- คำศัพท์ (A ถึง D)
- การควบคุมความสามารถของ AI
- AIOps
- อัลบั้ม
- ประสิทธิภาพของสินทรัพย์
- ตัวเข้ารหัสอัตโนมัติ
- การขยายพันธุ์หลัง
- ทฤษฎีบทเบย์
- ข้อมูลขนาดใหญ่
- Chatbot: คู่มือสำหรับผู้เริ่มต้น
- การคิดเชิงคำนวณ
- วิสัยทัศน์คอมพิวเตอร์
- เมทริกซ์ความสับสน
- เครือข่ายประสาทเทียม
- cybersecurity
- ผ้าข้อมูล
- การเล่าเรื่องข้อมูล
- ข้อมูลวิทยาศาสตร์
- คลังข้อมูล
- ต้นไม้ตัดสินใจ
- Deepfakes
- การเรียนรู้ลึก ๆ
- การเรียนรู้การเสริมแรงเชิงลึก
- devops
- DevSecOps
- แบบจำลองการแพร่กระจาย
- ดิจิตอลแฝด
- การลดขนาด
- คำศัพท์ (E ถึง K)
- เอดจ์ไอ
- อารมณ์ AI
- การเรียนรู้ทั้งมวล
- การแฮ็กอย่างมีจริยธรรม
- ETL
- AI ที่อธิบายได้
- สหพันธ์การเรียนรู้
- ฟินอ๊อฟ
- กำเนิด AI
- เครือข่ายผู้ให้กำเนิด
- กำเนิดเทียบกับการเลือกปฏิบัติ
- ไล่โทนสี
- โคตรไล่ระดับ
- การเรียนรู้ไม่กี่ช็อต
- การจำแนกรูปภาพ
- การดำเนินงานด้านไอที (ITOps)
- ระบบอัตโนมัติของเหตุการณ์
- วิศวกรรมอิทธิพล
- K-หมายถึงการจัดกลุ่ม
- K-เพื่อนบ้านที่ใกล้ที่สุด
- คำศัพท์ (L ถึง Q)
- คำศัพท์ (R ถึง Z)
- การเรียนรู้เสริมแรง
- AI ที่มีความรับผิดชอบ
- อาร์แอลเอชเอฟ
- ระบบอัตโนมัติของกระบวนการหุ่นยนต์
- มีโครงสร้าง vs ไม่มีโครงสร้าง
- การวิเคราะห์ความเชื่อมั่น
- อยู่ภายใต้การดูแล vs ไม่ได้รับการดูแล
- สนับสนุนเครื่องเวกเตอร์
- ข้อมูลสังเคราะห์
- สื่อสังเคราะห์
- การจัดประเภทข้อความ
- TinyML
- ถ่ายทอดการเรียนรู้
- เครือข่ายประสาทหม้อแปลง
- การทดสอบของทัวริง
- การค้นหาความคล้ายคลึงกันของเวกเตอร์
AI 101
เจเนอเรทีฟเอไอคืออะไร?
