alt=A detailed oil painting of figures in a futuristic opera scene|miniatura| Théâtre D'opéra Spatial, o imagine generată cu Midjourney
Inteligența artificială generativă (IA generativă, GenIA, sau IAG) este o ramură a inteligenței artificiale capabilă să genereze text, imagini, videoclipuri sau alte tipuri de date utilizând modele generative. Adesea, generarea are loc ca răspuns la solicitări specifice. Modelele de inteligență artificială generativă învață tiparele și structura datelor de antrenament pe care le primesc și apoi creează noi date cu caracteristici similare.
Îmbunătățirile rețelelor neurale profunde bazate pe transformatoare, în special modelele lingvistice mari (LLM-uri), au permis o creștere a sistemelor generative de inteligență artificială la începutul anilor 2020. Acestea includ chatbot-uri precum ChatGPT, Copilot, Gemini și LLaMA, sisteme de generare a imaginilor din text (text-to-image) precum Stable Diffusion, Midjourney și DALL-E, și generatoare video bazate pe text precum Sora. Companii precum OpenAI, Anthropic, Microsoft, Google și Baidu, alături de numeroase firme mai mici, au dezvoltat modele de inteligență artificială generativă.
Inteligența artificială generativă are aplicații într-o gamă largă de industrii, inclusiv dezvoltarea de software, asistență medicală, finanțe, divertisment, servicii pentru clienți, vânzări și marketing, artă, scriere, modă, și design de produse. Totuși, există îngrijorări cu privire la potențialul abuz al inteligenței artificiale generative, cum ar fi criminalitatea cibernetică, utilizarea știrilor false sau a deepfake-urilor pentru a înșela sau manipula oamenii, precum și înlocuirea în masă a locurilor de muncă umane.
Istoric
Disciplina academică a inteligenței artificiale a fost fundamentată la un atelier de cercetare organizat la Dartmouth College în 1956 și a cunoscut de atunci mai multe valuri de progres și optimism. De la începuturile sale, cercetătorii din domeniu au ridicat argumente filozofice și etice cu privire la natura minții umane și consecințele creării unor ființe artificiale cu inteligență similară celei umane; aceste probleme au fost explorate anterior de mituri, ficțiune și filozofie încă din antichitate. Conceptul de artă automată datează cel puțin din epoca automatelor din civilizația Greciei Antice, unde inventatori precum Dedal și Heron din Alexandria au fost descriși ca proiectând mașini capabile să scrie text, să genereze sunete și să cânte la instrumente muzicale. Tradiția automatelor creative a înflorit de-a lungul istoriei, un exemplu fiind automatul lui Maillardet, creat la începutul secolului al XIX-lea.
Inteligența artificială (IA) este o idee care a captivat societatea încă de la mijlocul secolului al XX-lea. Povestea a început cu science fiction-ul care a familiarizat lumea cu acest concept, însă ideea nu a fost abordată pe deplin din punct de vedere științific până când Alan Turing, un polimat, nu a devenit curios cu privire la fezabilitatea ei. Articolul revoluționar al lui Turing din 1950, „Computing Machinery and Intelligence” (Mașini de calcul și inteligență), a pus întrebări fundamentale despre raționamentul mașinilor similar inteligenței umane, contribuind semnificativ la temelia conceptuală a IA. Dezvoltarea inteligenței artificiale nu a fost rapidă la început din cauza costurilor ridicate și a faptului că computerele nu puteau stoca suficiente comenzi. Această situație s-a schimbat în timpul Proiectului de Cercetare de Vară Dartmouth din 1956 pe tema IA, unde a existat un apel entuziast pentru cercetarea în domeniul inteligenței artificiale, stabilind precedentul pentru două decenii de progrese rapide în acest sector.
De la înființarea domeniului inteligenței artificiale în anii 1950, artiștii și cercetătorii au folosit inteligența artificială pentru a crea opere artistice. Până la începutul anilor 1970, Harold Cohen crea și expunea lucrări de artă generate cu ajutorul inteligenței artificiale, realizate de AARON, programul pe calculator pe care Cohen l-a dezvoltat special pentru a genera picturi.
