสำหรับการกำเนิด สถานการณ์การฝึกอบรม AI ต่อไป ลดเกณฑ์และค่าใช้จ่ายในการฝึกอบรมแบบจำลอง และส่งเสริมการใช้แบบจำลอง AI เชิงกำเนิด
2.3 บริการคลาวด์ AI ให้การสนับสนุนแพลตฟอร์มสำหรับการพัฒนาโมเดล AI เชิงกำเนิด
การพัฒนาโมเดลก่อนการฝึกอบรมด้านปัญญาประดิษฐ์มีความต้องการบริการคลาวด์จำนวนมาก บริการคลาวด์ AI สามารถให้บริการโมดูลการพัฒนาปัญญาประดิษฐ์ได้ ด้วยรูปแบบบริการที่หลากหลาย ต้นทุนการพัฒนาของนักพัฒนาและวงจรการพัฒนาผลิตภัณฑ์สามารถลดลงได้ และการเพิ่มขีดความสามารถของ AI สามารถให้บริการได้ เพื่อพัฒนารูปแบบ..
ในด้านเจเนอเรทีฟ AI การสร้างมนุษย์ดิจิทัลสามารถแบ่งออกเป็นการสร้างวิดีโอดิจิทัลของมนุษย์และการโต้ตอบแบบเรียลไทม์ของมนุษย์ดิจิทัล ปัจจุบัน การสร้างวิดีโอดิจิทัลของมนุษย์เป็นหนึ่งในสาขาที่ใช้กันอย่างแพร่หลายมากที่สุด ในขณะที่การโต้ตอบแบบเรียลไทม์ของมนุษย์ดิจิทัลส่วนใหญ่จะใช้ ในการบริการลูกค้าแบบอัจฉริยะด้วยภาพ และเน้นคุณสมบัติการโต้ตอบแบบเรียลไทม์มากขึ้น
05 โอกาสและความท้าทายของ AI ที่สร้างสรรค์
5.1 ในยุคของ generative AI งานธุรการถูกทดแทนอย่างมาก และ "การถามลูกค้า" คาดว่าจะกลายเป็นอาชีพใหม่
ผลกระทบของ generative AI ต่อการจ้างงาน ความท้าทายและโอกาสอยู่ร่วมกัน ในแง่หนึ่ง AI เชิงกำเนิดจะส่งเสริมการยกระดับงานอย่างชาญฉลาด และงานบางอย่างจะถูกแทนที่ จากการวิเคราะห์ของ Goldman Sachs ความสามารถด้านระบบอัตโนมัติอัจฉริยะของ generative AI สามารถปรับปรุงประสิทธิภาพการทำงานและลดต้นทุนการดำเนินงานได้อย่างมาก งานแบบเดิม ๆ ในสหรัฐอเมริกาและยุโรปจะได้รับผลกระทบจากระบบอัตโนมัติของ AI ในระดับที่แตกต่างกัน และ AI เชิงกำเนิดสามารถแทนที่งานได้ถึงหนึ่งในสี่ .