สารบัญ
เจเนอเรทีฟเอไอได้ส่งเสียงดังมากเมื่อเร็วๆ นี้ คำนี้ใช้เพื่ออ้างถึงระบบปัญญาประดิษฐ์ทุกประเภทที่อาศัยอัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลหรือกึ่งดูแลเพื่อสร้างภาพดิจิทัล วิดีโอ เสียง และข้อความใหม่ จากข้อมูลของ MIT นั้น AI กำเนิดเป็นหนึ่งในความก้าวหน้าที่มีแนวโน้มมากที่สุดในด้าน AI ในทศวรรษที่ผ่านมา
ด้วย Generative AI คอมพิวเตอร์สามารถเรียนรู้รูปแบบพื้นฐานที่เกี่ยวข้องกับอินพุต ซึ่งทำให้สามารถส่งออกเนื้อหาที่คล้ายคลึงกันได้ ระบบเหล่านี้พึ่งพาเครือข่ายฝ่ายตรงข้ามเชิงกำเนิด (GAN) ตัวเข้ารหัสอัตโนมัติแบบแปรผัน และตัวแปลง
โฆษณาเกี่ยวกับ AI กำเนิดกำลังเติบโตอย่างต่อเนื่อง โดย Gartner ได้รวมไว้ใน “เทคโนโลยีเกิดใหม่และแนวโน้มผลกระทบต่อเรดาร์ในปี 2022" รายงาน. บริษัทกล่าวว่าเป็นหนึ่งในเทคโนโลยีที่มีผลกระทบมากที่สุดและมีการพัฒนาอย่างรวดเร็วในตลาด
การคาดการณ์ที่สำคัญบางส่วนจากรายงานของ Gartner ได้แก่:
- ภายในปี 2025 AI กำเนิดจะถูกใช้โดย 50 เปอร์เซ็นต์ของการริเริ่มการคิดค้นและพัฒนายา
- ภายในปี 2025 AI เชิงกำเนิดจะผลิตข้อมูล 10 เปอร์เซ็นต์ของข้อมูลทั้งหมด
- ภายในปี 2027 ผู้ผลิตร้อยละ 30 จะใช้ AI เพื่อเพิ่มประสิทธิภาพการพัฒนาผลิตภัณฑ์ของตน
เทคนิคการสร้าง AI
Generative AI สามารถสร้างเนื้อหาใหม่โดยใช้ข้อความ ไฟล์เสียง หรือรูปภาพที่มีอยู่ ช่วยให้คอมพิวเตอร์สามารถตรวจจับรูปแบบพื้นฐานที่เกี่ยวข้องกับอินพุตเพื่อให้สามารถสร้างเนื้อหาที่คล้ายคลึงกันได้
AI เจเนอเรทีฟบรรลุกระบวนการนี้ด้วยเทคนิคต่างๆ:
- เครือข่ายฝ่ายตรงข้ามที่ก่อกำเนิด (GANs): GAN ประกอบด้วยเครือข่ายประสาทสองเครือข่าย มีเครื่องกำเนิดและเครือข่ายผู้เลือกปฏิบัติที่ต่อสู้กันเองเพื่อสร้างสมดุลระหว่างทั้งสอง เครือข่ายตัวสร้างสร้างข้อมูลใหม่หรือเนื้อหาที่คล้ายกับข้อมูลต้นทาง เครือข่ายผู้แยกแยะความแตกต่างระหว่างแหล่งที่มาและข้อมูลที่สร้างขึ้นเพื่อรับรู้สิ่งที่ใกล้เคียงกับต้นฉบับมากขึ้น
- หม้อแปลง: โมเดล Transformer มีชื่อใหญ่ๆ เช่น GPT-3 และเลียนแบบความสนใจทางปัญญาและสามารถวัดความสำคัญของส่วนข้อมูลอินพุตได้ Transformers ได้รับการฝึกฝนให้เข้าใจภาษาหรือภาพ พวกเขายังสามารถเรียนรู้งานการจัดหมวดหมู่และสร้างข้อความหรือรูปภาพจากชุดข้อมูลขนาดใหญ่
