紅杉匯分享：一文讀懂生成式AI

　　[ 編者按 ]人類擅長分析，但機器做得更好。機器可以分析數(shù)據(jù)，并針對不同用例需求找到相應(yīng)的規(guī)律——不管是詐騙信息識別、垃圾郵件檢測、預(yù)測快遞送達時間還是為你推薦可能感興趣的短視頻——而且它們還在不斷迭代，變得越來越聰明。這種機器被稱為“分析式人工智能”(Analytical AI)，或者傳統(tǒng)AI。

　　但人類不僅擅長分析，還擅長創(chuàng)造——比如寫詩、設(shè)計產(chǎn)品、制作游戲與編寫程序代碼。以前，機器在這些方面無法與人類抗衡，它們只能做些分析型或機械式的認(rèn)知計算。但現(xiàn)在不一樣了，AI發(fā)展到了新的階段，機器已經(jīng)開始可以創(chuàng)造有意義并具備美感的東西了。這一新型的AI被稱為“生成式人工智能”(Generative AI)，也就是說，機器并非如之前那樣僅分析已有的數(shù)據(jù)，而是生成了全新的東西。

　　生成式AI不僅正在變得更快、更便宜，而且在某些情況下，其生成的結(jié)果比人類手工創(chuàng)造的還要好。從社交媒體到游戲，從廣告到建筑，從編程到平面設(shè)計，從產(chǎn)品設(shè)計到法律，從市場營銷到銷售，每一個需要人類原創(chuàng)力的行業(yè)都將有可能會被顛覆。某些崗位將完全被生成式AI取代，有些則會在生成式AI的幫助下更好地促進人機協(xié)作——但總體來說，生成式AI將有非常廣泛的終端應(yīng)用市場，幫助人們更好、更快并以成本更低的方式去創(chuàng)作。最理想的情況是，生成式AI將會把創(chuàng)作與知識類勞動的邊際成本降為零，極大提升生產(chǎn)力并創(chuàng)造巨大的經(jīng)濟價值——當(dāng)然還有相應(yīng)的市場價值。

　　為什么是現(xiàn)在?

　　和更廣泛意義上的AI一樣，生成式AI也需要思考“為什么是現(xiàn)在”這樣的問題——因為現(xiàn)在有了更好的模型、更多數(shù)據(jù)、可以做更多的計算。這一方向的發(fā)展變化遠比我們想象的要快，為了更好理解它當(dāng)下的發(fā)展進程，我們不妨先梳理一下它最近的發(fā)展歷史。

　　*波發(fā)展浪潮：

　　小模型至上階段(2015年以前)

　　2015年以前，小模型被認(rèn)為是理解語言的“*進的技術(shù)”。這些小模型更擅長分析型任務(wù)，因此被用于從“預(yù)測送達時間”到“欺詐信息分類”等各類任務(wù)中。然而，對于通用的生成任務(wù)來說，它們的表達能力還不夠，生成人類水平的文章或代碼仍然是白日做夢。

　　第二波發(fā)展浪潮：

　　規(guī)模化競賽階段(2015年-今天)

　　谷歌研究院的一篇里程碑式的論文《只要注意力機制就夠了》(《Attention is All You Need》)，向人們描述了一種用于自然語言理解的新型神經(jīng)網(wǎng)絡(luò)架構(gòu)——Transformers模型(有時翻譯為“變換器”模型)，它不但能生成質(zhì)量上乘的語言模型，同時具有更高的可并行性，大大降低了所需的訓(xùn)練時間。這些小樣本學(xué)習(xí)模型，可以相對更容易地針對特定領(lǐng)域做定制修改。

