什么是生成式人工智能，为什么它如此受欢迎？以下是您需要了解的一切
生成式人工智能，受欢迎的原因和必要了解的内容
什么是生成式人工智能？
生成式人工智能是指从大量训练数据中创建全新输出（如文本、照片、视频、代码、数据或3D渲染）的模型或算法。这些模型通过参考它们所训练的数据来“生成”新内容，进行新的预测。
另外：IBM研究表明，由于人工智能，40%的工人将在未来三年内需要重新技能培训。
生成式人工智能的目的是创造内容，而不同于其他形式的人工智能，其他形式的人工智能可能用于不同的目的，如数据分析或帮助控制自动驾驶汽车。
为什么生成式人工智能是当前热门话题？
生成式人工智能这个术语引起了轰动，因为生成式人工智能程序（如OpenAI的对话聊天机器人ChatGPT和AI图像生成器DALL-E）越来越受欢迎。这些工具使用生成式人工智能在几秒钟内生成新的内容，包括计算机代码、文章、电子邮件、社交媒体标题、图像、诗歌、Excel公式等，这有可能改变人们目前的做事方式。
另外：目前最好的AI聊天机器人
ChatGPT在推出后的一周内就积累了超过一百万用户。许多其他公司也纷纷涌入生成式人工智能领域，包括谷歌、微软的必应和Anthropic。随着更多公司加入并发现新的用例，生成式人工智能的关注度肯定会继续增长，同时该技术也会更加融入日常流程。
机器学习与生成式人工智能有何关系？
机器学习是指教导系统根据其所训练的数据进行预测的人工智能的子领域。例如，DALL-E能够根据您输入的提示创建图像，通过辨别提示的实际含义来实现这种预测。
另外：如何为最佳生成式人工智能结果编写更好的ChatGPT提示
因此，生成式人工智能是一种机器学习框架，但并非所有的机器学习框架都是生成式人工智能。
哪些系统使用生成式人工智能？
生成式人工智能用于任何利用人工智能输出全新属性的人工智能算法或模型。最引起人们对生成式人工智能的兴趣的著名例子是ChatGPT和DALL-E。
另外：最好的AI艺术生成器
然而，在看到生成式人工智能的热潮后，许多公司开发了自己的生成式人工智能模型。这个不断增长的工具列表包括（但不限于）Google Bard、Bing Chat、Claude、PaLM 2、LLaMA等。
什么是生成式人工智能艺术？
生成式人工智能艺术是由已训练过的人工智能模型创建的，这些模型是根据现有艺术进行训练的。该模型使用从互联网上找到的数十亿张图像进行训练。模型利用这些数据学习图片的风格，然后在通过文本提示时使用这些见解生成新的艺术作品。
另外：AI的多视角浪潮即将到来，它将非常强大
DALL-E是AI艺术生成器的一个热门例子。然而，市场上还有许多其他同样出色，甚至更有能力的AI生成器，可以用于不同的需求。Bing的图像生成器是微软对这项技术的应用，它利用了更高级的DALL-E 2版本，并被ENBLE认为是目前最好的AI艺术生成器。
基于文本的生成式人工智能模型训练在什么上面？
基于文本的模型（如ChatGPT）通过进行自监督学习的方式，被输入大量文本来进行训练。在这里，模型从所提供的信息中学习，以便在未来进行预测并提供答案。
另外：如何撰写更好的ChatGPT提示
对于生成式人工智能模型，尤其是生成文本的模型，一个关切点是它们的训练数据来自整个互联网。这些数据包括受版权保护的材料和未经所有者同意分享的信息。
生成式人工智能艺术的意义是什么？
生成式人工智能艺术模型的训练数据来自整个互联网上的数十亿张图片。这些图片通常是由特定艺术家创作的作品，然后由人工智能重新想象和改造以生成您的图片。
另外：在人类的胜利中，联邦法官裁定由人工智能生成的艺术品不能受版权保护
尽管新生成的图片并非完全相同，但它们包含了艺术家原始作品的元素，但这些元素并未归功于原始作者。因此，人工智能可以复制艺术家独特的风格，并用来生成新的图片，而原始艺术家可能并不知情或同意。关于人工智能生成的艺术是否真正“新颖”甚至是否“艺术”之争可能会持续多年。
生成式人工智能的一些缺点是什么？
生成式人工智能模型从互联网上获取了大量的内容，并利用这些训练数据来预测和生成您输入的提示的输出。这些预测是基于模型所接收的数据，但即使回答听起来合理，也不能保证预测的准确性。
回答可能还会包含模型从互联网上获取的内容中固有的偏见，但通常无法确定是否存在这种情况。这些缺点引发了人们对生成式人工智能在传播错误信息中的作用的重大担忧。
另外：Claude AI能做的4件事ChatGPT不能做
生成式人工智能模型并不一定知道它们产生的内容是否准确，而且在很大程度上，我们很难知道信息的来源以及算法如何处理这些信息来生成内容。
例如，有很多聊天机器人提供了错误信息，或者仅仅是编造信息来填补空白。虽然生成式人工智能的结果可能令人着迷和娱乐，但在短期内依赖它们所创造的信息或内容是不明智的。
一些生成式人工智能模型，如Bing Chat或GPT-4，正在试图通过提供带有来源注释的脚注来弥补这种信息来源的差距，使用户不仅了解其回答来自何处，还能验证回答的准确性。
