自從ChatGPT火爆全球之后，人工智能就重新引起了所有人的關注。作為一位人工智能領域的產品設計者，我自然也是一直在關注這個領域的發展。最近讀完了丁磊博士所著的《生成式人工智能》一書，借著這本書，我邊分享書中觀點，邊給出自己的理解，與讀者朋友一起來熟悉下。作者丁磊可不是網易的丁磊，而是同名同姓的另一個人:前百度金融首席數據科學家、歷任PayPal科學數據科學部負責人。也是美國俄亥俄州立大學人工智能專業博士。
首先針對決策式AI，書中是這么解釋的:
決策式AI（也被稱作判別式AI）學習數據中的條件概率分布，即一個樣本歸屬于特定類別的概率，再對新的場景進行判斷、分析和預測。決策式AI有幾個主要的應用領域：人臉識別、推薦系統、風控系統、其他智能決策系統、機器人、自動駕駛。例如在人臉識別領域，決策式AI對實時獲取的人臉圖像進行特征信息提取，再與人臉庫中的特征數據匹配，從而實現人臉識別。簡單來說，現在的人工智能模型就是一個公式，而這個函數具有哪些參數，比如要如何識別出貓和狗來，通過邏輯推導是幾乎沒辦法知道這個公式的參數，那么需要提供大量的貓和狗的圖片去訓練這個AI模型，告訴它貓狗應該長什么樣，讓計算機自己去學習，提取特征，而這里面就利用了腦科學與計算機科學結合的概念，通過模擬大腦神經元的機制，構建了基于深度學習的人工神經網絡，而通過不斷喂給它訓練的圖片或視頻，讓AI模型越來越明白如何識別貓和狗，進而變得跟人類一樣準確。人類是經過幾百萬年的進來才學習到快速識別貓狗的能力，其他亦如此。而計算機是通過以數量和不辭辛苦地訓練追上這種識別能力。特定的識別產生特定的人工神經網絡實現，比如識別貓狗就通常采用目標檢測，基于卷積神經網絡的YOLO系列來實現。決策式AI通常是小模型，通過不多的數據訓練，快速得到一個特定領域的識別模型，不過只能做好一件事情。
而生成式人工智能，除了依然在使用深度學習的這樣模型訓練概念之外，還具備了生成新內容的能力。首先爆發的就是LLM，大語言模型，通過喂給人工智能大量的人類書籍、知識等數據，訓練出了一個具備各行各業知識的模型，通過算法來對知識進行重組，而計算機所謂重組，就是對每個字的下一個字進行條件概率的統計，本質來講，就是統計學。比如你問它，請問中國歷史上第一位皇帝是誰？它就會逐一去理解你說的每一個字，然后再通過它掌握的知識庫里，找尋類似字的下一個字出現的概率，比如找到比如第一位皇帝是秦，第二個字是始的概率就更高，第三字是皇的概率依然很高，而且它還可以繼續擴展內容，繼續補齊關于秦始皇的生平事跡。這與搜索引擎還不同，搜索引擎只是純粹在海量的數據庫中找到對應關鍵字的網頁和文本，數據庫有的才能找到。而生成式人工智能可以理解為把知識都打散了，又可以任意組合，這樣就具備了編故事的能力，前提是你得告訴大語言模型你要它做什么，限定它的身份，不要擴散到沒有邊界。如果問醫療知識，就告訴它扮演醫生，這樣它才能把打散的知識庫重新聚焦起來，把醫學相關的知識進行分類重組。
同理，對于AI生成圖片，就是把拆解每一個字符，換成拆解每一個圖片的像素點，計算相鄰像素點的概率分布，從而得到基于文本或輸入圖片得到的新圖片。基于時間關系，今天先起個頭，更多內容，咱們接下來幾天慢慢嘮嘮。關于人工智能，有什么問題，歡迎留言討論學習。以下，可以再欣賞幾幅AI生成的畫作，創作工具包括：Midjourney，商湯秒畫，阿里通義萬相，百度文心一格等，有時候感覺生成式AI作畫就像個拆盲盒游戲，即使你限定了提示詞，依然每次生成的圖片都不一樣，而且可以千真萬確地是，是獨一無二的，而這就是它的魅力之一：提示詞：人工智能，識別貓，狗，萬事萬物，人類因此獲益，杰作，細節豐富，高質量
