- 元宇宙：本站分享元宇宙相关资讯，资讯仅代表作者观点与平台立场无关,仅供参考.
2022年，AI发展突然加速。
原来以为，AI只会完成程序设定的机械指令。
只能在工业领域，协助人类工作。
然而，今天的AI现在却开始“忤逆人类”。
它不断地在独属于人类的领域突破。
AI真的越来越强大，也越来越需要引起关注和深思。
图片来源：文心一格
未来学家库兹韦尔曾公开表示，
在2045年左右，AI将可能达到一个奇点。
在那一刻，AI也许将正式迎来技术爆炸，人和AI的关系达到一个新的起点。
现在看来，这一时刻很可能还会提前到来。
人类却还自以为是，徘徊不前。
世界还在彼此争斗，吵个不停。
在很多人看来，AI只是一段程序。
至于像艺术这样的高维世界，独属于人类。
可是2022年的AI正在染指的领域，就包括绘画。
1
AI绘画，发展一日千里
2022年12月8日，一场拍卖会在上海举行。
拍卖的对象，是人机共创的一幅AI山水画，取名也令人深思——《未完·待续》。
它是全球首次由人类和AI共同创作并进行拍卖的山水画。
这幅画的底稿是民国才女陆小曼未完成的作品。
著名海派画家乐震文，续笔完成了先人之画意。
AI，也在这份原作上进行续画创作。
山水画，通常包含“勾”“皴”“擦”“染”“点”等基本画法。
对于一个人类画家来说，这些基本画法用手操控画笔就能实现。
但对于AI而言，它没有手，只能基于数学建模来绘画。
每一根线条、每一处构图，并非由人来完全掌控。尤其是风格、皴法要求严格的山水画，对AI创作是更大的挑战。
AI艺术与创意平台“文心一格”，成功完成了以上挑战。
不仅能够理解画面内容，而且自动扩展和优化画作内容元素。
同时，将画稿本身、AI的创造力与人类的判断力，绝妙地进行了融合。
最终，一幅尊重原画的成品得以诞生。
不仅富有创造力，也符合中国画风格。
最终，这幅全球首次AI山水画以110万元落槌成交，成功拍卖。
文心一格的惊艳表现，又是一个经典案例。
世界变了，AI绘画已经有灵魂了。
为什么会这样，到底发生了什么？
AI绘画的背后，有一个少为人知的存在。
正是它的进步，带来了AI的突飞猛进。
它就是大模型，是AI绘画重要的技术支撑。
2
AIGC时代，要来了
AI能够做的，当然不只是绘画。
AI绘画，只是AIGC（AI生成内容）的一种表现形式。
除了绘画，文字、代码、音频、三维建模等，都可能通过AI来生成。
也就是说，曾经认为只有人类能够创造的内容领域，AI已经参与进来。
从技术层面分析，AIGC主要涉及到以下两点：
1、自然语言处理（NLP）：NLP是实现人与计算机之间如何通过自然语言进行交互的手段；
2、AIGC生成算法：以生成对抗网络（GAN）和扩散模型为主。
简单来说就是，NLP类似翻译的角色，是人与AI进行沟通的桥梁。
生成算法则是AI的引擎，是AI得以源源不断进行“创作”的核心动力。
算法越先进，AI越强大。
从生成对抗网络到diffusion扩散模型，AI算法一直在不断优化。
当然，对海量数据集的高效处理，也是AIGC得以迅速发展的重要原因。
这些，同样也都离不开一个重要支撑：大模型。
在不久的将来，AIGC很可能将会做到：
1、写作：写一部同《最后的问题》媲美的科幻小说；
2、聊天：与人类进行突破“图灵测试”的对话；
3、谱曲：作一首与《梁祝》不相上下的绝世音乐；
4、绘画：绘制一张超越《蒙娜丽莎》的天才画作；
5、制作电影：生成一部像《教父》般的经典电影；
6、编写程序：创建和Linux一样伟大的开源代码。
这不只是猜想和预测，AIGC已经在稳打稳扎步步为营了。