- ตัวเข้ารหัสอัตโนมัติแบบแปรผัน: ด้วยตัวเข้ารหัสอัตโนมัติแบบแปรผัน ตัวเข้ารหัสจะเข้ารหัสอินพุตเป็นรหัสที่บีบอัด ในขณะที่ตัวถอดรหัสจะสร้างข้อมูลเริ่มต้นจากรหัส เมื่อฝึกอย่างถูกต้อง การแทนค่าแบบบีบอัดสามารถจัดเก็บการกระจายข้อมูลอินพุตเป็นการแสดงแบบมิติที่เล็กลง
แอปพลิเคชั่นเจเนอเรทีฟ AI
มีแอปพลิเคชันมากมายสำหรับ generative AI ซึ่งครอบคลุมหลายสาขา เช่น การตลาด การศึกษา การดูแลสุขภาพ และความบันเทิง
ต่อไปนี้เป็นแอปพลิเคชั่นชั้นนำของ generative AI:
- ดูแลสุขภาพ: เครือข่ายฝ่ายตรงข้ามที่สร้างสรรค์กำลังปฏิวัติอุตสาหกรรมการดูแลสุขภาพ พวกเขาสามารถสอนให้สร้างตัวอย่างปลอมของข้อมูลที่ไม่ได้นำเสนอ ซึ่งสามารถนำไปใช้ในการฝึกอบรมและพัฒนาแบบจำลองได้ GAN ยังใช้สำหรับการระบุข้อมูล ปรับปรุงความเป็นส่วนตัวและความปลอดภัยของข้อมูล พวกเขาจัดการกับปัญหาสำคัญของกระบวนการย้อนกลับที่สามารถประนีประนอมข้อมูลอันมีค่าของผู้ป่วยได้
- เพลง: AI เจเนอเรทีฟยังถูกนำมาใช้ในดนตรีด้วยการสร้างโครงข่ายประสาทเทียมที่สามารถเลียนแบบสมองของมนุษย์ได้ ตัวอย่างเช่น ซอฟต์แวร์ Magenta ของ Google สร้างเพลง AI เพลงแรก ประโยชน์ที่ใหญ่ที่สุดอย่างหนึ่งของ AI ในดนตรีคือความสามารถในการสร้างแนวเพลงใหม่ๆ
- ภาพเคลื่อนไหว: การประยุกต์ใช้ AI กำเนิดในอุตสาหกรรมภาพยนตร์เติบโตอย่างต่อเนื่อง ช่วยให้มืออาชีพสามารถจับภาพได้ตลอดเวลาแม้สภาพแสงหรือสภาพอากาศเนื่องจากสามารถแปลงภาพถ่ายได้ในภายหลัง AI เจเนอเรทีฟยังสามารถใช้การสังเคราะห์ใบหน้าและการโคลนเสียงเพื่อให้ใช้รูปภาพและวิดีโอของนักแสดงกับวัยต่างๆ ได้
- สื่อ: Generative AI ถูกนำมาใช้ทั่วทั้งอุตสาหกรรมสื่อ ตัวอย่างเช่น สามารถขยายขนาดเนื้อหาผ่านความละเอียดสูงพิเศษได้ เทคนิคการเรียนรู้ของเครื่องสามารถเปลี่ยนเนื้อหาคุณภาพต่ำให้เป็นคุณภาพสูงได้
- วิทยาการหุ่นยนต์: การสร้างแบบจำลองเชิงกำเนิดช่วยให้โมเดลแมชชีนเลิร์นนิงเสริมกำลังแสดงอคติน้อยลง และสามารถเข้าใจแนวคิดเชิงนามธรรมในการจำลองและโลกแห่งความเป็นจริง
ความท้าทายของ Generative AI
ด้วยคุณประโยชน์และการใช้งานทั้งหมด AI เชิงกำเนิดยังก่อให้เกิดความท้าทายบางประการ ประการแรก ผู้ไม่ประสงค์ดีสามารถใช้เพื่อดำเนินกิจกรรมที่เป็นอันตราย เช่น การหลอกลวงผู้คนหรือสร้างข่าวสแปม
อัลกอริทึม AI กำเนิดต้องการข้อมูลการฝึกอบรมจำนวนมากเพื่อให้ทำงานได้สำเร็จ ในขณะเดียวกัน GAN ไม่สามารถส่งออกรูปภาพหรือข้อความใหม่ทั้งหมดได้ พวกเขาต้องใช้ข้อมูลและรวมเข้าด้วยกันเพื่อสร้างเอาต์พุตใหม่