Lanțurile Markov au fost folosite de mult timp pentru modelarea limbajelor naturale, încă de la dezvoltarea lor de către matematicianul rus Andrey Markov la începutul secolului al XX-lea. Markov a publicat prima sa lucrare pe această temă în 1906 și a analizat modelul vocalelor și consoanelor din romanul Evgheni Oneghin folosind lanțuri Markov. Odată ce un lanț Markov este învățat pe un corpus de text, acesta poate fi apoi folosit ca un generator probabilistic de text.
Domeniul învățării automate utilizează frecvent modele statistice, inclusiv modele generative, pentru a modela și prezice date. Începând cu sfârșitul anilor 2000, apariția învățării profunde a impulsionat progresele și cercetările în clasificarea imaginilor, recunoașterea vocii, prelucrarea limbajului natural și alte sarcini. Rețelele neuronale din această perioadă erau antrenate în mod obișnuit ca modele discriminative, din cauza dificultății modelării generative.
În 2014, progrese precum autoencoderul variațional și rețeaua contradictorie generativă au dus la dezvoltarea primelor rețele neuronale profunde practice capabile să învețe modele generative, spre deosebire de cele discriminative, pentru date complexe precum imaginile. Aceste modele generative profunde au fost primele care au putut genera nu doar etichete de clasă pentru imagini, ci imagini întregi.
În 2017, rețeaua Transformer a permis progrese semnificative în domeniul modelelor generative față de modelele mai vechi bazate pe memorie pe termen lung și scurt (Long-Short Term Memory). Această evoluție a condus la crearea primului transformator pre-antrenat generativ (GPT), cunoscut sub numele de GPT-1, în 2018. Ulterior, în 2019, a apărut GPT-2, care a demonstrat capacitatea de a generaliza nesupravegheat la o varietate mare de sarcini ca model fundamental (Foundation Model).
În 2021, lansarea lui DALL-E, un model generativ de pixeli bazat pe transformator, urmat de Midjourney și Stable Diffusion, a marcat apariția artei create de inteligență artificială de înaltă calitate, pornind de la descrieri în limbaj natural.
În martie 2023, a fost lansat GPT-4. O echipă de cercetare de la Microsoft a susținut că „ar putea fi considerat o versiune incipientă (încă incompletă) a unui sistem de inteligență artificială puternică (AGI)”. Alți cercetători au contestat că GPT-4 atinge acest prag, numind inteligența artificială generativă „încă departe de a atinge standardul 'inteligenței generale umane'” în 2023. În 2023, Meta a lansat un model IA numit ImageBind care combină date din text, imagini, videoclipuri, date termice, date 3D, audio și mișcare. Acesta este așteptat să permită crearea de conținut generativ IA mai captivant.
Modalități Un sistem de inteligență artificială generativă este construit prin aplicarea învățării automate nesupravegheate sau semi-supravegheate pe un set de date. Capacitățile unui astfel de sistem depind de modalitatea sau tipul setului de date utilizat.
Inteligența artificială generativă poate fi unimodală sau multimodală; sistemele unimodale acceptă un singur tip de intrare, în timp ce sistemele multimodale pot prelua mai multe tipuri de intrări. De exemplu, o versiune a GPT-4 de la OpenAI acceptă atât intrări text, cât și imagini.
Text
Sistemele de inteligență artificială generativă antrenate pe cuvinte sau tokeni de cuvinte includ GPT-3, LaMDA, LLaMA, BLOOM, GPT-4, Gemini și multe altele (vezi Lista modelelor lingvistice mari). Acestea sunt capabile de prelucrarea limbajului natural, traducere automată și generare de limbaj natural și pot fi folosite ca modele fundamentale pentru alte sarcini. Seturile de date includ BookCorpus, Wikipedia și altele.
Cod Pe lângă textul în limbaj natural, modelele lingvistice mari pot fi antrenate pe text din limbaje de programare, permițându-le să genereze cod sursă pentru noi programe de calculator. Un exemplu este OpenAI Codex.
