在2022年11月30日OpenAI發(fā)布ChatGPT時，沒有人會意識到，未來6個月，新一代人工智能浪潮將給人類社會帶來眩暈的變化。自2010年代初深度學習問世以來，人工智能已進入第三次高潮。2017年，Transformer算法將深度學習推向了一個大模型時代。基于Transformer的Decoder部分，OpenAI建立了GPT家族。

ChatGPT一出現(xiàn)就風靡全球。每個人都驚訝于它能夠連貫深入地交談。同時，他們也驚訝地發(fā)現(xiàn)，它出現(xiàn)了反映智力的能力，如推理和思維鏈。隨著AI預訓練模型的不斷發(fā)展，人工智能的生成內容 （AIGC） 隨著算法的不斷創(chuàng)新和多模態(tài)AI的日益主流，以ChatGPT為代表的AIGC技術加速成為AI領域的最新發(fā)展方向，推動AI迎來下一個大發(fā)展、大繁榮的時代，將對經(jīng)濟社會的發(fā)展產(chǎn)生重大影響。

AIGC 技術的定義和背景

AIGC（Artificial Inteligence Generated Content），指通過人工智能技術一鍵生成內容的生產(chǎn)方法。通過訓練模型生成與訓練數(shù)據(jù)相似的新內容。與以識別和預測當前數(shù)據(jù)為主的傳統(tǒng)類型AI不同，AIGC側重于創(chuàng)建新的、新穎的數(shù)據(jù)。其關鍵原理是學習和理解數(shù)據(jù)的分布，從而生成具有相似特征的新數(shù)據(jù)，廣泛應用于圖像、文本、音頻、視頻等領域。目前AIGC最引人注目的應用是ChatGPT。ChatGPT是基于OpenAI企業(yè)的大型語言模型GPT-3.5訓練、調整、優(yōu)化聊天機器人應用，同一AI模型可處理各種文字推理任務。ChatGPT發(fā)布僅兩個月就獲得了1億個月的用戶，超過了歷史上所有互聯(lián)網(wǎng)客戶應用軟件的用戶增長速度。AIGC技術以大型語言模型和圖像生成模型為代表，已成為新一代人工智能的平臺技術，幫助不同行業(yè)實現(xiàn)價值飛躍。

在AIGC爆發(fā)的背后，人們普遍認為AI技術在三個領域的發(fā)展為AI技術提供了肥沃的土壤，即生成算法、預訓練模型和多模態(tài)技術。

首先，隨著各種生成算法的不斷創(chuàng)新和突破，AI現(xiàn)在可以生成各種類型的內容和信息，如文本、代碼、圖像、語音和視頻對象。AIGC和過去最明顯的區(qū)別在于AIGC的分析。（Analytical AI）發(fā)展成生成式AI（Generative AI）。分析AI模型是根據(jù)現(xiàn)有數(shù)據(jù)進行分析、判斷和預測的。最典型的應用之一是智能內容推薦；生成AI模型是在學習現(xiàn)有數(shù)據(jù)后解讀和創(chuàng)建新內容。

其次，預訓練模型，也就是常說的大模型，導致了AIGC技術能力的質變。過去，研究人員需要對每個類型的任務進行獨立的AI模型訓練，訓練好的模型只能從事特定的任務，不具有實用性。而且大型預訓練模型技術顯著提高了AIGC模型的通用性和工業(yè)化水平，使AIGC模型成為自動化內容生產(chǎn)的“工廠”和“流水線”。包含ChatGPT的生成AI模型、GPT-四等大語言模型（Large Language Models，LLM）和Midjourney、Stable 圖像生成模型，如Diffusion，又稱基礎模型，（Foundation Models），這是一種基于各種海量數(shù)據(jù)預訓練的深度學習算法，表現(xiàn)出強大的、更泛化的語言邏輯和內容生成能力。

使用大型語言模型（LLM）例如，通過大量的網(wǎng)絡媒體數(shù)據(jù)練習，語言模型的參數(shù)值可以達到1萬億甚至100萬億。這大大增強了語言模型的生成能力，同一語言模型可以高質量地完成各種文本推理任務，如寫詩、寫文章、講故事、敲代碼、提供專業(yè)知識等。因此，大型模型已經(jīng)成為各大企業(yè)追求的AI方向。