ในทางกลับกัน AI เชิงกำเนิดจะสร้างงานใหม่เช่นกัน: "วิศวกร" ช่วยให้ผู้คนใช้ภาษาธรรมชาติเพื่อโต้ตอบกับ AI เพื่อรับข้อมูลหรือสร้างผลงาน นอกจากนี้ สาขาที่เกี่ยวข้องกับปัญญาประดิษฐ์จะสร้างงานใหม่จำนวนมาก
5.2 ลิขสิทธิ์ของผลงาน AI กำเนิดนั้นส่วนใหญ่แจกจ่ายระหว่างเจ้าของซอฟต์แวร์และผู้ใช้
สาระสำคัญของ generative AI คือการประยุกต์ใช้การเรียนรู้ของเครื่อง ในขั้น model learning จะใช้ชุดข้อมูลจำนวนมากในการฝึกอบรมอย่างหลีกเลี่ยงไม่ได้ อย่างไรก็ตาม ปัญหาความเป็นเจ้าของลิขสิทธิ์ของผลิตภัณฑ์หลังการฝึกอบรมยังคงเป็นที่ถกเถียงกันอยู่
เนื่องจากอาสาสมัครด้านกฎหมายสามารถใช้สิทธิ์ได้ ดังนั้น ลิขสิทธิ์ของผลงาน AI เชิงกำเนิดจึงสามารถเพลิดเพลินได้เฉพาะผู้ที่มีส่วนร่วมในการสร้างผลงานเท่านั้น บุคลากรที่เกี่ยวข้อง ได้แก่ นักพัฒนาซอฟต์แวร์ เจ้าของ และผู้ใช้ (ตัวตนของหัวเรื่องอาจทับซ้อนกัน) นักพัฒนาซอฟต์แวร์ AI ได้รับ ได้รับการชดเชยจากลิขสิทธิ์ซอฟต์แวร์ และลิขสิทธิ์ของงาน generative AI ส่วนใหญ่จะแจกจ่ายระหว่างเจ้าของซอฟต์แวร์และผู้ใช้
Internet Society of China เปิดตัว: รายงานการวิจัยอุตสาหกรรม AI ทั่วโลกปี 2023
ที่มา: สมาคมอินเทอร์เน็ตแห่งประเทศจีน
ในฐานะที่เป็นเขตแดนของปัญญาประดิษฐ์ AI กำเนิดได้กลายเป็นหัวข้อเทคโนโลยีที่ร้อนแรงที่สุดในโลก ในปี 2565 OpenAI ได้เปิดตัว ChatGPT และ AI กำเนิดก็บรรลุความก้าวหน้าที่สำคัญในระดับแอปพลิเคชันโมเดล จำนวนผู้ใช้ที่ใช้งานอยู่ต่อเดือนเกิน 100 ล้านคนในเวลาเพียงสองเดือน ทำให้เป็นแอปพลิเคชันสำหรับผู้บริโภคที่เติบโตเร็วที่สุดในประวัติศาสตร์ บริษัทเทคโนโลยีหลายแห่งทั่วโลกได้เพิ่มการลงทุนในการวิจัยและพัฒนาในด้านเจเนอเรทีฟ AI และได้เปิดตัวความสำเร็จที่สำคัญอย่างต่อเนื่องในด้านเทคโนโลยี ผลิตภัณฑ์ และแอปพลิเคชัน และยังคงส่งเสริมนวัตกรรมและการพัฒนาปัญญาประดิษฐ์ในเชิงพาณิชย์
ในบริบทนี้ ภายใต้การแนะนำของ Internet Society of China และ China Software Industry Association, Tianjin Artificial Intelligence Society, Zhiding Technology และ Zhiding Think Tank ได้ร่วมกันเปิดตัว "รายงานการวิจัยอุตสาหกรรม AI ระดับโลกปี 2023" ซึ่งเริ่มต้นจาก มุมมองทั่วโลก เพื่อแยกแยะภาพรวมของอุตสาหกรรม โครงสร้างพื้นฐาน โมเดลอัลกอริทึม แอปพลิเคชันสถานการณ์ โอกาสและความท้าทายของ generative AI แสดงการพัฒนาอุตสาหกรรมของ generative AI อย่างครอบคลุม และให้ข้อมูลเพิ่มเติมสำหรับหน่วยงานรัฐบาล ผู้ปฏิบัติงานในอุตสาหกรรม นักการศึกษา และสาธารณชน A ความเข้าใจที่ดีเกี่ยวกับ AI กำเนิดจะให้ข้อมูลอ้างอิง
