生成式AI位列2022重要战略之首，迪斯尼、影谱科技等率先发力日前

日前， Gartner发布了2022年重要战略技术趋势。其中，生成式人工智能（GenerativeArtificialIntelligence）位列12项重要战略之首。同时Gartner预计，到2025年，生成式人工智能将占所有生成数据的10% ，而目前这一比例还不到1% 。
而在2020年Gartner发布《人工智能技术成熟度曲线报告2020（HypeCycleforArtificialIntelligence ， 2020）》时，生成式人工智能作为新增技术热点才首次被提出。
此外，在今年《HypeCycleforArtificialIntelligence ， 2021》报告中，生成式人工智能同样位列其中。
以上种种迹象表明，生成式AI已经成为未来举足轻重的技术趋势。那么，生成式AI究竟是什么？生成式AI又能给智能时代带来什么？

文章图片
Vol.1
生成式AI——训练后的再创造
【生成式AI位列2022重要战略之首，迪斯尼、影谱科技等率先发力】对于生成式AI ， Gartner这样定义：通过各种机器学习（ML）方法从数据中学习工件的组件（要素），进而生成全新的、完全原创的、真实的工件（一个产品或物品或任务），这些工件与训练数据保持相似，而不是复制。
简单理解，生成式AI就是利用现有文本、音频文件或图像创建新内容的技术。使用生成AI ，计算机检测与输入相关的基本模式并生成类似内容。

文章图片
Vol.2
GANs——生成式AI的核心技术
生成式对抗网络（GANs,GenerativeAdversarialNetworks），是生成式AI的关键技术。其本质是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。
在原理上，生成式对抗网络使用两个神经网络相互对立，一个生成器和一个判别器。生成器或生成网络，负责生成类似于源数据的新数据或内容，判别器或判别网络则负责区分源数据和生成数据。经过交替周期训练，生成器不断学习生成更逼真的数据，判别器则更善于区分假数据和真实数据。可以把GANs想象成一个造假者和一个在猫捉老鼠游戏中的警察，造假者正在学习传递假币，而警察正在学习检测假币。渐渐地，双方在对抗中都不断完善。

文章图片
Vol.3
AI生“万物”——生成式AI商业应用
当下，生成式AI已在研究和商业的多种场景得到应用，如创建软件代码、促进药物研发和有针对性的营销等。具体而言：
生成图形：AI可以从艺术品中抽象视觉图案，然后将这些图案应用到具有该艺术品特征的虚拟图像再现中。这些算法还可以将任何粗糙的涂鸦转换为令人印象深刻的绘图，令其似乎是由描绘真实世界的专业人类艺术家创作的。

文章图片
生成照片：生成式AI可以通过生成并叠加到原始任何缺失、模糊或误导性的视觉元素上来自动更正照片，还可以将任何低分辨率原始图像转换为高分辨率版本，也可以通过混合现有的肖像或从任何特定的肖像中抽象特征来产生自然的外观，或者从语义标签中生成逼真的图像。

文章图片
生成音频：生成式AI可以将任何计算机生成的声音渲染成一个真正听起来像是在人类声带中自然产生的声音，也可以将文本翻译成语音、可以组成音乐。同样，生成式AI也可以生成视频、文本、字幕等。