当前位置:   article > 正文

生成式 AI:百度“文心一言”对标 ChatGPT?什么技术趋势促使 ChatGPT 火爆全网?_chatbi 基于文心一言的生成式数据分析技术探索

生成式 AI:百度“文心一言”对标 ChatGPT?什么技术趋势促使 ChatGPT 火爆全网?_chatbi 基于文心一言的生成式数据分析技术探索
文章目录

前言

2023 年 3 月 27 日,百度文心一言正式发布,李彦宏开场即言,百度是首个做出可以对标 ChatGPT 的产品的大厂,作为“国产版 ChatGPT”、百度全新一代知识增强大语言模型,文心大模型家族的新成员,能够与人对话互动,回答问题,协助创作,高效便捷地帮助人们获取信息、知识和灵感。在 2022 年 11 月 30 日 美国 OpenAI 研发的聊天机器人程序 ChatGPT 一经发布,就瞬间爆火全网,作为人工智能技术驱动的自然语言处理工具,它能够通过理解和学习人类的语言来进行对话,还能根据聊天的上下文进行互动,“真正”像人类一样来聊天交流,随着不同版本的迭代和更新,我们可以看到众多使用者甚至能在其帮助下完成撰写邮件、视频脚本、文案、翻译、代码,写论文等任务。百度文心一言能否与 ChatGPT “掰掰手腕”,在二者的背后又是什么技术趋势促使其火爆全网呢?本文我们一探究竟。
在这里插入图片描述


声明:本文由作者“白鹿第一帅”于 CSDN 社区原创首发,未经作者本人授权,禁止转载!爬虫、复制至第三方平台属于严重违法行为,侵权必究。亲爱的读者,如果你在第三方平台看到本声明,说明本文内容已被窃取,内容可能残缺不全,强烈建议您移步“白鹿第一帅” CSDN 博客查看原文,并在 CSDN 平台私信联系作者对该第三方违规平台举报反馈,感谢您对于原创和知识产权保护做出的贡献!


文章作者白鹿第一帅作者主页https://blog.csdn.net/qq_22695001,未经授权,严禁转载,侵权必究!

一、生成式 AI 的发展和现状

1.1、什么是生成式 AI?

生成式 AI(Generative AI) 是指计算机通过机器学习从现有数据中学习一个对象(物品、产品或任务)的要素,进而生成一个全新的、原创的、真实的、与原来内容相似的对象。作为重要的战略技术,在 2025 年 10+% 的数据将由 AI 创造

1.2、生成式 AI 的发展趋势

根据 Gartner《2021 年预测:人工智能对人类和社会的影响》 中预测:

  • 至 2023 年将有 20% 的内容被生成式 AI 所创建。
  • 至 2025 年,生成式 AI 产生的数据将占有所有数据的 10%,而今天这个比例不到 1%。

对于生成式 AI 的发展趋势预测,具体如下图所示:

在这里插入图片描述

1.3、AI 生成内容的业务场景和分类

在不含 AI 生成代码的情况下,AI 生成内容的业务场景和分类已经囊括众多的技术领域,AIGC 技术场景具体如下图所示:

在这里插入图片描述

二、生成式 AI 从分析领域到创作领域

2.1、 降低内容创作门槛,增加 UGC 用户群体

  • AIGC 能够代替人工完成声音录制、图像渲染等工作,使更多人员能够参与到高价值的内容创作流程中。预计这一效果在 2B 结构化内容生成的领域非常明显,个别场景会出现 2C 服务。跨模态生成成为未来重点。

2.2、提升创作及反馈效率,铺垫线上实时互动

  • AI 同样提升了内容的反馈生成速度,对于实时交互内容有重大意义,具有将线下和真人的快速交互迁移到线上的可能,也即令 AI 承担真人的社交、创作、协作功能,可能会出现新的潜在场景(如社交类和探索类游戏等)。我们在 Game AI 板块所提及的 AIbot 实时玩家教学在一定程度上提供了一种互动的新形式,交互教育/交互探索游戏虚拟陪伴场景值得期待。
  • 目前来看,内容消费者变得更容易将现实情感需求投射在虚拟世界中,预计会产生许多深入实时的互动需求,市场规模可观。