01 ภาพรวมของอุตสาหกรรม Generative AI
1.1 แนวคิด Generative AI และขั้นตอนการสร้างเนื้อหา
Generative AI เป็นวิธีการผลิตแบบใหม่ที่ใช้เทคโนโลยีปัญญาประดิษฐ์เพื่อสร้างเนื้อหาโดยอัตโนมัติหลังจากเนื้อหาที่สร้างขึ้นอย่างมืออาชีพ (PGC) และเนื้อหาที่ผู้ใช้สร้างขึ้น (UGC)
เจเนอเรทีฟ AI จะสร้างและสร้างข้อความ เสียง ภาพ วิดีโอ และข้อมูลข้ามโมดอลโดยอัตโนมัติ โดยอ้างอิงจากข้อมูลการฝึกอบรมจำนวนมหาศาลและแบบจำลองขนาดใหญ่ที่ได้รับการฝึกอบรมล่วงหน้า ตั้งแต่ OpenAI เปิดตัว ChatGPT ในปี 2022 คลื่นเจเนอเรทีฟทั่วโลกก็ปะทุขึ้น และบริษัทเทคโนโลยีหลายแห่งได้เปิดตัวโมเดล ผลิตภัณฑ์ และโครงสร้างพื้นฐานและบริการที่เกี่ยวข้องกับเอไอ
ในช่วงไม่กี่ปีที่ผ่านมา สเกลข้อมูลทั่วโลกเติบโตขึ้นอย่างต่อเนื่อง IDC คาดการณ์ว่าสเกลข้อมูลทั่วโลกจะสูงถึง 175ZB ภายในปี 2568 ซึ่งจะมอบทรัพยากรข้อมูลขนาดใหญ่สำหรับการฝึกอบรมโมเดลปัญญาประดิษฐ์ การเปิดตัวชิป AI ประสิทธิภาพสูงให้การสนับสนุนพลังการประมวลผลที่สำคัญสำหรับ โมเดลก่อนการฝึกอบรมขนาดใหญ่ ด้วยการพัฒนาอย่างต่อเนื่อง โมเดลต่างๆ เช่น Transformer, BERT, LaMDA และ ChatGPT จึงได้รับการเพิ่มประสิทธิภาพซ้ำอย่างรวดเร็ว ขับเคลื่อนด้วยข้อมูล พลังการประมวลผล และโมเดล อุตสาหกรรม AI เจนเนอเรทีฟทั่วโลกได้พัฒนาอย่างรวดเร็ว และสถานการณ์และแอปพลิเคชันที่เกี่ยวข้องได้รับการเสริมประสิทธิภาพอย่างต่อเนื่อง
02 โครงสร้างพื้นฐาน AI กำเนิด
2.1 ชิปประสิทธิภาพสูงของ AI ให้การสนับสนุนพลังการประมวลผลสำหรับการฝึกอบรม AI แบบกำเนิด
การพัฒนาปัญญาประดิษฐ์ได้เข้าสู่ยุคของโมเดลขนาดใหญ่จากยุคของการเรียนรู้เชิงลึก จำนวนพารามิเตอร์ของโมเดลก่อนการฝึกอบรมขนาดใหญ่ได้เพิ่มขึ้นแบบทวีคูณ ซึ่งจำเป็นต้องได้รับการสนับสนุนจากพลังการประมวลผลประสิทธิภาพสูง
ในปัจจุบัน พลังประมวลผลการฝึกอบรมของโมเดลก่อนการฝึกอบรมขนาดใหญ่คือ 10 ถึง 100 เท่าของอดีต การฝึกอบรมโมเดล AI กำเนิดกระแสหลักในปัจจุบันใช้ชิป GPU Nvidia Tensor Core อย่างแพร่หลาย ตัวอย่างเช่น Microsoft ใช้เงินหลายร้อยล้านดอลลาร์ เพื่อซื้อชิป Nvidia A100 หลายหมื่นตัวเพื่อช่วย Open AI สร้าง ChatGPT
คลัสเตอร์การประมวลผล AI สามารถให้พลังการประมวลผลขนาดใหญ่ ปรับปรุงอัตราการใช้ทรัพยากรพลังการประมวลผลอย่างต่อเนื่อง ปรับปรุงการจัดเก็บข้อมูลและความสามารถในการประมวลผล และเร่งการฝึกอบรมแบบจำลองขนาดใหญ่ของ AI และประสิทธิภาพการให้เหตุผล