第三，多模態(tài)AI技術的發(fā)展。多模態(tài)技術使AIGC模型能夠跨模態(tài)生成各種類型的內容，例如將文本轉換為照片和視頻。進一步提高了AIGC模型的通用性。[1]

下面是AIGC領域的一些基本技術：

1)產(chǎn)生對抗網(wǎng)絡（GAN, Generative Adversarial Networks）：Ian是GAN 2014年，Goodfellow等人提出了一種生成模式。它由生成器（Generator）和判別器（Discriminator）兩個部分組成。生成器負責生成新數(shù)據(jù)，判別器負責判斷生成數(shù)據(jù)與真實數(shù)據(jù)的相似程度。通過不斷的訓練，生成器可以生成越來越逼真的數(shù)據(jù)。

二是變分自編碼器（VAE, Variational Autoencoders）：VAE是一種基于概率生成模型的生成方法，它通過編碼器生成。（Encoder）和解碼器（Decoder）實現(xiàn)數(shù)據(jù)生成的兩個部分。編碼器負責向潛在空間中的分布映射輸入數(shù)據(jù)，解碼器負責從潛在空間中分布采樣數(shù)據(jù)并生成新數(shù)據(jù)。

三是循環(huán)神經(jīng)網(wǎng)絡（RNN, Recurrent Neural Networks）：RNN是一種神經(jīng)網(wǎng)絡結構，用于處理序列數(shù)據(jù)。RNN具有記憶功能，能夠捕捉到序列數(shù)據(jù)中的時序信息。RNN可用于生成文本、音樂等序列數(shù)據(jù)。

Transformer模型：基于自注意力的Transformer是一種（Self-Attention）該系統(tǒng)的神經(jīng)網(wǎng)絡結構在自然語言理解領域取得了顯著的成就。Transformer模型可用于生成任務，如文本生成、機器翻譯等。

其它相關技術：除上述技術外，還有PixelRNNNNNN等其它生成模型和技術，、PixelCNN、WaveNet等。在圖像和音頻生成等領域，這些技術也取得了一些成果。

生成式AI技術，如大語言模型，帶來了新的AI發(fā)展范式，其應用價值非常廣闊。。對大眾而言，生成式AI代表著一種新的創(chuàng)造性工具，將在更大程度上釋放個人的想象力和創(chuàng)造性生產(chǎn)。此外，AIGC還將改變獲取信息的主要方式。在尋找答案、解決問題的效率方面，ChatGPT已經(jīng)部分超越了今天的搜索引擎，ChatGPT可能會改變我們未來獲取信息、導出內容的方式，AIGC有望成為數(shù)字經(jīng)濟時代驅動需求爆發(fā)的殺手級應用。

比爾·蓋茨將人工智能的發(fā)展與微控制器、個人計算機、因特網(wǎng)和智能手機進行比較，認為它將重塑所有行業(yè)。CEOSatya微軟公司 Nadella認為，ChatGPT是知識工作者的“工業(yè)革命”，人工智能肯定會徹底改變所有類型的軟件服務。當前，許多軟件服務，如搜索、辦公、在線會議等，已經(jīng)融入了生成式AI的能力。CEOSamOPenAI公司 Altman表示，多模態(tài)AI模型有望成為繼移動互聯(lián)網(wǎng)之后的新技術平臺。這意味著，基于預訓練的AI模型，開發(fā)人員可以通過模型微調快速開發(fā)垂直領域的模型應用并進行部署和使用，人工智能革命就在這里。[2]

AIGC的應用領域和案例

文本生成領域

自然語言生成是一種AIGC技術，可以生成逼真的自然語言文本。生成AI可以為作家和內容創(chuàng)作者寫文章、故事、詩歌等提供新的創(chuàng)作方法。同時還可以用于智能對話系統(tǒng)，提高用戶與AI的交流體驗。

