Ang Generative AI ay isang uri ng artificial intelligence technology na malawak na naglalarawan ng mga machine learning system na maaaring makabuo ng text, mga larawan, code, o iba pang uri ng content.
Ang mga modelo ng generative artificial intelligence ay lalong isinasama sa mga online na tool at chatbot
na nagbibigay-daan sa mga user na mag-type ng mga tanong o tagubilin sa isang input field, kung saan ang AI model ay bubuo ng tulad ng tao na tugon.
Ang mga modelo ng generative artificial intelligence gumagamit sila ng kumplikadong proseso ng computer na kilala bilang deep learning
upang suriin ang mga karaniwang pattern at pagsasaayos sa malalaking set ng data at pagkatapos ay gamitin ang impormasyong ito upang lumikha ng mga bago at nakakahimok na resulta. Ginagawa ito ng mga modelo sa pamamagitan ng pagsasama ng mga diskarte sa pag-aaral ng makina na kilala bilang mga neural network, na kung saan ay maluwag na inspirasyon sa paraan ng pagpoproseso at pagbibigay-kahulugan ng utak ng tao ng impormasyon at pagkatapos ay natututo mula dito sa paglipas ng panahon.
Upang magbigay ng isang halimbawa, pagpapakain ng isang modelo ng generative artificial intelligence na may malaking halaga ng salaysay, sa paglipas ng panahon ay matutukoy at mapaparami ng modelo ang mga elemento ng isang kuwento, tulad ng istraktura ng balangkas, mga tauhan, tema, kagamitan sa pagsasalaysay, at iba pa.
Ang mga modelo ng generative artificial intelligence sila ay nagiging mas sopistikado habang ang data na kanilang natatanggap at bumubuo ng mga pagtaas, muli salamat sa mga diskarte ng deep learning
at neural network sa ibaba. Bilang resulta, mas maraming nilalaman ang nabuo ng isang template generative artificial intelligence, nagiging mas kapani-paniwala at parang tao ang mga resulta nito.
Ang kasikatan nggenerative artificial intelligence sumabog noong 2023, higit sa lahat salamat sa mga programa Chat GPT e TILAD di OpenAI. Higit pa rito, ang mabilis na pag-unlad ng mga teknolohiya artipisyal na katalinuhan, tulad ng natural na pagpoproseso ng wika, ay ginawa anggenerative artificial intelligence naa-access sa mga mamimili at tagalikha ng nilalaman sa laki.
Ang malalaking tech na kumpanya ay mabilis na tumalon sa bandwagon, kasama ang Google, Microsoft, Amazon, Meta at iba pa na lahat ay naglinya ng kanilang sariling mga tool sa pag-unlad. generative artificial intelligence sa loob ng ilang buwan.
Mayroong maraming mga tool generative artificial intelligence, bagama't ang mga modelo ng text at image generation ay marahil ang pinakakilala. Ang mga modelo ng generative artificial intelligence karaniwang umaasa sila sa isang user na nagbibigay ng mensahe na gumagabay sa kanila tungo sa paggawa ng ninanais na output, maging ito ay teksto, isang imahe, isang video o isang piraso ng musika, bagama't hindi ito palaging nangyayari.
Mayroong iba't ibang uri ng generative AI models, bawat isa ay idinisenyo para sa mga partikular na hamon at gawain. Ang mga ito ay maaaring malawak na mauri sa mga sumusunod na uri.
Transformer-based models
Ang mga modelong nakabatay sa transformer ay sinanay sa malalaking set ng data upang maunawaan ang mga ugnayan sa pagitan ng sequential na impormasyon, gaya ng mga salita at pangungusap. Sinusuportahan ng deep learning, ang mga modelong ito ng AI ay malamang na bihasa sa NLP at nauunawaan ang istruktura at konteksto ng wika, na ginagawang angkop ang mga ito para sa mga gawain sa pagbuo ng teksto. Ang ChatGPT-3 at Google Bard ay mga halimbawa ng mga modelong generative AI na nakabatay sa transformer.
