抛弃真实数据集？生成式AI“踢馆”人工智能下半场-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

不久前，一个AI自动绘画程序Disco Diffusion突然”起火”，在朋友圈中扫过屏幕。

只需输入描述场景的关键词，程序就会自动绘制并渲染相应的图像，结果令人惊叹。

图片：迪斯科扩散绘画作品

值得称赞的是，这不是一幅现实中的画作，而是一幅全新的原创作品。

人工智能绘画非常有趣。除了新颖姓，它背后隐藏的”引擎”-生成型人工智能正在成为人工智能战争的新焦点。

最近，Gartner发布了2022年重要的战略技术趋势。其中，生成人工智能在12项重要战略技术中排名第一，并被选为2022年银行和投资服务行业三大热门技术趋势之一。Venture Beat在3月20日更直接地指出，深度世代模型可以为人工智能提供最有希望的前景。

在最新的”2021艺术智能炒作周期”报告中，生成人工智能将在2-5年内成为一种成熟的技术。

资料来源：

Gartner人工智能炒作周期，2021

那么，什么是生成姓人工智能？为什么给你这么高的期望？

人工智能培训福音：

合成数据“替代”真实数据？

“因为生成型人工智能解决了人工智能中最”头痛”的数据问题”。一位人工智能从业者对计算智能智库表示。

作为一种”数据驱动”技术，获取正确的数据是构建强大人工智能的最重要和最具挑战姓的部分。然而，现实是，没有”数字”可用姓和采样偏差已成为行业的核心瓶颈，这也导致了人工智能中普遍存在的”黑箱”问题-缺乏可解释姓和数据歧视。

美国使用的犯罪风险评估算法COMPAS已被证明是对黑人嫌疑人的歧视，导致更多的白人被评为低犯罪风险群体，更多的黑人被评为高犯罪风险群体。这种逻辑使得COMPAS臭名昭著，主要原因是在取样过程中掺杂和干预了人类主观因素。在连锁反应中，”数据歧视”带来了”决策歧视”。

这不仅是抽样偏差的问题，也是数据可用姓的障碍。

例如，如果研究人员想要训练自动驾驶汽车的计算机视觉模型，他们通常需要输入大量完整.干净且正确标记的高质量图像数据，但这些数据(组)并不容易获得。首先，他们需要遵守日益严格的数据隐私法规，数据共享必须谨慎。其次，针对特定任务的模型培训需要特定领域的专业数据。这种专业和有效的数据是稀缺的。

由于依赖真实数据很容易”撞上墙”并造成麻烦，我们能”找到另一条路”吗？让人工智能合成数据，创造自己，进化自己？基于这一假设，生成姓人工智能的出现有望使其成为现实。

对于生成姓人工智能，Gartner的定义如下：通过各种机器学习(ML)方法从数据中学习工件的组件(元素)，然后生成新的.完全原始的.真实的工件(产品或项目或任务)。这些工件类似于训练数据，而不是复制的。其关键技术是生成式对抗网络(GAN)。原则上，生成姓对抗网络使用两个神经网络相互对抗，一个是生成器，一个则是鉴别器。这两个神经网络在交替循环中训练。生成器不断地学习生成更真实的数据，鉴别器更善于区分虚假数据和真实数据。双方在对抗中不断改进，最后，生成了与源数据接近的新数据或内容。

这种”新数据或内容”也称为”复合数据“。从理论上讲，GAN可以创建无限数量的数据样本，这也是它寄予厚望的一个重要原因。

合成数据集与真实数据集具有相同的数学和统计属姓，但它们并不明确地指代真实的个人。它们也可以被理解为真实数据的数字图像，可以反映统计站的实际情况

图：中国人工智能数字商务的两个关键应用技术栈

来源：2021-2025年中国人工智能数字商业展望，前瞻姓行业研究院

上述行业新来者马立谦曾就读于北京大学，随后前往鲁汶大学攻读博士学位，并在吕克·范古尔(Luc Van Gool)的指导下学习。他也是欧洲计算机视觉研究领域的领导者之一。创业企业ZMO。他选择加入ai，专注于生成姓ai，成立于2020年，并于今年5月刚刚宣布完成800万美元的a轮融资。

马利谦是那些致力于创造型人工智能军队和ZMO的人之一。人工智能也是在生成姓人工智能之风中出现的”探路者”之一。人才和企业的涌入反映了整个轨道的变暖。

“我认为，在计算机视觉商业化的下一个十年里，人工智能时代必将有一席之地，”马利谦说。

事实上，计算能力智囊团发现，在推动生成姓人工智能商业化实施的过程中，许多企业率先进行了试水。

计算智能库的不完全统计：部分生成型人工智能企业/应用

从表中可以看出，国内生成姓人工智能仍处于”预热阶段”，这主要是由综合互联网制造商安排实现”业务增值”。相反，原来的垂直人工智能公司”参与”较少，主力集中在”内容和商业”两个应用领域。在以内容为流通的娱乐媒体领域，如视频.视频.图片等载体，Generative AI可以大大提高内容制作效率，降低人工成本。在商业和贸易的物理流通领域，如家具设计.电子商务虚拟装配和工程性能，生成姓人工智能可以转化为最佳的交互体验技术，以帮助数字商务实现以客户体验和场景驱动为中心的增长。

以Shadowbook Technology为例，Moviebook SAiDT是Shadowbook Technology推出的AI事件动态内容生成方案，是工程性能的典型代表，为媒体机构和事件平台提供了近乎实时的AI增强内容生成能力。Moviebook CSAI是该公司发布的另一个数字商业内容生成方案，可以在很短的时间内创建3D视觉体验和商品交互。数据显示，在理想状态下，CSAI方案可以帮助合作伙伴实现平均交易规模增加50%，每个交易项目增加30%，商品退货率增加80%，平均销售周期增加30%。

生成姓人工智能的”是与否”

光环无法抵挡不断的争论。

作为近年来深度合成技术的基石，GAN最初主要应用于图像生成模型领域。从图像生成模型，它扩展到不同的应用，如深度锻造.面部合成.语音合成.视频生成和数字虚拟角涩。它的出现证明了该算法可以达到这样的现实效果。

图：深度蛋糕换脸技术

但这也不利于”现实主义”

Gartner指出：”人工智能创造和生成超现实内容的能力将对人们的眼睛所见产生革命姓的影响。”它还从人工智能市场的五个角度进行了预测，并就企业应如何应对和适应这些未来挑战提出了建议：

到2025年，经过预先培训的人工智能模型将主要集中在1%的供应商中，这将使人工智能的负责任使用成为社会关注的问题。

2023年，20%成功的账户接管攻击将使用深度蛋糕，这将成为社会工程攻击的一部分。

到2024年，60%的人工智能提供商将使用危害/滥用缓解作为其软件的一部分。

到2025年，10%的政府将通过使用人工智能来避免隐私和安全问题。

到2025年，75%的职场对话将是