ในปัจจุบัน คลัสเตอร์การประมวลผล AI ทั่วไป เช่น Nvidia DGX SuperPOD, Baidu Intelligent Cloud High-Performance Computing Cluster EHC, HCC คลัสเตอร์การประมวลผลประสิทธิภาพสูงรุ่นใหม่ของ Tencent เป็นต้น โครงสร้างพื้นฐานด้านพลังงานการประมวลผลที่เกี่ยวข้องยังคงให้ทรัพยากรพลังงานการประมวลผลที่ทรงพลังสำหรับการกำเนิด สถานการณ์การฝึกอบรม AI ต่อไป ลดเกณฑ์และค่าใช้จ่ายในการฝึกอบรมแบบจำลอง และส่งเสริมการใช้แบบจำลอง AI เชิงกำเนิด
การพัฒนาโมเดลก่อนการฝึกอบรมด้านปัญญาประดิษฐ์มีความต้องการบริการคลาวด์จำนวนมาก บริการคลาวด์ AI สามารถให้บริการโมดูลการพัฒนาปัญญาประดิษฐ์ได้ ด้วยรูปแบบบริการที่หลากหลาย ต้นทุนการพัฒนาของนักพัฒนาและวงจรการพัฒนาผลิตภัณฑ์สามารถลดลงได้ และการเพิ่มขีดความสามารถของ AI สามารถให้บริการได้ เพื่อพัฒนารูปแบบ..
กรณีทั่วไปคือ Amazon SageMaker ซึ่งสามารถให้บริการวิเคราะห์รูปภาพ/รูปภาพ การประมวลผลคำพูด การเข้าใจภาษาธรรมชาติ และบริการที่เกี่ยวข้องอื่นๆ และผู้ใช้สามารถใช้งานแอปพลิเคชันที่ใช้งานได้โดยไม่ต้องรู้พารามิเตอร์และอัลกอริทึม
Baidu Flying Paddle EasyDL แพลตฟอร์มการพัฒนา AI ที่มีขีดจำกัดเป็นศูนย์ มีฟังก์ชันต่างๆ เช่น การจัดประเภทรูปภาพ การตรวจจับวัตถุ การจัดประเภทข้อความ การจัดประเภทเสียง และการจัดประเภทวิดีโอ ทำให้เกิดการฝึกอบรมอัตโนมัติแบบครบวงจรและลดเกณฑ์สำหรับการพัฒนา AI แบบกำหนดเอง
03 โมเดลอัลกอริทึม AI กำเนิด
3.1 ประวัติการพัฒนาแบบจำลอง AI กำเนิดทั่วโลก
ตั้งแต่ปี 2018 เป็นต้นมา OpenAI ได้เปิดตัวชุดของโมเดลการฝึกอบรมล่วงหน้าเชิงสร้างสรรค์อย่างต่อเนื่อง เช่น GPT-1, GPT-2, GPT-3, ChatGPT และ GPT-4 โมเดล GPT-1 ใช้สถาปัตยกรรม Transformer และมีเพียงส่วนถอดรหัสของสถาปัตยกรรมเท่านั้นที่ยังคงอยู่
รุ่น GPT-2 ยกเลิกขั้นตอนการปรับละเอียดภายใต้การดูแลใน GPT-1;
โมเดล GPT-3 ละทิ้ง Zero-shot ของ GPT-2 และใช้การไม่กี่ช็อตเพื่อให้ตัวอย่างจำนวนเล็กน้อยสำหรับงานเฉพาะ ChatGPT ใช้เทคโนโลยี RLHF (การเรียนรู้การเสริมแรงป้อนกลับโดยมนุษย์) เพื่อเพิ่มความสามารถในการปรับผลลัพธ์ของ นางแบบ;
โมเดล GPT-4 ที่เปิดตัวในปี 2023 มีความสามารถแบบมัลติโมดอลที่ทรงพลังยิ่งขึ้น รองรับการป้อนกราฟิกและข้อความแบบหลายโมดอล และสร้างข้อความตอบกลับ ซึ่งสามารถจำแนกประเภท วิเคราะห์ และแยกความหมายโดยนัยขององค์ประกอบภาพ แสดงความสามารถในการตอบสนองที่ยอดเยี่ยม .