Generative adversarial networks
Binubuo ang mga GAN ng dalawang neural network na kilala bilang generator at discriminator, na mahalagang gumagana laban sa isa't isa upang lumikha ng tunay na data. Tulad ng ipinahihiwatig ng pangalan, ang papel ng generator ay upang makabuo ng isang nakakumbinsi na output tulad ng isang imahe batay sa isang mungkahi, habang ang discriminator ay nagtatrabaho upang suriin ang pagiging tunay ng nasabing imahe. Sa paglipas ng panahon, ang bawat bahagi ay bumubuti sa kani-kanilang mga tungkulin, na nakakamit ng mas nakakumbinsi na mga resulta. Ang DALL-E at Midjourney ay mga halimbawa ng mga modelong generative AI na nakabatay sa GAN.
Variational autoencoders
Gumagamit ang mga VAE ng dalawang network upang bigyang-kahulugan at bumuo ng data: sa kasong ito ito ay isang encoder at isang decoder. Kinukuha ng encoder ang data ng input at i-compress ito sa isang pinasimpleng format. Pagkatapos ay kukunin ng decoder ang naka-compress na impormasyon na ito at ire-reconstruct ito sa isang bagong bagay na kahawig ng orihinal na data, ngunit hindi ito pareho.
Ang isang halimbawa ay ang pagtuturo ng isang computer program na bumuo ng mga mukha ng tao gamit ang mga larawan bilang data ng pagsasanay. Sa paglipas ng panahon, natututo ang programa na gawing simple ang mga larawan ng mga mukha ng mga tao sa pamamagitan ng pagbawas sa mga ito sa ilang mahahalagang katangian, tulad ng laki at hugis ng mga mata, ilong, bibig, tainga, atbp., at pagkatapos ay gamitin ang mga ito upang lumikha ng mga bagong mukha.
Multimodal models
Maaaring maunawaan at iproseso ng mga multimodal na modelo ang maraming uri ng data nang sabay-sabay, gaya ng text, mga larawan, at audio, na nagpapahintulot sa kanila na lumikha ng mas sopistikadong mga output. Ang isang halimbawa ay isang modelo ng AI na maaaring makabuo ng isang imahe batay sa isang text prompt, pati na rin isang textual na paglalarawan ng isang image prompt. DALL-E 2 e GPT-4 ng OpenAI ay mga halimbawa ng mga multimodal na modelo.
Para sa mga negosyo, ang kahusayan ay masasabing ang pinaka-nakakahimok na benepisyo ng generative AI dahil maaari nitong bigyang-daan ang mga negosyo na i-automate ang mga partikular na gawain at ituon ang oras, enerhiya at mga mapagkukunan sa mas mahahalagang madiskarteng layunin. Maaari itong humantong sa mas mababang gastos sa paggawa, tumaas na kahusayan sa pagpapatakbo at mga bagong insight sa kung gumaganap o hindi ang ilang partikular na proseso ng negosyo.
Para sa mga propesyonal at tagalikha ng nilalaman, makakatulong ang mga generative AI tool sa pagbuo ng ideya, pagpaplano at pag-iskedyul ng nilalaman, pag-optimize ng search engine, marketing, pakikipag-ugnayan ng madla, pananaliksik at pag-edit, at posibleng higit pa. Muli, ang pangunahing iminungkahing benepisyo ay ang kahusayan dahil ang mga generative na tool ng AI ay makakatulong sa mga user na bawasan ang oras na ginugugol nila sa ilang partikular na gawain upang mamuhunan sila ng kanilang enerhiya sa ibang lugar. Iyon ay sinabi, ang manu-manong pangangasiwa at kontrol ng mga generative na modelo ng AI ay nananatiling napakahalaga.