ChatGPT (全名:Chat Generative Pre-trained 由OpenAI開發(fā)的Transformer對話生成預訓練轉換模型是人工開發(fā)的。 2022年11月推出智能聊天機器人程序。該程序使用基于GPT-3.5架構的大型語言模型，并通過增強學習來練習。目前，ChatGPT仍然以文字的形式進行交互，可以解決各種任務，包括自動文本生成、自動問答和自動摘要。

Jasper已經(jīng)開始為谷歌、臉書等知名公司提供AIGC文案業(yè)務。

圖像生成領域

在AIGC技術中，圖像生成是最常用的應用之一。Stability AI發(fā)布了穩(wěn)定的擴散（Stable Diffusion）AI繪畫的技術使用門檻通過開源快速迭代大大降低。消費者可以通過訂閱他們的產(chǎn)品DreamStudio來輸入文本提示來生成藝術作品。該產(chǎn)品吸引了世界50多個國家超過100萬用戶注冊。

音頻和視頻的創(chuàng)作和生成

AIGC技術可用于語音合成，即生成逼真的語音。例如，生成模型可以通過學習人類的語音特征來生成逼真的語音，然后用于虛擬助手、在線翻譯等應用?？捎糜谏梢魳返腁IGC技術。根據(jù)給定的風格和旋律，生成式AI可以創(chuàng)作出新的音樂作品，為音樂家提供新的創(chuàng)作靈感。這一技術也能幫助音樂家更有效地探索音樂風格與元素的結合。這類歌曲可用于音樂創(chuàng)作、廣告音樂等應用。

電影和游戲

生成AI可以用來生成虛擬人物、情境和動畫，給電影和游戲制作帶來更多的創(chuàng)意。此外，AI還可以根據(jù)用戶的喜好和行為生成個性化的故事情節(jié)和游戲體驗。

騰訊AI2023年3月 Lab在GDC上提出了一鍵生成3D虛擬場景的解決方案，可以幫助游戲開發(fā)者以更低的成本創(chuàng)造出風格多樣、貼近現(xiàn)實的虛擬城市，提高3D虛擬場景的生產(chǎn)效率。重點介紹了城市布局生成、建筑外觀生成、室內投影生成三大能力。與手動設計相比，整個路網(wǎng)生成和微調過程只需不到30分鐘，效率提高了近100倍；而且單個獨特建筑的生產(chǎn)時間減少到17.5分鐘，大大提高了場景設計的效率。

科學研究與創(chuàng)新

生成AI可以探索新的理論和實驗方法，幫助科學家在化學、生物、物理等領域找到新的知識。此外，生成AI還可用于藥物設計、材料科學等領域，加快技術創(chuàng)新和發(fā)展。

6.代碼生成領域

經(jīng)過自然語言和數(shù)十億行代碼的訓練。一些生成式AI模型精通十多種語言，包括Python、JavaScript、Go、Perl、PHP、Ruby等?？梢愿鶕?jù)自然語言的指令生成相應的代碼。

GitHub Copilot是由GitHub和OpenAI合作產(chǎn)生的AI代碼生成工具，可以根據(jù)命名或編輯的代碼前后的文本為開發(fā)者提供代碼建議。官方介紹說，它已經(jīng)接受了來自GitHub上公開可用存儲庫的數(shù)十億行代碼的訓練，支持大多數(shù)編程語言。

CODING騰訊云新一代AI代碼助手 Wise：賦予開發(fā)者大型AI能力，增強開發(fā)體驗，提高開發(fā)效率。CODING Wise提供多種編程語言，主流開發(fā)框架和常用IDE。具有代碼補充、生成單元測試、代碼糾錯等功能，可以幫助開發(fā)者加快研發(fā)過程，提高開發(fā)質量。CODING Wise能力涵蓋了溝通、編碼、審查等重要環(huán)節(jié)，包括：溝通階段：通過對話，進行前后推理，給出代碼回復，幫助開發(fā)者理解代碼邏輯；R&D階段:根據(jù)當前代碼類型、代碼前后文本等信息完成代碼；注釋和單元測試代碼可以根據(jù)代碼反向生成；錯誤排列階段:檢查錯誤代碼，定位問題，幫助生成建議；然后給出建議代碼，更換錯誤的代碼塊；審查階段:幫助開發(fā)者生成代碼并提交信息。審查者還可以生成審查建議；調整階段：可以通過自然語言指令快速修改和調整代碼。