ในปี 2560 Google ได้เปิดตัวโมเดล Transformer อันโด่งดัง โมดูลการถอดรหัสของโมเดลนี้ได้กลายเป็นองค์ประกอบหลักของโมเดล GPT ด้วยการแนะนำกลไกความสนใจ มันสามารถรับการประมวลผลแบบขนานในสเกลที่ใหญ่ขึ้น ลดเวลาการฝึกของโมเดลลงอย่างมาก และสร้างโมเดล AI ขนาดใหญ่มาใช้ โมเดล BERT และโมเดล LaMDA ได้รับการปรับปรุงอย่างต่อเนื่องในด้านความสามารถในการดึงข้อมูลและความปลอดภัย
รุ่น PaLM-E ที่เพิ่งเปิดตัวใหม่มีความสามารถในการกำหนดลักษณะทั่วไปและการย้ายข้อมูลที่แข็งแกร่ง โดยสามารถประมวลผลข้อมูลหลายรูปแบบ (ภาษา การมองเห็น การสัมผัส ฯลฯ)
การวิจัยเกี่ยวกับแบบจำลองการแพร่กระจายสามารถย้อนไปถึงปี 2015 และแบบจำลองความน่าจะเป็นการแพร่กระจายแบบ Denoising (DDPM) ได้รับการเสนอในปี 2020 ซึ่งแสดงให้เห็นถึงความสามารถอันทรงพลังของแบบจำลองการแพร่กระจายและผลักดันการพัฒนาแบบจำลองการแพร่กระจาย แบบจำลองประกอบด้วยสองกระบวนการ: กระบวนการไปข้างหน้าและกระบวนการย้อนกลับ กระบวนการไปข้างหน้าเรียกอีกอย่างว่ากระบวนการแพร่ แบบจำลองการแพร่กระจายเรียนรู้โดยการเพิ่ม Gaussian Noise ลงในภาพเพื่อทำลายข้อมูลการฝึกอบรม ค้นหาวิธีการย้อนกลับของสัญญาณรบกวน ประมวลผลและใช้วิธีการ Denoising ที่เรียนรู้ทำให้สามารถสังเคราะห์ภาพใหม่จากอินพุตแบบสุ่ม
ข้อได้เปรียบของโมเดล Diffusion คือภาพที่สร้างขึ้นมีคุณภาพสูงกว่าและไม่ต้องการการฝึกอบรมจากฝ่ายตรงข้าม ภายใต้เงื่อนไขที่ต้องการข้อมูลน้อยลง เอฟเฟ็กต์การสร้างภาพของโมเดลจะได้รับการปรับปรุงอย่างมีนัยสำคัญ
แอปพลิเคชั่นสร้างข้อความส่วนใหญ่อยู่ในสี่ด้าน: ความต่อเนื่องของเนื้อหา, การถ่ายโอนสไตล์ข้อความ, การสร้างนามธรรม/ชื่อเรื่อง, และการสร้างข้อความทั้งหมด การสร้างข้อความส่วนบุคคลที่เกี่ยวข้องและการโต้ตอบข้อความแบบเรียลไทม์มีแนวโน้มที่กว้าง
โดยทั่วไป การสร้างข้อความโดยใช้เทคโนโลยี NLP เป็นแอปพลิเคชันก่อนหน้าใน generative AI บริษัทเทคโนโลยีที่มีชื่อเสียงระดับโลกได้เปิดตัวเครื่องมือแอปพลิเคชันสร้างข้อความอย่างต่อเนื่อง เช่น Microsoft, Xmind และผลิตภัณฑ์อื่น ๆ ที่เกี่ยวข้องในการเขียนคำโฆษณา, การวิเคราะห์ข้อมูล, การนำเสนอ, มีความเกี่ยวข้อง กรณีการประยุกต์ใช้ในแผนที่ความคิดและด้านอื่นๆ
สถานการณ์ทางเทคนิคของการสร้างภาพแบ่งออกเป็นการแก้ไขแอตทริบิวต์ของภาพ การสร้างและแก้ไขภาพบางส่วน และการสร้างภาพแบบ end-to-end ในบรรดาสถานการณ์เหล่านี้ สถานการณ์การลงจอดสองสถานการณ์แรกคือเครื่องมือแก้ไขรูปภาพ และการสร้างรูปภาพจากต้นทางถึงปลายทางสอดคล้องกับสองสถานการณ์การลงจอดที่สำคัญของการสร้างรูปภาพสร้างสรรค์และการสร้างรูปภาพที่ใช้งานได้
ในปัจจุบัน เครื่องมือแก้ไขภาพถูกนำมาใช้อย่างแพร่หลาย และผลิตภัณฑ์ที่เกี่ยวข้องมีค่อนข้างมาก การสร้างภาพที่สร้างสรรค์ส่วนใหญ่จะนำเสนอในรูปแบบของ NFT เป็นต้น และภาพที่ใช้งานได้ส่วนใหญ่จะเป็นโปสเตอร์/อินเทอร์เฟซทางการตลาด โลโก้ ภาพจำลอง และอวาตาร์ของผู้ใช้ .