Ang Generative AI ay nakahanap ng foothold sa maraming sektor ng industriya at mabilis itong lumalawak sa mga komersyal at consumer market. Tinatantya ni McKinsey na, pagsapit ng 2030, ang mga gawain na kasalukuyang bumubuo ng humigit-kumulang 30% ng mga oras ng trabaho sa United States ay maaaring maging awtomatiko, salamat sa pagpapabilis ng generative artificial intelligence.
Sa serbisyo sa customer, tinutulungan ng mga chatbot at virtual assistant na pinapagana ng AI ang mga kumpanya na bawasan ang mga oras ng pagtugon at mabilis na mahawakan ang mga karaniwang tanong ng customer, na binabawasan ang pasanin sa mga kawani. Sa software development, ang mga generative AI tool ay tumutulong sa mga developer na mag-code nang mas malinis at mahusay sa pamamagitan ng pagsusuri sa code, pag-highlight ng mga bug, at pagmumungkahi ng mga potensyal na solusyon bago sila maging mas malalaking problema. Samantala, ang mga manunulat ay maaaring gumamit ng mga generative AI na tool upang magplano, mag-draft, at mag-rebisa ng mga sanaysay, artikulo, at iba pang nakasulat na gawain, bagama't kadalasan ay may magkahalong resulta.
Ang paggamit ng generative AI ay nag-iiba mula sa industriya hanggang sa industriya at mas matatag sa ilan kaysa sa iba. Kasama sa mga kasalukuyang at iminungkahing kaso ng paggamit ang sumusunod:
Ang isang pangunahing alalahanin tungkol sa paggamit ng mga generative AI tool - at lalo na ang mga naa-access ng publiko - ay ang kanilang potensyal na magpakalat ng maling impormasyon at mapaminsalang nilalaman. Ang epekto nito ay maaaring maging malawak at matindi, mula sa pagpapatuloy ng mga stereotype, mapoot na salita at mapaminsalang ideolohiya hanggang sa pinsala sa personal at propesyonal na reputasyon at ang banta ng mga legal at pinansyal na epekto. Iminungkahi pa na ang maling paggamit o maling pamamahala ng generative AI ay maaaring maglagay sa panganib ng pambansang seguridad.
Ang mga panganib na ito ay hindi nakatakas sa mga pulitiko. Noong Abril 2023, iminungkahi ng European Union mga bagong panuntunan sa copyright para sa generative AI na mangangailangan sa mga kumpanya na ibunyag ang anumang naka-copyright na materyal na ginamit upang bumuo ng mga tool sa pagbuo ng artificial intelligence. Ang mga panuntunang ito ay naaprubahan sa draft na batas na binoto ng European Parliament noong Hunyo, na kinabibilangan din ng mga mahigpit na limitasyon sa paggamit ng artificial intelligence sa mga bansang miyembro ng EU, kabilang ang isang iminungkahing pagbabawal sa real-time na teknolohiya sa pagkilala sa mukha sa mga pampublikong espasyo.
Ang pag-automate ng mga gawain sa pamamagitan ng generative AI ay nagdudulot din ng mga alalahanin tungkol sa workforce at job displacement, gaya ng itinampok ni McKinsey. Ayon sa consultancy group, ang automation ay maaaring magdulot ng 12 milyong mga paglipat ng karera sa pagitan ngayon at 2030, na may mga pagkawala ng trabaho na puro sa suporta sa opisina, serbisyo sa customer at serbisyo sa pagkain. Tinatantya ng ulat na ang demand para sa mga manggagawa sa opisina ay maaaring “… bumaba ng 1,6 milyong trabaho, bilang karagdagan sa pagkalugi ng 830.000 para sa retail salespeople, 710.000 para sa mga administrative assistant at 630.000 para sa mga cashier.”
Kinakatawan ng Generative AI at general AI ang magkaibang panig ng parehong coin. Parehong may kinalaman sa larangan ng artificial intelligence, ngunit ang una ay isang subtype ng huli.