　　隨著AI模型逐漸發(fā)展壯大，它們已經(jīng)開始超越人類的基準(zhǔn)水平。

　　當(dāng)然，隨著模型越來越大，它們開始匹敵人類，然后超越人類。從2015年到2020年，用于訓(xùn)練這些模型的計算量增加了6個數(shù)量級，其表現(xiàn)在手寫、語音和圖像識別、閱讀理解和語言理解方面超過了人類的基準(zhǔn)水平。其中OpenAI的GPT-3模型的表現(xiàn)尤為突出：不僅性能相較上一代的GPT-2有了巨大的飛躍，從他們發(fā)布的示例也能看到，不管是生成編程代碼還是寫冷笑話，其表現(xiàn)都讓人吃驚。

　　盡管所有的基礎(chǔ)研究都取得了進展，但這些模型在應(yīng)用方面卻都沒有鋪得太開。它們龐大且難以運行(需要GPU編排)、缺乏廣泛應(yīng)用(沒有公開可用的版本，或僅有封閉測試版)，而且作為云服務(wù)的使用成本極高。盡管如此，最早期的生成式AI已經(jīng)開始進入公眾視野。

　　第三波發(fā)展浪潮：

　　更好、更快、更便宜階段

　　(2022年之后)

　　首先是計算成本開始下降。新的技術(shù)，如擴散模型，縮減了訓(xùn)練和運行推理所需的成本。與此同時，研究學(xué)界也在持續(xù)開發(fā)更好的算法與規(guī)模更大的模型。而開發(fā)者的權(quán)限也有了變化，從封閉測試版擴大到開放測試版，甚至有些模型還開放了源代碼供開發(fā)人員調(diào)用。

　　對于那些一直渴望使用大型語言模型(LLM)的開發(fā)人員來說，探索和應(yīng)用開發(fā)的大門已經(jīng)打開，基于這些技術(shù)的應(yīng)用開始大量涌現(xiàn)。

　　第四波發(fā)展浪潮：

　　殺手級應(yīng)用涌現(xiàn)階段(現(xiàn)在)

　　隨著各大平臺發(fā)展成熟，AI模型繼續(xù)變得更好、更快、更便宜，越來越多的模型免費、開源，應(yīng)用層面將出現(xiàn)大爆發(fā)。

　　正如當(dāng)初移動通信技術(shù)在結(jié)合了GPS定位、相機及隨身連接等新功能與特點后，催生了一系列新型的應(yīng)用程序，我們預(yù)計當(dāng)下AI模型的發(fā)展也將推動新一輪生成式AI應(yīng)用的爆發(fā)。正如十年前移動通信的拐點為少數(shù)幾個殺手級應(yīng)用創(chuàng)造了市場機會一樣，我們預(yù)計殺手級應(yīng)用也將出現(xiàn)在生成式AI領(lǐng)域中。大家爭相發(fā)力，前景讓人期待。

　　市場格局

　　下圖為不同細分方向應(yīng)用的格局分布圖，可以看到各個細分方向的應(yīng)用平臺與應(yīng)用模型。

　　模型

　　● 文本領(lǐng)域。文本是發(fā)展最完備的領(lǐng)域。然而，想要語言表達自然流暢是個十分高的標(biāo)準(zhǔn)。如今，這些模型在通用的中、短篇寫作方面表現(xiàn)還算不錯(但即便如此，它們通常也只是被用來生成初稿或?qū)Τ醺遄龅�代完�?。隨著時間的推移，模型越來越好，我們有望可以看到更高質(zhì)量及更長篇的內(nèi)容，并且針對各垂直領(lǐng)域有特定的優(yōu)化。

　　● 代碼生成。正如GitHub CoPilot所顯示出的效果，很快，代碼生成就會變得十分普遍，它能極大提高程序開發(fā)者的生產(chǎn)力。而對于非專業(yè)人員，借由這些工具，編寫代碼也將不是難事。

　　● 圖像領(lǐng)域。圖像領(lǐng)域的應(yīng)用爆發(fā)是新近之事，但也可謂勢不可擋：畢竟，在社交媒體上分享生成的圖像比文字要有趣得多。而且我們也看到，市面上出現(xiàn)了非常多不同審美風(fēng)格的圖像模型，以及編輯和修改生成圖像的不同技術(shù)。