การสร้างเสียงเป็นเรื่องปกติอยู่แล้วในชีวิตประจำวัน และฟิลด์แอปพลิเคชันสามารถแบ่งออกได้อีกเป็นการสังเคราะห์เสียงพูดและการสร้างเสียงดนตรี และการสังเคราะห์เสียงประกอบด้วยฟิลด์การสร้างข้อความเฉพาะคำพูด (TTS) และการโคลนเสียงพูด
วุฒิภาวะทางเทคนิคของฟิลด์ TTS ค่อนข้างสูง แต่ยังขาดการแสดงอารมณ์ การโคลนเสียงมีความสำคัญอย่างยิ่งต่อภาพยนตร์ แอนิเมชัน และอุตสาหกรรมอื่นๆ และสมควรได้รับความสนใจ การสร้างสรรค์ดนตรีสามารถแบ่งย่อยได้อีกเป็นเนื้อเพลง การประพันธ์เพลง การเรียบเรียง การบันทึก การผสม ฯลฯ หลายทิศทาง กระบวนการสร้างอาศัยรูปแบบ Transformer เป็นหลัก
การสร้างวิดีโอคาดว่าจะเป็นสถานการณ์ที่มีศักยภาพระดับกลางถึงสูงในด้านการสร้างข้ามโมดอลในอนาคต การสร้างวิดีโอส่วนใหญ่สอดคล้องกับสามฟิลด์: การแก้ไขแอตทริบิวต์วิดีโอ การแก้ไขวิดีโออัตโนมัติ และการสร้างส่วนวิดีโอ
การแก้ไขแอตทริบิวต์วิดีโอมีการใช้กันอย่างแพร่หลายในด้านการสร้างวิดีโอ ปรับปรุงประสิทธิภาพของการตัดต่อวิดีโออย่างมาก การตัดต่อวิดีโออัตโนมัติส่วนใหญ่อยู่ในขั้นตอนการทดลองทางเทคนิค หลักการและสาระสำคัญของการสร้างส่วนวิดีโอนั้นคล้ายกับการสร้างภาพ โดยเน้นที่การตัดวิดีโอ ลงในเฟรมแล้วแก้ไขทีละเฟรม Image processing เทคโนโลยีในขั้นตอนนี้คือการปรับปรุงความแม่นยำในการแก้ไขและแก้ไขตามเวลาจริง
มนุษย์ดิจิทัลหมายถึงการสังเคราะห์คุณลักษณะหลายอย่างของมนุษย์ที่มีอยู่ในโลกที่ไม่ใช่ทางกายภาพ (เช่น รูปภาพ วิดีโอ การถ่ายทอดสด และ VR) มนุษย์ดิจิทัลแสดงถึงการเปลี่ยนแปลงจากรูปแบบความหนาแน่นต่ำ เช่น ข้อความ/เสียง ไปสู่รูปแบบความหนาแน่นของข้อมูลที่สูงขึ้น เช่น ภาพ/วิดีโอ/การโต้ตอบแบบเรียลไทม์ ในอนาคต วิดีโอและแม้แต่ metaverse จะเป็นสถานการณ์การใช้งานที่สำคัญสำหรับมนุษย์ดิจิทัล