理解和分析內容

騰訊會議AI助手:信息提取、內容分析、會議控制等各種復雜任務。只有通過簡單自然的會議指令和對會議內容的認知，才能完成。會后可以一鍵生成智能總結摘要，也可以幫助用戶基于智能錄制能力高效復習，提高用戶會議和信息流通的效率。

最近，彭博社發(fā)布了一個為金融界打造的大語言模型。（LLM)——BloombergGPT。其技術原理與ChatGPT相似，即采用Transformer模型和大規(guī)模預訓練技術實現(xiàn)自然語言理解，擁有500億參數(shù)。BloombergGPT的預訓練數(shù)據(jù)集主要來自彭博社的新聞和金融數(shù)據(jù)，建立了3630億個標簽數(shù)據(jù)，支持金融業(yè)的各項任務。

BloombergGPT旨在幫助用戶更好地了解和分析財務數(shù)據(jù)和新聞。能根據(jù)用戶的輸入，生成新聞摘要、市場分析、投資建議等與金融相關的自然語言文本。其應用場景主要包括金融分析、商務咨詢、資產(chǎn)管理等領域。例如，在資產(chǎn)管理領域，它可以根據(jù)歷史數(shù)據(jù)和市場情況預測未來的股價和交易量，為投資經(jīng)理提供投資建議和決策支持。在金融新聞領域，BloombergGPT可以根據(jù)市場數(shù)據(jù)和事件一鍵生成新聞摘要和分析報告，為讀者提供及時準確的金融信息。

8.AI智能體（AI Agent）

AI智能體（AI Agent）它被稱為OpenAI的下一個方向。自今年3月AutoGPT推出以來，Generative Agent、GPT-Engineer、BabyAGI項目的爆發(fā)將LLM的敘述帶入了一個新的階段，從“超級大腦”到“全能助手”。

2023年4月，Github上發(fā)布了一個名為AutoGPT的開源項目，截至2023年4月16日，該項目已獲得70K。 星。AutoGPT是一個開源應用程序，由GPT-4驅動，可以獨立實現(xiàn)用戶設定的任何目標。AutoGPT在客戶提出需求或任務時，會獨立分析問題，給出具體的執(zhí)行計劃并開始執(zhí)行，直到客戶提出的要求得到滿足。

Auto-GPT的出現(xiàn)意味著AGI正在逐步向更加自主化和智能化方向發(fā)展。第一，它可以使人工智能技術更加普及和方便。目前Auto-GPT能夠獨立分析和執(zhí)行任務，大大降低了應用的門檻和費用，使更多的人能夠輕松地使用人工智能技術來解決問題。其次，Auto-GPT可以提高人工智能技術的效率。傳統(tǒng)的人工智能模型需要從頭到尾完成整個任務，這樣會浪費大量的時間和計算資源，而且容易出錯。AutoGPT可以獨立分析任務，并提出具體的執(zhí)行計劃，這樣可以大大縮短執(zhí)行時間，降低錯誤率。[3]

雖然Auto-GPT還處于非常早期的實驗階段，但它開辟了一種全新的AI交互技術，即機器主動要求任務和計劃，人類只需要給出任務目標。這種交互技術不僅提高了AI智能體的自主性和靈活性，而且擴展了人與AI之間的交互技術，打破了人類對人工智能“控制”的想象，促使人工智能技術從“工具”走向人類的“伙伴”。

除單獨的AI外 除了Agent之外，未來還可能出現(xiàn)由多個AI智能體組成的“虛擬智能社會”。GenerativeAgents—一篇名為斯坦福大學和谷歌聯(lián)合發(fā)布的文章《GenerativeAgents:InterativeSimulacra of Human Behavior》在論文中，研究人員成功地建立了一個“虛擬小鎮(zhèn)”，其中25個智能體存活在小鎮(zhèn)上。在AIGC的幫助下，NPC有了可靠的人類行為，對周圍環(huán)境的變化做出了適度的反應，促使賽博空間可以通過實際的社會現(xiàn)象來增加。

