生成式人工智能究竟是什么? 它与我们熟知的人工智能有何不同?
让我们从传统人工智能开始谈起。传统人工智能能够以更智能的方式执行特定任务。这是如何实现的呢? 传统人工智能擅长提取海量数据集,从中识别出关键模式,随后基于这些数据做出决策或预测。这包括在流媒体服务中推荐要观看的下一部电影、客服聊天机器人、信用卡欺诈预测与防护等应用场景。
进入 2020 年代初期,基于 Transformer 的深度神经网络取得了重大进展,为生成式人工智能平台(包括 ChatGPT™、Bing Chat™、Bard™、LLaMA™ 和 DALL-E™)铺平了道路。这些技术的独特之处在于,它们不仅能从输入的训练数据中学习模式,还具备一项额外能力,能够生成与训练数据集特征相似的新数据。(值得一提的是,这些技术的表现相当出色——实际上,上一句话就是由 Bard 编写的)。
正是这种“生成”能力让生成式人工智能与众不同。正如《福布斯》最近的一篇文章所述:“生成式人工智能就像一个富有想象力的朋友,可以生成原创的、富有创意的内容。”
生成式人工智能的输出形式多种多样,包括文本、图像、音乐乃至计算机代码等。目前,生成式人工智能已在艺术、写作、软件开发、产品设计、医疗保健、金融、游戏、营销和时尚等行业得到了广泛应用。
McKinsey 预测,生成式人工智能“在所分析的 63 个用例中,每年可增加相当于 2.6 万亿至 4.4 万亿美元的价值。作为对比,英国 2021 年的 GDP 总量为 3.1 万亿美元。如果我们将生成式人工智能融入现今用于广泛任务(而非仅限于这些用例)的软件中的影响纳入考虑,这一估计值可能会翻倍。”
生成式人工智能的应用几乎是无限的。事实上,许多大型企业已认可了这些应用,并已将生成式人工智能投入使用。
智能制造
根据 DeLoitte 的报告,86% 的制造商认为,智能工厂将在未来两年内成为推动行业竞争的主要动力。目前,已有超过 150 亿个联网物联网设备,预计到 2030 年,这一数字将翻倍,达到超过 290 亿个。大型机器正在结合使用大数据重塑工业市场,依靠复杂的生成式人工智能工作负载来管理迅速增长的传感器数据。
在美光,我们不仅提供关键的生成式人工智能内存及存储解决方案,还在自身的制造流程中运用人工智能技术。芯片制造是一个极其复杂的过程,通常需要数月,涉及大约 1,500 个步骤。美光在这一过程中的每一步都采用先进的人工智能技术,极大地提高了精度和生产效率。这种做法大有裨益,包括产出提高、良率提升、产品质量更优、工作环境更安全、效率改善,以及实现可持续的业务运营。
汽车
生成式人工智能正在通过加速原型设计来实现汽车行业转型,设计师只需创作简单的草图,系统就能生成详细的 3D 模型。这些模型将历经多轮迭代与优化,其间不仅会深度整合外部市场潮流趋势,还会精准纳入空气动力学效率数据、碰撞和人体工程学模拟,以及前卫创新的设计理念。
此外,在自动驾驶汽车方面,生成式人工智能蓄势待发,有望铺设一条安全的推广路径,避免在技术持续成熟的过程中让公众面临风险。由于生成式人工智能能够生成图像和视频来构建现实世界的场景,因此自动驾驶汽车可以在受控环境下学习和调整以适应不同的环境。这不仅大幅削减了实地测试所带来的高昂成本,而且还催生了一种更为直观的算法,专门用于训练自动驾驶汽车的决策模型。
在生产方面,生成式人工智能可优化材料分配,减少浪费,简化封装流程和器件设计,从而减小制造难度,提高成本效益。
科学
生成式人工智能对科学发现产生了重大影响,改变了从创意内容、合成数据到创成式工程和设计的各个方面。