ในด้านเจเนอเรทีฟ AI การสร้างมนุษย์ดิจิทัลสามารถแบ่งออกเป็นการสร้างวิดีโอดิจิทัลของมนุษย์และการโต้ตอบแบบเรียลไทม์ของมนุษย์ดิจิทัล ปัจจุบัน การสร้างวิดีโอดิจิทัลของมนุษย์เป็นหนึ่งในสาขาที่ใช้กันอย่างแพร่หลายมากที่สุด ในขณะที่การโต้ตอบแบบเรียลไทม์ของมนุษย์ดิจิทัลส่วนใหญ่จะใช้ ในการบริการลูกค้าแบบอัจฉริยะด้วยภาพ และเน้นคุณสมบัติการโต้ตอบแบบเรียลไทม์มากขึ้น
05 โอกาสและความท้าทายของ AI ที่สร้างสรรค์
5.1 ในยุคของ generative AI งานธุรการถูกทดแทนอย่างมาก และ "การถามลูกค้า" คาดว่าจะกลายเป็นอาชีพใหม่
ผลกระทบของ generative AI ต่อการจ้างงาน ความท้าทายและโอกาสอยู่ร่วมกัน ในแง่หนึ่ง AI เชิงกำเนิดจะส่งเสริมการยกระดับงานอย่างชาญฉลาด และงานบางอย่างจะถูกแทนที่ จากการวิเคราะห์ของ Goldman Sachs ความสามารถด้านระบบอัตโนมัติอัจฉริยะของ generative AI สามารถปรับปรุงประสิทธิภาพการทำงานและลดต้นทุนการดำเนินงานได้อย่างมาก งานแบบเดิม ๆ ในสหรัฐอเมริกาและยุโรปจะได้รับผลกระทบจากระบบอัตโนมัติของ AI ในระดับที่แตกต่างกัน และ AI เชิงกำเนิดสามารถแทนที่งานได้ถึงหนึ่งในสี่ .
ในทางกลับกัน AI เชิงกำเนิดจะสร้างงานใหม่เช่นกัน: "วิศวกร" ช่วยให้ผู้คนใช้ภาษาธรรมชาติเพื่อโต้ตอบกับ AI เพื่อรับข้อมูลหรือสร้างผลงาน นอกจากนี้ สาขาที่เกี่ยวข้องกับปัญญาประดิษฐ์จะสร้างงานใหม่จำนวนมาก
สาระสำคัญของ generative AI คือการประยุกต์ใช้การเรียนรู้ของเครื่อง ในขั้น model learning จะใช้ชุดข้อมูลจำนวนมากในการฝึกอบรมอย่างหลีกเลี่ยงไม่ได้ อย่างไรก็ตาม ปัญหาความเป็นเจ้าของลิขสิทธิ์ของผลิตภัณฑ์หลังการฝึกอบรมยังคงเป็นที่ถกเถียงกันอยู่
เนื่องจากอาสาสมัครด้านกฎหมายสามารถใช้สิทธิ์ได้ ดังนั้น ลิขสิทธิ์ของผลงาน AI เชิงกำเนิดจึงสามารถเพลิดเพลินได้เฉพาะผู้ที่มีส่วนร่วมในการสร้างผลงานเท่านั้น บุคลากรที่เกี่ยวข้อง ได้แก่ นักพัฒนาซอฟต์แวร์ เจ้าของ และผู้ใช้ (ตัวตนของหัวเรื่องอาจทับซ้อนกัน) นักพัฒนาซอฟต์แวร์ AI ได้รับ ได้รับการชดเชยจากลิขสิทธิ์ซอฟต์แวร์ และลิขสิทธิ์ของงาน generative AI ส่วนใหญ่จะแจกจ่ายระหว่างเจ้าของซอฟต์แวร์และผู้ใช้