　　● 語音合成。語音合成的應(yīng)用已經(jīng)有段時間了(比如蘋果設(shè)備上的語音助手Siri)，但消費與企業(yè)級的應(yīng)用才剛剛起步。對于像電影和播客這樣的高端應(yīng)用來說，要想一次性生成與配音演員或主播錄音一樣不機械、有自然質(zhì)感的作品，還有很長的路要走。但就像圖像領(lǐng)域一樣，現(xiàn)在的模型也將成為將來更優(yōu)秀模型的發(fā)展基礎(chǔ)。

　　● 視頻和3D模型領(lǐng)域。這一領(lǐng)域的進步則要緩慢不少，人們期待AI模型在這些創(chuàng)意領(lǐng)域(如電影、游戲、VR、建筑和實體產(chǎn)品設(shè)計)的進一步應(yīng)用潛力。預(yù)計在未來1-2年內(nèi)，我們將能看到一些基礎(chǔ)的3D和視頻生成模型。

　　● 其它領(lǐng)域。其它許多領(lǐng)域還處于基礎(chǔ)模型的研發(fā)階段，如音頻、音樂到生物與化學(xué)領(lǐng)域。

　　下圖是這些基本模型的進展與相關(guān)應(yīng)用的發(fā)展進程時間表，2025年之后的時間為預(yù)估時間。

　　應(yīng)用

　　接下來為你介紹的是一些讓我們感覺十分興奮的應(yīng)用場景。但實際上，可應(yīng)用范圍將遠比本文所描述的多，創(chuàng)始人和開發(fā)人員對于各路應(yīng)用場景的奇思妙想讓我們連連贊嘆。

　　●文案寫作。日益增長的個性化網(wǎng)頁、電子郵件等網(wǎng)絡(luò)空間，用以支持銷售和營銷戰(zhàn)略，甚至提供更好的售后服務(wù)，都將催生大量的文案寫作需求。這些短小精悍、格式相對固定的宣傳式話語，再加上相關(guān)從業(yè)人員工作壓力大、預(yù)算不高等特點，這一領(lǐng)域?qū)⑹俏陌笇懽餍虯I實現(xiàn)自動化與寫作增強方案的*用武之地。

　　●特定垂直領(lǐng)域的寫作助手。如今大部分寫作都是橫向的;但我們相信，對于特定的終端市場，從擬定法律合同到劇本創(chuàng)作，都有可能借助生成式AI的力量獲得更長足的發(fā)展。在這一領(lǐng)域，產(chǎn)品差異化的主要發(fā)力點將是對特定工作流程模型和用戶體驗?zāi)Ｊ降募毠?jié)打磨。

　　●代碼生成。如今在該領(lǐng)域，生成式AI的應(yīng)用已經(jīng)帶來了質(zhì)的提升，程序開發(fā)人員的生產(chǎn)力和創(chuàng)造力都被極大增強：如今使用GitHub Copilot生成的程序中，有近40%的代碼是由AI生成的。但如果打開想象，我們甚至可以設(shè)想，將來借助更好的生成式AI，普通消費者(非專業(yè)程序開發(fā)人員)也將有能力自行創(chuàng)作程序代碼�；�于提示的學(xué)習(xí)(Learning to prompt，譯注：一種新的AI訓(xùn)練方式)將有可能成為最終的高級編程語言。

　　●藝術(shù)作品生成。如今，不少大型的AI已經(jīng)將整個藝術(shù)史和流行文化的作品數(shù)據(jù)編碼進了模型當(dāng)中，任何人都可以隨意生成——以前可能需要人花一輩子才能掌握的——想要的藝術(shù)風(fēng)格的作品。

　　●游戲。最理想的應(yīng)用狀態(tài)是人們可以使用自然語言來創(chuàng)建復(fù)雜的場景或可操縱的模型;我們離這樣的夢想還有很遙遠的距離，但在短期范圍內(nèi)，還是有不少可實現(xiàn)的場景應(yīng)用，比如生成游戲場景的紋理或Skybox VR場景的圖像等。

