Генеративный искусственный интеллект (генеративный ИИ) — тип системы искусственного интеллекта (ИИ), способной синтезировать текст, изображения или комбинированный медиаконтент в ответ на подсказки (промпты). Впервые появился в конце 2010-х годов благодаря развитию генеративно-состязательных сетей (GAN) и трансформеров.
Генеративный ИИ использует генеративные модели, такие как большие языковые модели.
Известные системы генеративного ИИ включают ChatGPT — чат-боты, созданные с использованием больших языковых моделей GPT-3 и GPT-4 и Gemini — чат-бот, созданный Google с использованием модели LaMDA. Другие генеративные модели ИИ включают художественные системы искусственного интеллекта, такие как Stable Diffusion и DALL-E.
Генеративный ИИ может применяться в самых разных отраслях, включая разработку программного обеспечения, маркетинг и моду. Инвестиции в генеративный ИИ резко выросли в начале 2020-х годов, когда крупные компании, такие как Microsoft, Google и Baidu, а также многочисленные более мелкие фирмы начали активную разработку генеративных моделей.
История До появления глубокого обучения для генерации данных использовались статистические методы, такие как скрытые марковские модели (HMM) и модели гауссовой смеси (GMM). Настоящий прорыв в области генеративного ИИ произошёл в 2010-х годах благодаря успехам в машинном обучении. В 2014 году были представлены генеративно-состязательные сети (GAN) и вариационные автокодировщики (VAE), которые позволили нейросетям создавать реалистичные изображения и аудио.
В 2017 году исследователи Google представили архитектуру «трансформер» в статье Attention Is All You Need, что дало старт созданию мощных больших языковых моделей (LLM) и открыло путь к появлению таких инструментов, как ChatGPT. В начале 2020-х годов широкое распространение получили диффузионные модели, которые значительно повысили качество генерации изображений по текстовому описанию.
Направления Генеративная система искусственного интеллекта строится путём применения обучения без учителя или самообучения ИИ на огромных наборах данных. Возможности системы зависят от модальности или типа используемой информации.
Текст: генеративные системы ИИ, обученные на словах или словесных токенах, включают GPT-3, LaMDA, LLaMA, BLOOM, GPT-4 и другие (см. Список больших языковых моделей). Они способны к обработке естественного языка, машинному переводу и генерации естественного языка, и могут использоваться в качестве базовых моделей для других задач. Наборы данных включают BookCorpus, Wikipedia и другие. Код: большие языковые модели можно обучать на текстах, написанных на различных языках программирования, что позволяет им генерировать исходный код для новых компьютерных программ. Примеры включают GitHub Copilot, OpenAI Codex. Изображения: системы генеративного ИИ, обученные на наборах изображений с текстовыми подписями, включают такие модели, как Imagen, DALL-E, Midjourney, Stable Diffusion и другие. Они обычно используются для преобразования текста в изображение и передачи нейронного стиля. Аудио и видео: генеративный ИИ может синтезировать речь, клонировать голоса и создавать музыкальные композиции по текстовым описаниям (Suno, VALL-E). Также активно развиваются модели для генерации коротких видеороликов на основе текста или статичных изображений (Sora, Runway). Молекулы: системы можно обучать последовательностям аминокислот или молекулярным представлениям, таким как SMILES, изображающим ДНК или белки. Эти системы (например, AlphaFold) используются для прогнозирования структуры белков и открытия лекарств. Мультимодальность: система может быть построена из нескольких генеративных моделей или одной модели, обученной на нескольких типах данных. Например, GPT-4 способна принимать на вход как текст, так и изображения.
Область применения Финансовые услуги (чат-боты, анти-фрод системы, автоматизированная аналитика); Здравоохранение и медико-биологические разработки (ускорение разработки лекарств, генетическая инженерия, медицинские ассистенты); Автомобильная промышленность и производство (проектирование аэродинамики деталей, улучшение обслуживания клиентов); Мультимедиа и развлечения (создание новых жанров музыки, генерация ассетов в геймдеве, написание сценариев); Телекоммуникации (улучшение обслуживания клиентов, разговорные агенты); Энергетика (прогнозирование данных, разработка программ энергоэффективности).
Риски и проблемы Развитие генеративного ИИ вызывает ряд этических и юридических проблем, которые активно обсуждаются в обществе: Галлюцинации ИИ: способность моделей уверенно выдавать ложную или бессмысленную информацию в качестве достоверного факта. Дипфейки и дезинформация: использование синтезированного медиаконтента для создания высокореалистичных подделок, что несёт угрозу кибербезопасности, мошенничества и политической дезинформации. Авторское право: ведутся судебные разбирательства относительно законности использования защищённых авторским правом текстов, картин и фотографий для обучения моделей без выплаты компенсаций авторам. Влияние на рынок труда: существуют опасения по поводу возможной автоматизации и исчезновения рабочих мест в творческих и интеллектуальных профессиях (иллюстраторы, копирайтеры, актёры озвучивания и программисты).
Примечания
Ссылки