事实上,据 Gartner 预测,“到 2025 年,超过 30% 的新药和新材料将通过运用生成式人工智能技术系统性地被发现,相较于当前比例为零的起点,这实现了质的飞跃。对于制药行业而言,生成式人工智能的应用前景尤为广阔,有望显著降低药物研发的成本并缩短时间周期。”
McKinsey 分析了 63 个用例,预测所有垂直行业的客户运营、营销和销售、软件工程和研发都将受到生成式人工智能的深刻影响。
后续行动
虽然有理由担心可能会存在滥用生成式人工智能的情况,包括侵犯知识产权、网络犯罪、深度伪造等,但其带来的好处也是不可估量的。
Eric Booth 是美光云计算高级业务开发经理,目前正在博伊西州立大学攻读博士学位,研究方向是如何利用生成式人工智能技术帮助有语言障碍的儿童。
Eric 解释说:“在传统的言语治疗中,我们通常认为治疗师会给学生一些阅读内容,然后使用某种工具来对他们发音和吐字的准确性进行评分。但是,有了生成式人工智能,工具本身就能处理整个过程。它特别擅长识别模式,因此能判断出学生是否会持续地把字母 O 发错音。”
直到最近,语音识别技术的实施仍依赖于庞大的服务器与大量内存,所有内容都要上传至云端进行处理。而现在,语音识别功能已经内置到手机中。计算速度加快,内存运行加速,以前只能在数据中心进行的程序,现在可以在手机或其他终端设备上实现。
不久的将来,生成式人工智能程序将能够在您的手机上运行。人工智能模型训练过程的要义并非是单纯追求模型复杂度的提升,同时还要简化这些模型以便在手机或 PC 等终端设备上运行。随着这些大型语言模型的发展,我们无法在云环境之外完成训练。但在这些模型训练完毕并简化后,可以将其迁移到终端设备上。
这样一来,生成式人工智能的强大功能就会真正掌握在您手中,成为日常生活中的得力助手与伴侣。未来的虚拟助手很可能会成为您的个人人工智能伴侣,与您一起成长,根据您的需求相应调整,从您的经验和生成的数据中学习,以更准确地预测和了解您的个人喜好。
想象一下,从您出生起,就有一个人工智能伴侣陪伴您左右。这是一个与您一同成长的人工智能伴侣,随着您的人生旅程一步步进化,在人生的每个阶段丰富您的生活。
从婴儿期起,人工智能伴侣就能帮助培养您的好奇心、给您讲故事、通过益智游戏启迪心智、激发您的想象力,随着您的成长,人工智能能够跨设备无缝跟随,其智能水平也随时间推移而不断提升,就像您一样不断成长。人工智能伴侣能够在您的教育旅程中引导您,灵活适应您独特的学习风格。它能洞察您吸收知识的最佳途径,灵活调整教学方法,用您易于接受的形式阐释概念,使您的学习之旅既高效又愉悦。作为导师,人工智能伴侣会持续精进教学方法,协助您做出明智决策,引领您规划自己的人生道路。
成年后,您的人工智能伴侣会帮您优化日程安排和日常任务,简化您的工作流程并提高工作效率。您的人工智能设备通过分析您每天产生的数据,持续改进和打磨自身技能。这种技术和体验将由生成式人工智能驱动,或是由某种尚未发明出来的衍生式人工智能方法推动。
无论是制造、汽车、科学还是其他应用,生成式人工智能及其衍生技术都将以超乎我们想象的方式塑造未来,而美光正是驱动您手腕上、手中和云端设备数据的核心。
生成式人工智能需要一次性访问并吸收大量数据,并从庞大的记忆库中提取信息以确定适当的响应。这需要使用 HBM3E、高密度 DDR5 DRAM 以及多太字节 SSD 存储等美光技术,这些技术能够提供生成式人工智能在云端进行训练和推理所需的高速度和大容量。对于手机等终端设备而言,要实现人工智能驱动的用户体验,能效与性能之间的平衡是关键。美光 LPDDR5X 提供了所需的速度和带宽,让您在终端设备上即可体验生成式人工智能的强大功能。
生成式人工智能的功能发展迅速,良好用例仍在开发中,但不难看出,这项技术有望改变我们的日常生活。美光的愿景是让这项技术真正丰富每个人的生活。