Gumagamit ang Generative AI ng iba't ibang diskarte sa machine learning, gaya ng GAN, VAE, o LLM, upang bumuo ng bagong content mula sa mga modelong natutunan mula sa data ng pagsasanay. Ang mga output na ito ay maaaring teksto, mga larawan, musika, o anumang bagay na maaaring ilarawan nang digital.
Ang artificial general intelligence, na kilala rin bilang artificial general intelligence, ay malawakang tumutukoy sa konsepto ng mga computer system at robotics na nagtataglay ng tulad-tao na katalinuhan at awtonomiya. Ito pa rin ang bagay ng science fiction: isipin ang WALL-E ng Disney Pixar, Sonny mula sa I, Robot, o HAL 2004 ng 9000, ang masasamang artificial intelligence mula sa 2001: A Space Odyssey ni Stanley Kubrick. Karamihan sa mga kasalukuyang sistema ng AI ay mga halimbawa ng "makitid na AI", dahil ang mga ito ay idinisenyo para sa mga partikular na gawain.
Gaya ng inilarawan sa itaas, ang generative AI ay isang subfield ng artificial intelligence. Gumagamit ang mga generative AI models ng machine learning techniques para magproseso at makabuo ng data. Sa pangkalahatan, ang artificial intelligence ay tumutukoy sa konsepto ng mga computer na may kakayahang magsagawa ng mga gawain na kung hindi man ay mangangailangan ng katalinuhan ng tao, tulad ng paggawa ng desisyon at NLP.
Ang machine learning ay ang pangunahing bahagi ng artificial intelligence at tumutukoy sa aplikasyon ng mga algorithm ng computer sa data para sa layunin ng pagtuturo sa isang computer na magsagawa ng isang partikular na gawain. Ang machine learning ay ang prosesong nagbibigay-daan sa mga artificial intelligence system na gumawa ng matalinong mga desisyon o hula batay sa mga natutunang pattern.
Ang sumasabog na paglaki ng generative AI ay hindi nagpapakita ng mga palatandaan ng paghina, at habang parami nang parami ang mga kumpanya na yumakap sa digitalization at automation, ang generative AI ay mukhang nakatakdang gumanap ng isang pangunahing papel sa hinaharap ng industriya. Ang mga kakayahan ng generative AI ay napatunayang mahalaga na sa mga industriya tulad ng paggawa ng content, software development, at gamot, at habang patuloy na nagbabago ang teknolohiya, lalawak ang mga application at use case nito.
Sabi nga, ang epekto ng generative AI sa mga negosyo, indibidwal at lipunan sa kabuuan ay nakadepende sa kung paano natin tinutugunan ang mga panganib na ibinibigay nito. Tinitiyak na ginagamit ang artificial intelligence etikal pagliit ng bias, pagpapabuti ng transparency at pananagutan at pagsuporta sa pamumuno ng data ay magiging mahalaga, habang ang pagtiyak na ang regulasyon ay sumasabay sa mabilis na ebolusyon ng teknolohiya ay nagpapatunay na isang hamon. Gayundin, ang paghahanap ng balanse sa pagitan ng automation at paglahok ng tao ay magiging mahalaga kung umaasa tayong magagamit ang buong potensyal ng generative AI habang pinapagaan ang anumang negatibong kahihinatnan.
Ercole Palmeri
Noong nakaraang Lunes, inihayag ng Financial Times ang isang deal sa OpenAI. Nilisensyahan ng FT ang world-class na pamamahayag nito...
Milyun-milyong tao ang nagbabayad para sa mga serbisyo ng streaming, na nagbabayad ng buwanang bayad sa subscription. Karaniwang opinyon na ikaw ay…
Ang Coveware ng Veeam ay patuloy na magbibigay ng mga serbisyo sa pagtugon sa insidente ng cyber extortion. Mag-aalok ang Coveware ng mga kakayahan sa forensics at remediation...
Binabago ng predictive maintenance ang sektor ng langis at gas, na may makabago at proactive na diskarte sa pamamahala ng halaman.…