2.3、基于海量数据激发创意认知、提升内容生产多样性

  • 相较于人类艺术家,AI 能够接触借鉴更多的数据,在基于 prompt 进行内容生成后 AI 创作的内容会有更多的二次创造空间和自由度。例如,生成算法能基于特定条件或完全随机的生成现实中不存在的形状、色彩搭配、图案或结构等,赋予内容创作更多可能,产生“超现实感”及“未来感”,推动艺术创新。

2.4、模态元素二次拆解组合,改变内容生产逻辑及形式

  • 通过语音克隆、编曲风格提取等手段,AIGC 能够将原客体所对应的不同模态信息进行拆解,例如演讲者的面部形象、声音、演讲内容等。在重新组合之后,能够完成过往受到条件限制无法完成的工作。例如路人的声音 + 专业的播音逻辑、更符合特定审美的面部等,打破真人/真实场景在要素组合上具有的局限性。

2.5、AI 系统或数据库联动,实现高度个性化/高频优化

  • 在与特定的数据库(例如实时更新的客户数据、市场反馈数据、特定主题下的历史统计数据)或 AI 系统进行联动后(如个性化推荐系统等),AIGC 能够在更为精准的未来预测/个性化预测基础上调整其生成内容。
  • 例如,根据、根据所处渠道风格调整生成内容、参考历史数据优化生成内容等。该价值在内容用户习惯调整内容营销文本营销领域有重大意义

三、生成式 AI 改变内容创作和分发范式

3.1、当前与未来设计工作流程对比

  • 当前概念设计师工作流程:接到需求→搜集参考(图库)→构思出图→和甲方沟通修改。
  • 未来设计工作流程:创意→AI→创意。

3.2、AI 文生图存在最大的问题是什么?

AI 创作能力在未来短时间内的进步速度,也将取决于各行各业收集和训练行业优质数据的工作。

开发人员使用 AI 生成宠物小精灵,在初期使用“写实”数据集后发现运行效果不理想,重新使用 26 张新数据集训练 20 分钟,我们根据二者之间的对比,可以看到 AI 学习和生成效果是非常棒的,具体如下图所示:

在这里插入图片描述
AI 目前最大的问题不是“不够聪明”,而是“书读得太少"。 在 AI 新范式下创作,要考虑什么样的内容更利于 AI 学习和 AI 生成使用。

如果我们将艺术家关键词对生成图像的贡献视为艺术家本/的贡献,我们从原理上就可以为艺术家的创意价值定价了

3.3、AI 从底层改变了哪些游戏规则?

今天的 AI 从底层改变了游戏规则,接下来会看到以下变化:

  • 不会画画的人用 AI 生产高质量视觉作品。
  • 互联网上难以估量的图像数据被重新组织起来,围绕模型训练和数据标注出现新的生意。
  • 图片版权名存实亡,参与建立 AI 数据集成为艺术家的主要收益。
  • 传统图像处理软件、3D 建模软件被围绕 AI 范式建立的新工具取代。

最后

总而言之,面试官问来问去,问的那些Redis知识点也就这么多吧,复习的不够到位,知识点掌握不够熟练,所以面试才会卡壳。将这些Redis面试知识解析以及我整理的一些学习笔记分享出来给大家参考学习

还有更多学习笔记面试资料也分享如下:

都是“Redis惹的祸”,害我差点挂在美团三面,真是“虚惊一场”

总而言之,面试官问来问去,问的那些Redis知识点也就这么多吧,复习的不够到位,知识点掌握不够熟练,所以面试才会卡壳。将这些Redis面试知识解析以及我整理的一些学习笔记分享出来给大家参考学习

还有更多学习笔记面试资料也分享如下:

[外链图片转存中…(img-LpbOvtmF-1714206207225)]

本文已被CODING开源项目:【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/酷酷是懒虫/article/detail/863920
推荐阅读
相关标签
  

闽ICP备14008679号