海外商業(yè)咨詢機構預測，到2030年，AIGC和生成AI的市場規(guī)模將達到1100億美元。就像“互聯(lián)網(wǎng) ”一樣，“AIGC “有望滲透到各行各業(yè)，在教學、醫(yī)療、金融、政務、制造、機器人、數(shù)字人、元宇宙、廣告推廣、電子商務、市場和戰(zhàn)略咨詢等諸多領域帶來新的應用模式，深刻賦能各行各業(yè)，幫助高質量發(fā)展。

AIGC產(chǎn)業(yè)應用中的挑戰(zhàn)和問題

可解釋性和可靠性

生成人工智能可解釋性問題是指生成人工智能（Generative Artificial Intelligence）難以解釋或理解形成的結果。生成人工智能是一種基于深度學習的人工智能技術，它通過學習大量的數(shù)據(jù)來生成新的數(shù)據(jù)或圖像。但是，生成式人工智能所產(chǎn)生的結果一般是無法理解和解釋的，因為它的內部操作過程非常復雜，而且難以直觀地描述。

這一可解釋性問題對醫(yī)療診斷、金融風險控制、自動駕駛等多個應用領域十分重要。在這些領域中，每個人都需要了解生成型人工智能的內部運行過程，以便更好地了解其結果，并能對其進行調整和優(yōu)化。

目前，人工智能研究的一個重要方向是處理生成型人工智能的可解釋性問題。研究人員正在探索各種方法，使生成型人工智能的結果更加可解釋和可理解。這些方法包括可視化技術、可解釋模型、對抗樣本等。

2.AI模型的價值對齊問題

所謂的人工智能價值對齊（AI Alignment），使人工智能系統(tǒng)的行為符合人類的目標、偏好或倫理原則。AI安全研究的核心問題是價值對齊。理論上，如果一個強大的AI系統(tǒng)所努力的目標與人類的真實意圖和價值不一致，就有可能給人類帶來毀滅性的后果。目前，大語言模型的價值對齊具體表現(xiàn)為如何讓人工智能在模型上理解人類的價值和倫理原則，盡可能避免模型的有害導出，從而打造更有用、更符合人類價值觀的AI模型。RLHF是一種有效的方法，通過少量的數(shù)據(jù)可以達到較好的效果?？傊?，RLHF要求人類專家根據(jù)人類提供的反饋，對模型導出內容的適當性進行評估，并對模型進行優(yōu)化。它的目標是降低模型在未來生產(chǎn)有害內容的可能性。實際上，RLHF算法不僅是確保AI模型具有正確價值觀的關鍵，而且對于生成式AI領域的長期健康可持續(xù)發(fā)展也非常重要。[4]

塑造一個負責任的AI創(chuàng)新生態(tài)

生成式AI的進展，如大語言模型，不僅讓人們看到了AGI的曙光，也帶來了更加復雜和難以控制的風險，包括對人類未來生存的潛在風險。人工智能時代需要成為一個負責任的創(chuàng)新時代，而不是另一個“快速行動，打破陳規(guī)”的時代。每個人都需要建立一個合理謹慎的人工智能倫理和治理框架，建立一個負責任的人工智能生態(tài)，創(chuàng)造一個人機和諧共生的未來。生成AI領域的創(chuàng)新主體需要積極探索技術和管理的安全措施，為生成AI的健康發(fā)展和安全可控應用筑起護欄。

在科技向善的理念下，人工智能時代不應該成為另一個“快速行動，打破規(guī)則”的時代(即先快速制造產(chǎn)品，再通過修復和補救解決社會問題)。相反，它應該成為一個負責任和創(chuàng)新的時代。通過建立合理謹慎的人工智能倫理和治理框架，創(chuàng)造負責任的人工智能生態(tài)，創(chuàng)造人機和諧共生的未來。[5]

未來AIGC在工業(yè)應用中的趨勢

多模式帶來了藍海海創(chuàng)新應用

多模態(tài)AI是指人工智能，如文本、圖像、音頻、視頻等。，可以處理和理解各種類型的信息。這種AI不僅可以處理單一數(shù)據(jù)類型的任務，還可以連接和整合不同的數(shù)據(jù)類型，從而實現(xiàn)對多模式的全面全面的理解。AI可以相關分析不同類型的信息，支持解決復雜問題。