　　●媒體/廣告。我們大可暢想自動化廣告代理的潛力——它將能針對不同的消費者來優(yōu)化廣告文案與創(chuàng)意。而多模態(tài)生成的應(yīng)用將能更好地針對不同的銷售信息生成互補性視覺效果廣告。

　　●設(shè)計。數(shù)字和實體產(chǎn)品的原型設(shè)計是一個勞動密集且往往需要不斷反復(fù)修改的過程。現(xiàn)在的生成性AI已經(jīng)實現(xiàn)了根據(jù)粗略的草圖與文字描述生成高保真渲染圖。隨著這一技術(shù)往3D模型的方向發(fā)展，生成設(shè)計過程將打通從文字到具體產(chǎn)品實物的全流程。你的下一款手機應(yīng)用程序，或?qū)�來的某雙運動鞋，說不定都將是AI設(shè)計生成的。

　　●社交媒體與數(shù)字社區(qū)。會不會有人借助AI生成的方式來自我表達呢?當(dāng)然，現(xiàn)在像Midjourney這樣的新應(yīng)用便正在創(chuàng)造新的社交體驗——消費者可以學(xué)著生成獨具個性的作品來做公共表達。

　　生成式AI應(yīng)用解剖

　　生成式AI應(yīng)用會是什么樣子呢?這里有一些預(yù)測可供參考。

　　智能化與模型微調(diào)

　　生成式AI應(yīng)用的底層技術(shù)其實都是GPT-3或Stable Diffusion等大型AI模型。而隨著應(yīng)用程序不斷獲得更多用戶數(shù)據(jù)，這些數(shù)據(jù)便可用來對模型做更精細的改進，以實現(xiàn)針對特定問題空間改進模型質(zhì)量和表現(xiàn)、縮小模型尺寸或降低成本。

　　我們可以把生成式AI應(yīng)用程序看作UI層(用戶交互界面層)或“小腦”，支撐它運行的底層大型通用AI模型才是“大腦”。

　　實現(xiàn)形式方面

　　如今，生成式AI應(yīng)用在很大程度上是以插件的形式存在于現(xiàn)有軟件生態(tài)系統(tǒng)中，通過IDE(集成開發(fā)環(huán)境)運行代碼，而通過Figma或Photoshop之類的應(yīng)用程序來生成圖像;我們甚至可以設(shè)想，將來Discord機器人也將能通過生成式AI的技術(shù)實現(xiàn)更廣泛的用途。

　　此外還有數(shù)量較少的獨立的生成式AI網(wǎng)絡(luò)應(yīng)用，比如用于文案寫作的Jasper和Copy.ai，用于視頻編輯的Runway，以及用于記筆記的Mem。

　　插件可能會是個非常有效的切入口，一方面不需要引入新的應(yīng)用程序，另一方面也以非常聰明的方式避開了“先要有雞還是先要有蛋”的問題(改善模型需要大量的用戶使用數(shù)據(jù)，但另一方面，要有好的模型才能吸引到足夠多的用戶使用)。而目前我們已經(jīng)在消費者/社交領(lǐng)域看到了這種推廣策略帶來的非常好的效果。

　　交互模式范例

　　如今，我們看到的大多數(shù)生成式AI的演示都是“一次性作品”：提供一個輸入量，機器會生成一個輸出，然后你再決定是否保存結(jié)果或者棄掉重來。隨著越來越多的模型不斷迭代而變得更強，將來我們能實現(xiàn)對輸出作品的修改、完善、升級或生成不同版本等操作。