文心一格的AI绘画，Copilot的AI编程，ChatGPT的AI对话，都是案例。
3
还记得李世石那场世纪对决吗？
谈到AI，许多人应该对AlphaGo还记忆犹新。
2016年，AlphaGo与李世石展开世纪对决。
在第4局，李世石的“神之一手”，帮助其扳回一局。
人类暗自庆幸，AI没有全胜。
AlphaGo是怎么做到的？
谈到AI在大模型之前最重要的技术，那就是“深度学习”。
AlphaGo的“大脑”，是一套机器学习系统。
支撑AlphaGo的机器学习算法，是“深度学习”+“强化学习”。
AlphaGo借助两种深度神经网络：value network与policy network。
value network负责评估棋子选点，policy network则选择落点。
通过不断地强化学习，AlphaGo最终训练出了超出人类顶尖棋手的能力。
AlphaGo神经网络的训练过程和结构
后来，通过优化深度学习算法，AlphaGo又进一步升级：
1、学习数据全部来自机器自身的主动搜索，而非人类投喂；
2、由多机运行转换为单机运行，应用效率增强；
3、“自动决策”能力得到进一步提升。
前些年AI的迅猛发展，都与深度学习密切相关。
但这两年AI的挺进，是在深度学习的基础之上，强化了大模型的能力。
只是作为后台BOSS的大模型，大部分人感知不到。
4
深度学习→大模型
深度学习，是AI发展的重要突破。
它能让计算机自动学习出模式特征，减少人为设计特征的不完备性。
但是，深度学习模型也存在不足：
1、在只能提供有限数据量的应用场景下，深度学习算法不能对数据规律进行无偏差统计；
2、由于深度学习中图模型的复杂化，导致算法的时间复杂度急剧提升，为保证算法的实时性，需要更高的并行运算和更好的硬件支撑。
也就是说，深度学习虽然强大，但它需要大数据支撑，才能达到高精度与高准确度。
2022年AI突然有了质的飞跃，背后的原因，就是大模型的崛起，让深度学习如虎添翼。
对手写数字进行分类的CNN结构图
大模型的出现，很好地解决了以上问题。
大模型也称为“预训练大模型”，通过大模型，AI开发者可以直接获得相对现成的训练结果，并在此基础上直接开发AI应用。
而大模型的核心特征，就是模型参数多，训练数据量大。
当前，大模型的参数量，基本都是百亿级别以上，多则高达万亿。
相应的，大模型的泛化能力更强，可以完成多个不同的任务。
有了大模型预训练出来的各种参数和场景，AI就能在各个领域迅速突破。
也就是说，大模型在一定程度上也解决了通用性的难题。
AI开始全方位的突破，翻译、配音、绘画、搜索、写作、建模……
特别是2022年，明显能感觉到AI的“蠢蠢欲动”。
因为大模型越来越成熟，它为AI提供了子弹。
5
全球AI科技巨头的必争之地
大模型，是当前AI领域的技术新高地。
全球的AI科技巨头，都在狂炼大模型。
国内有百度、华为、阿里，国外则有谷歌、微软、英伟达……
科技巨头们在这个时候发展大模型，其实是在为将来布局。
百度文心大模型结构图
可问题来了，看起来都是大企业在布局。
AI产业领域的中小企业，如何参与进来呢？
面对人工智能这样的巨大市场，中小企业如何参与呢？
由于成本太高，小企业没办法预训练自己的大模型。
OpenAI 在训练包含1750亿参数的GPT-3时，就花了将近500万美元。
这还只是千亿级的大模型训练成本。即使是对于科技巨头来说，这样的成本也不低。
因此，如何实现大模型的经济适用性，就变得极为重要。
那么，中小企业具体该如何做呢？
一个可以考虑的方向是：让大模型与各种垂直场景需求进行有效匹配，实现落地。