在多模態(tài)技術發(fā)展初期，圖像識別與自然語言處理技術的融合等不同模態(tài)的AI開始集成。除了ImageBind打通六種模式外，大部分還在探索文字和圖像的結合，但進展很快。UniDiffuser:除了單向圖形圖形外，還可以實現(xiàn)圖形提問、圖形聯(lián)合生產(chǎn)、無條件圖形生成等多種功能。

許多模態(tài)AI案例，如DALLLLLL，都開發(fā)了OpenAI。-E、CLIP等，可以識別圖像中的目標，同時生成與圖像相關的描述性文本，或者通過文本指導生成相關物體的新圖像。

隨著多模態(tài)技術的發(fā)展，多模態(tài)AI可以在理解和處理不同類型數(shù)據(jù)時實現(xiàn)更高水平的組合。算法和模型可以連接不同的數(shù)據(jù)類型，提取不同模式的共享信息。這使得AI能夠深刻理解和解決復雜的問題。未來，多模態(tài)技術的發(fā)展將帶來創(chuàng)新應用的藍海。[6]

生成式AI帶來更符合人際交互技術的技術

從用鍵盤-鼠標與計算機互動，到用手指滑動屏幕與手機互動，再到人們用喚醒詞與智能音響互動，人機互動不斷向更符合人們習慣的互動技術演變，從識別機器指令到識別人的動作和聲音。隨著生成式AI的發(fā)展，人類第一次有機會用自然語言與機器交談。機器也有很強的能力通過大模型理解人類語言，有望帶來全新的互動變革。就像之前的互動變化帶來的從終端到連接再到各種應用的顛覆性變化一樣，生成式AI也必然會帶來產(chǎn)業(yè)鏈、價值鏈和生態(tài)的重塑。

生成式AI的技術突破，大大提高了對模型的理解能力。大型模型能更好地理解人類表達的意義，并產(chǎn)生更符合人類價值觀的答案。它的技術成熟度已能在許多場景中得到應用，甚至實用。隨著科技公司對齊工作的不斷進步，大模型的“幻覺”不斷減少，這使得人類第一次完全有可能通過自然語言對話與機器進行交流。它也是人們挖掘機器智能最簡單、最直接、最有效的交互技術。

在這種背景下，所有的APP都可以用生成AI重做，并且可能會產(chǎn)生原生AI。 APP。一方面，在后端不變的前提下，目前所有軟件的前端互動都可以直接改變?yōu)樽匀徽Z言對話的方式，讓更多的應用具備智能對話的能力，給用戶帶來全新的感受。現(xiàn)在很多應用軟件和硬件已經(jīng)開始向這個方向升級。另外一方面，未來更具市場創(chuàng)造力的，是原生AI。 APP，比如未來很有可能會有一個無所不能的個人助理。他可以回答人們的各種問題，幫助人們提出建議，甚至做更多的工作，比如會議預訂、文章寫作、文藝創(chuàng)作等等?！皺C器生成 在可預見的未來，人腦選擇將成為人機合作的重要途徑。[7]

結論

綜上所述，生成型人工智能在探索和演變過程中取得了顯著成效，為人們社會的進步和發(fā)展提供了強大的技術支持。從深度學習、自然語言理解等技術的發(fā)展，到生成型人工智能在各個行業(yè)的應用，都顯示出其強大的潛力和價值。然而，隨著技術的不斷創(chuàng)新和突破，生成型人工智能在數(shù)據(jù)安全、隱私保護、倫理等方面存在一些挑戰(zhàn)。在應用過程中也暴露出來。所以，未來的研究應該注意如何在保證技術創(chuàng)新的同時，解決這些潛在的問題，從而實現(xiàn)人工智能的可持續(xù)發(fā)展。此外，為了實現(xiàn)人類社會的共同繁榮和進步，各國政府、公司和研究機構應加強合作，共同推進生成式人工智能的研究和應用。

徐思彥 騰訊研究院高級研究員

本文來自微信微信官方賬號“騰訊研究院”（ID：cyberlawrc），作者：徐思彥，36氪經(jīng)授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com