Generatywna sztuczna inteligencja a inne typy SI

Sztuczna inteligencja oznacza symulację ludzkiej inteligencji przy użyciu maszyn. Choć maszyny działające analogicznie do człowieka występują w najstarszej mitologii i od wielu wieków próbowano je tworzyć, pierwszy przykład samouczenia znajdujemy w 1951 roku, kiedy program do gry w warcaby opracowany na Uniwersytecie Manchesterskim nauczył się grać wystarczająco dobrze, aby pokonać ludzi. Jest to najwcześniejsza sztuczna inteligencja w grach.

Dzisiaj sztuczną inteligencję można znaleźć wszędzie — szczególnie w telefonach i aplikacjach mobilnych, w których wykonuje ona podstawowe zadania, takie jak rozpoznawanie twarzy i mowy, filtrowanie spamu, podpowiadanie gramatyki i tłumaczenie na inne języki.

Nie ma jednej sztucznej inteligencji, która robi wszystko. Podobnie jak używamy różnych programów do przetwarzania tekstu, księgowości i tworzenia kompozycji cyfrowych, również w przypadku SI odrębne rozwiązania służą do realizacji odmiennych celów. Sztuczne inteligencje, z którymi stykamy się na co dzień, zazwyczaj należą do jednej z trzech podstawowych kategorii.

Taka sztuczna inteligencja wykonuje konkretne zadania i nie uczy się niczego więcej. Przykładami SI o wąskim zakresie możliwości są mechanizmy rozpoznawania obrazów, procesory języków naturalnych i generatory obrazów. Należą do nich również technologie Siri, Asystent Google i Alexa. Rozumieją one polecenia głosowe i reagują na nie, ale nie potrafią na przykład opracować dokładnej diagnozy medycznej.

Jak sugeruje nazwa, maszyny tego typu mogą jedynie reagować na bodźce, na przykład na ruch figury szachowej na planszy wirtualnej. Nie zapamiętują one niczego i nie mogą sobie przypominać tak jak maszyny SI o ograniczonej pamięci, ale są przydatne w wielu zastosowaniach cyfrowych. Maszynami reaktywnymi są filtry antyspamowe i systemy polecające, które zauważają zachowanie użytkowników i sugerują następny film do obejrzenia albo podpowiadają coś, co może być warte kupienia.

Po maszynach reaktywnych kolejnym krokiem w rozwoju sztucznej inteligencji jest SI o ograniczonej pamięci — która potrafi przechowywać wiedzę, uczyć się z niej i wykonywać nowe zadania przy użyciu zdobytej wiedzy. SI tego typu jest zdolna do przewidywania trendów w różnych kontekstach, od finansów po pogodę. Jest to popularny typ SI będący obecnie w użyciu. Stosuje się ją w czatbotach i samochodach autonomicznych.

Podobnie jak inne podzbiory sztucznej inteligencji mają różnorodne zastosowania, generatywna sztuczna inteligencja obejmuje szereg modeli opracowanych do tworzenia odmiennej zawartości.

Jedną z najbardziej znanych form SI są generatory tekstu. Popularne stały się czatboty oparte na modelach SI, o których regularnie mówi się w wiadomościach. Generatory tekstu mają szereg zastosowań — od korekty tekstu po pisanie ankiet czy tworzenie kodu.

Generatory oparte na SI, takie jak Adobe Firefly, mogą przekształcać opisy tekstowe w obrazy. Artyści, twórcy zawartości i autorzy reklam używają ich na wiele sposobów. Generatory obrazów SI trenowane przy użyciu milionów obrazów i podpisów umożliwiają wszystkim opisywanie oczekiwanych wyników oraz szybkie generowanie nowych obrazów na podstawie wprowadzonego tekstu.

Artyści i graficy mogą przy użyciu tej technologii testować nowe pomysły i sposoby obrazowania, nie poświęcając wielu godzin na każdą iterację. Twórcy reklam i niezależni autorzy zawartości mogą szybko tworzyć piękne obrazy, nawet jeśli nie dysponują bogatym doświadczeniem.

Podobnie jak generatory obrazów — trenowane na ogromnych zestawach obrazów — generatory muzyki SI są trenowane przy użyciu utworów i metadanych. Wykrywają one wzorce w gatunkach muzycznych i pracach określonych artystów, a następnie tworzą muzykę na podstawie tych cech.

Ta forma generatywnej sztucznej inteligencji łączy mechanizmy generowania wideo, dźwięków i obrazów. Dane treningowe obejmują dźwięki, wideo i tekst. Modele tego typu usprawniają pracę producentów wideo podczas montażu, dodawania napisów i zmieniania rozmiarów pod kątem różnych formatów. Pozwalają nawet generować nową zawartość wideo na podstawie opisów tekstowych.