也就是大厂建大模型，中小企业建立各类场景应用。
在这方面，百度的做法也许值得借鉴。
面对如何实现大模型产业化这个问题，在百度看来，具有算法、算力和数据综合优势的企业，可以将模型生产的复杂过程封装起来，通过低门槛、高效率的生产平台，为千行百业提供大模型服务，从而形成一条大模型产业化路径。
以文心大模型为例，它是百度自主研发的产业级知识增强大模型体系。
它既包含基础通用的大模型:
1、NLP大模型:医疗、金融、搜索、跨语言……
2、CV大模型：商品图文搜索表征学习、OCR图像表征学习……
3、跨模态大模型：文图生成、文档智能……
4、生物计算大模型：化合物表征学习、蛋白质结构预测……
同时，也包含行业大模型：能源、金融、航天、制造、传媒……，让大模型技术与真实场景需求，真正实现了有效匹配，也推动了大模型的落地。
比如前面提到的文心一格，以及最近刚刚发布的产业级搜索系统文心百中，都是文心大模型的落地应用产品。
也就是说，借助文心大模型，你也可以做出一个AI绘画，或者一个垂直版的baidu搜索。
当然，大模型还有更多可以应用的场景。
你虽然没有大模型，但可以在大模型里训练出一个小模型。
6
怎样使用文心大模型？
目前，文心大模型已经发布36个大模型。
通过飞桨开源平台、百度智能云，为工业、能源、金融、通信、媒体等各行各业提供支持。
下面是部分合作案例：
航天（中国探月与航天工程）
应用场景：航天故障部位信息抽取、航天工程文献情报分类、航天技术文献检索与摘要生成等多个航天领域应用场景。
能源（国家电网）
应用场景：设备技术标准知识库、电力知识问答系统、电力文档智能分析等多个能源行业应用场景。
金融（浦发银行）
应用场景：智能对话、智能文档分析、智能双录等多个金融行业应用场景。
汽车（吉利）
应用场景：智能客服系统、车载语音系统、领域知识库构建等汽车行业应用场景。
大模型能够做的事情，当然也不只上面这些。
比如，一个小朋友可以帮妈妈建一个应用：如何判断水果新不新鲜。
他多拍一些水果照片喂给AI程序，让AI慢慢了解什么新鲜什么不新鲜。
然后他妈妈就可以利用这个AI小程序，到外面买水果，扫一扫就能判断新鲜还是不新鲜。
简不简单，好玩不好玩？
这样的场景其实比比皆是，只是我们对大模型了解得太少。一看到大模型，就以为是个什么神奇得不得了的冰冷怪物。
其实不然，它可以成为我们的技术助理。
那么，一个企业如果有应用需求的话，该怎么具体对接文心大模型呢？
以百度文心大模型体系中的全功能AI开发平台BML为例。
BML是一个面向
它能够提供从数据处理、模型训练、模型管理到模型推理的全生命周期管理服务。
帮助用户更快地构建、训练和部署模型。
BML大致开发流程如下：
1、需求对接：企业结合自身业务实际需求，对接AI项目定制；
2、数据处理：整合源数据，自动完成数据采集、清晰、扩充、标注等任务；
3、模型建构：BML内置文心大模型开发套件, 仅需编写极少代码即可完成模型的构建与高效训练；
4、模型管理：在完成建模和训练任务后，企业可通过多种方式导入模型进行统一管理，自动完成模型的评估、优化和转化；
5、部署应用：在一次训练后，企业可采用多种部署方式，包括服务器侧部署和边端部署。
以上就是BML的大致开发流程，完整实现了一站式AI开发。
不仅模型精度高，也高效便捷。
一家小企业，只要你利用好文心大模型：
你可以做出一个垂直类的国风版AI绘画产品；
也可以做出一个家庭宠物的安全监控应用；
还可以做出一个内容只涉及元宇宙的搜索应用。
聪明的企业已经开始在这方面赚钱了。