　　現(xiàn)在的生成式AI通常被用來生成產(chǎn)品原型或初稿。生成式AI通常都很擅長生成多個不同版本的作品，人們可以在此基礎(chǔ)上進一步創(chuàng)作(如生成多個不同的圖標(biāo)或建筑設(shè)計模型);此外，它們也很擅長為初稿提修改建議，從而幫助用戶更好地完善作品(如博客文章或代碼自動補全)。隨著模型變得越來越智能(當(dāng)然離不開大量的用戶使用數(shù)據(jù))，我們有理由期待它們將來能生成越來越好的初稿，甚至可以直接生成可作為終稿使用的作品來。

　　持續(xù)的細分類目引領(lǐng)者

　　通過不懈加速“更多用戶參與/更多數(shù)據(jù)—更好的模型”這一發(fā)展飛輪，生成式AI公司可以獲得持續(xù)的競爭優(yōu)勢并最終成長為行業(yè)*。當(dāng)然要注意維護這一良性循環(huán)：①獲得極高的用戶參與度→②獲得更多用戶數(shù)據(jù)以訓(xùn)練出更好的模型(提示改進、模型微調(diào)、將用戶行為作為標(biāo)記的訓(xùn)練數(shù)據(jù)等)→③優(yōu)秀的模型吸引更多的用戶并提升參與度。此外，這些AI公司還可以往特定的問題空間發(fā)展(如代碼領(lǐng)域、設(shè)計領(lǐng)域或游戲領(lǐng)域等)，而不是非要做得大而全。還可以如前所述，通過插件的形式整合進當(dāng)下目標(biāo)用戶的生產(chǎn)流程中，以此實現(xiàn)用戶增長和產(chǎn)品分發(fā)，之后再嘗試打造AI原生的工作流程來替代現(xiàn)有的應(yīng)用程序。找到正確的方式來打造這些應(yīng)用，積累用戶與數(shù)據(jù)，這些都需要時間，但我們相信，好的產(chǎn)品必然持久，也終將發(fā)展壯大。

　　困難與風(fēng)險

　　盡管生成式AI具有巨大潛力，但在商業(yè)模式和技術(shù)方面仍有許多問題需要解決。如版權(quán)、信任與安全以及成本等重要問題還遠未解決。

　　打開想象的邊界

　　生成式AI仍然處于非常早期的階段。平臺層面剛剛有些起色，真正的應(yīng)用程序其實還處于萌芽階段。

　　但也要知道，我們并不需要大型語言模型寫出一部托爾斯泰小說，才說生成式AI獲得了非常好的應(yīng)用。當(dāng)下這些模型已經(jīng)足夠好了，足以用來生成博客文章的初稿，或商標(biāo)與產(chǎn)品界面原型。而在不遠的中短期未來，它們也有望創(chuàng)造更大的價值。

　　生成式AI應(yīng)用的*波浪潮有點類似于iPhone剛出現(xiàn)時的移動應(yīng)用格局，多少偏于噱頭，顯得單薄，競爭差異化與商業(yè)模式也不明確。然而，其中一些應(yīng)用的確為我們提供了有趣的視角，讓我們可以一窺未來的可能。一旦你看到過AI可以生成復(fù)雜的代碼或精彩的圖像，你就很難回到?jīng)]看過的狀態(tài)，因為你知道這些技術(shù)將來一定會成為我們工作與創(chuàng)造的基礎(chǔ)，發(fā)揮更重要的作用。

　　假如盡情暢想幾十年后的未來，我們不難想象彼時的生成式AI已經(jīng)深刻融入我們的工作、創(chuàng)造與游戲中：自動生成的備忘錄;3D打印任何你想象出來的東西;文字直接生成皮克斯電影;靠想象來實時生成世界場景的游戲體驗等等。這些事情如今看來像是科幻小說一般，但我們還是要對技術(shù)進步的速度有信心。要知道，短短幾年時間，我們便從狹窄的語言模型發(fā)展到了代碼自動補全，沿著這樣的發(fā)展思路，如果大型模型也有所謂“摩爾定律”，那么天馬行空般的未來想象也并非沒有實現(xiàn)的可能。