ความท้าทายอีกอย่างหนึ่งของ AI เชิงกำเนิดคือผลลัพธ์ที่คาดไม่ถึง โดยโมเดลบางอย่างเช่น GAN นั้นยากต่อการควบคุม ในกรณีนี้ โมเดลอาจไม่เสถียรและสร้างผลลัพธ์ที่ไม่คาดคิดได้
ตัวอย่างของบริษัท Generative AI
มีหลายบริษัทที่เกี่ยวข้องกับ Generative AI สำหรับการใช้งานที่หลากหลาย:
- การสังเคราะห์: บริษัทด้าน AI กำเนิดที่มีชื่อเสียงที่สุดแห่งหนึ่งคือ Synthesia ซึ่งเป็นผู้บุกเบิกเทคโนโลยีการสังเคราะห์วิดีโอในยุคแรกๆ บริษัทในสหราชอาณาจักรก่อตั้งขึ้นในปี 2017 และใช้เทคโนโลยีสื่อสังเคราะห์ใหม่สำหรับการสร้างเนื้อหาภาพ ตลอดจนเพื่อลดค่าใช้จ่าย ทักษะ และอุปสรรคด้านภาษาที่จำเป็นในการใช้ประโยชน์จากเทคโนโลยี
- AI ส่วนใหญ่: AI ส่วนใหญ่พัฒนาเครื่องมือข้อมูลสังเคราะห์ที่ช่วยให้สามารถจำลองข้อมูลสังเคราะห์ที่สมจริงและเป็นตัวแทนได้ในวงกว้าง สามารถเรียนรู้รูปแบบ โครงสร้าง และความแปรผันจากข้อมูลที่มีอยู่ได้โดยอัตโนมัติ
- AI การสังเคราะห์: AI การสังเคราะห์ผสมผสานโมเดล AI ที่สร้างใหม่เข้ากับเทคโนโลยี CGI ที่พัฒนาแล้ว จากข้อมูลของบริษัท ท่อส่งที่เป็นกรรมสิทธิ์ของบริษัทช่วยให้สามารถสร้างข้อมูลจำนวนมหาศาลสำหรับการฝึกอบรมโมเดลคอมพิวเตอร์วิทัศน์ที่ซับซ้อนได้
- สังเคราะห์: บริษัทข้อมูลสังเคราะห์ชั้นนำ Synthetaic เติบโตข้อมูลคุณภาพสูงสำหรับ AI RAIC ของบริษัท (การจัดหมวดหมู่รูปภาพอัตโนมัติอย่างรวดเร็ว) ทำการวิเคราะห์ชุดข้อมูลขนาดใหญ่ที่ไม่มีโครงสร้างโดยอัตโนมัติ คุณจึงสามารถฝึกฝนและปรับใช้โมเดล AI ได้เร็วกว่าวิธีการแบบเดิม
- อคเมีย: Aqemia เป็นบริษัทผู้ค้นพบยาแบบซิลิโก อาศัยอัลกอริธึมที่ได้รับแรงบันดาลใจจากควอนตัมแบบ uniqe เพื่อทำนายความสัมพันธ์ร่วมกับ AI เทคนิคนี้ช่วยให้ค้นพบโมเลกุลที่เป็นนวัตกรรมใหม่ๆ ได้อย่างรวดเร็วและมีโอกาสประสบความสำเร็จมากขึ้น
- ไอมิ: หนึ่งในบริษัท AI ชั้นนำในอุตสาหกรรมเพลง AiMi นำเสนอเพลงอิเล็กทรอนิกส์แบบไดนามิกและไม่มีที่สิ้นสุดที่มีชีวิตชีวาตามเวลาจริง คุณสามารถใช้ AiMi เพื่อสร้างภาพดนตรีที่ให้คุณดื่มด่ำไปกับเสียงและภาพที่ต่อเนื่อง
นี่เป็นเพียงส่วนน้อยจากหลายๆ บริษัทที่ใช้ประโยชน์จากโมเดล AI เชิงกำเนิดเพื่อนำไปสู่นวัตกรรมและเทคโนโลยีที่พัฒนาอย่างต่อเนื่อง
Alex McFarland เป็นนักข่าวและนักเขียนด้าน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมมือกับสตาร์ทอัพด้าน AI และสิ่งพิมพ์ต่างๆ มากมายทั่วโลก