Imagini miniatura| Stable Diffusion, solicitare: o fotografie cu un astronaut care călărește un cal Crearea de artă vizuală de înaltă calitate este o aplicație importantă a inteligenței artificiale generative. Sistemele de inteligență artificială generativă antrenate pe seturi de imagini cu descrieri text includ Imagen, DALL-E, Midjourney, Adobe Firefly, Stable Diffusion și altele (vezi Arta generativă). Acestea sunt folosite în mod obișnuit pentru generarea de imagini din text și transferul stilului neuronal. Seturile de date utilizate includ LAION-5B și altele.
Audio Sistemele de inteligență artificială generativă pot fi antrenate intensiv și pe fragmente audio pentru a produce sintetizare vocală cu sunet natural și capabilități de text-to-speech, exemple fiind instrumentele de sinteză contextuale de la ElevenLabs sau Voicebox de la Meta Platform.
Sistemele de inteligență artificială generativă, precum MusicLM și MusicGen, pot fi antrenate și pe formele de undă audio ale muzicii înregistrate, împreună cu adnotări textuale. Acest lucru le permite să genereze noi mostre muzicale bazate pe descrieri text, cum ar fi o melodie calmă de vioară acompaniată de un riff distorsionat de chitară.
Muzică Sistemele de inteligență artificială generativă pot fi folosite și pentru a crea deepfake-uri audio ale versurilor. Un exemplu este piesa „Savages”, în care inteligența artificială a fost utilizată pentru a imita vocea rapper-ului Jay-Z. Instrumentele și versurile muzicienilor sunt protejate prin drepturi de autor, însă vocile lor nu sunt încă protejate de inteligența artificială generativă. Aceasta ridică o dezbatere privind drepturile de autor pentru artiștii ale căror voci sunt folosite în deepfake-uri audio.
Pe lângă deepfake-uri, inteligența artificială a dus la apariția numeroase generatoare de muzică bazate pe inteligență artificială. Acestea pot crea muzică utilizând o frază de text, genuri muzicale și biblioteci cu segmente muzicale repetitive (loop-uri) preînregistrate.
Video miniatura| Video generat de Sora cu Animale sălbatice din Borneo pe râul Kinabatangan Inteligența artificială generativă antrenată pe date video cu adnotări poate genera videoclipuri temporale coerente, detaliate și fotorealiste. Exemplele includ Sora de la OpenAI, Gen-1 și Gen-2 de la Runway, și Make-A-Video de la Meta Platforms.
Molecule Sistemele de inteligență artificială generativă pot fi antrenate pe secvențe de aminoacizi sau reprezentări moleculare precum SMILES, care reprezintă ADN-ul sau proteinele. Aceste sisteme, precum AlphaFold, sunt folosite pentru predicția structurii proteinelor și descoperirea medicamentelor. Seturile de date utilizate includ diverse baze de date biologice.
Robotică Sistemele de inteligență artificială generativă pot fi antrenate și pe mișcările unui sistem robotic pentru a genera noi traiectorii de planificare a mișcării sau navigare. De exemplu, UniPi de la Google Research folosește instrucțiuni precum „ridică bolul albastru” sau „șterge farfuria cu buretele galben” pentru a controla mișcările brațului robotului. Modelele multimodale „viziune-limbaj-acțiune”, cum ar fi RT-2 de la Google, pot efectua un raționament rudimentar ca răspuns la solicitările utilizatorului și la intrările vizuale, cum ar fi ridicarea unui dinozaur de jucărie atunci când primește comanda ridică animalul dispărut de pe masă, masa fiind plină cu jucării și alte obiecte.
Sistemele generative de inteligență artificială pentru planificare foloseau metode simbolice de IA precum căutarea în spațiul stărilor și satisfacerea constrângerilor. Până la începutul anilor 1990, această tehnologie era considerată „relativ matură”. Sistemele erau folosite pentru a genera planuri de acțiune în situații de criză pentru uz militar, planuri de proces pentru producție și planuri decizionale, precum cele folosite în prototipurile de nave spațiale autonome.
Date