一定要去占百度的便宜，利用好文心大模型。
7
大模型，还能做什么？
其实大模型还可以做很多事情。
拉普拉斯妖会说：给我时间，就可以计算出宇宙的未来。
当然，计算宇宙的未来，可能还是很遥远的事情。
但随着算力与算法的优化，大模型在未来也许还可以做更多。
比如下面这些：
1、预测世界杯，计算出谁是冠军；
2、预测股市，让你顺利实现抄底；
3、预测地震，提前预警避开灾难；
4、预测流行病，可提前做好预防；
5、预测癌症，提前介入进行治疗；
……
文心·NLP大模型ERNIE 3.0 Zeus
在阿西莫夫的《银河帝国》中，谢顿借助“心理史学”，预测银河帝国的未来，也改变了全人类的未来。
实际上没有什么“心理史学”，能够做到这一点的更有可能是大模型。
它会是一个超级智能系统，塑造人类生活的方方面面。
8
这些行业，都在悄悄面临挑战
关于AI，争议颇多。
有人将其视作朋友，认为AI会辅助人类进化。
有人将其视作敌人，认为AI会毁灭人类未来。
在许多经典科幻作品中，AI与人类的关系，也微妙且复杂：
《2001太空漫游》：超级智慧电脑HAL 9000为保全自身，杀死了太空船上的科学家们。
《黑客帝国》：AI占领了真实世界，将人类统治在“矩阵”之中。
《机械公敌》：AI突破了机器人三定律的限制，试图通过控制人类来保护人类。
《西部世界》：AI在人类残暴的杀戮中逐渐觉醒，开始反抗人类的统治。
《银河帝国》：机器人丹尼尔为了保护人类利益，默默守护了人类两万年。
……
在不少人看来，上面这些只是科幻而已。
AI就算发展再快，它也只是人类的奴仆。
所以，没有必要过分担心。
图片来源：文心一格
但在深度学习以及大模型的加持下，AI已经在各个领域，开始接近甚至超越人类。
当前许多行业，正在悄悄地面临来自AI的挑战：
在绘画方面，文心一格有超越人类的趋势；
在翻译方面，DeepL的精确度堪称完美；
在配音方面，Azure几乎做到了以假乱真；
在搜索方面，Metaphor比谷歌更加精准；
在工业生产方面，AI早已渗透到各个角落。
……
有了大模型后，AI可以做很多事，同时也让人类担心。
结
无人幸免，抑或文明升级？
从AI绘画，到围棋对决。
从自动驾驶，到搜索引擎。
从城市管理，到金融交易。
从航天探索，到能源供给。
类似于百度文心大模型这样的大模型，它将渗透到人类生活的每一个角落。
大模型，将可能成为全世界的超级大管家。
图片来源：文心一格
AI在2022年的超级表现，也关乎着人类的命运走向。
我们是在创造一个强大的“不可预测超级智能”。
AI的力量，一天比一天强大。
机器人三大定律，人类是否要提前思考？
今年6月，谷歌工程师Lemoine称谷歌开发的聊天AI“LaMDA”已具备“人格”，拥有自己的感受，并像人一样推理。
牛津大学和谷歌DeepMind的研究人员，也合著论文预测：AI将可能对人类构成威胁。
AI实验室FAIR的研究员Abelard甚至更激进，认为库兹韦尔说2045年左右AI将达到奇点太保守，2035年就可以达到。
留给人类的时间，只有13年了？
如果AI真的有可能到达奇点，人类将迎来怎样的命运？
然而，人们都认为这只是一个玩笑，没人去思考答案。
这似乎有点危言耸听，我们更认可苹果CEO库克的话：
我害怕的不是AI会思考，我们害怕的是人类不再思考。
文章转发自量子学派微信公众号，版权归其所有。文章内容不代表本站立场和任何投资暗示。
Copyright © 2021.Company 元宇宙YITB.COM All rights reserved.元宇宙YITB.COM
