本刊編輯整理

　　機器學習是人工智能的子領(lǐng)域，根據(jù)不同的建模方式，機器學習模型可以分為判別式模型和生成式模型；判別模型直接對數(shù)據(jù)和預(yù)測類別的條件概率進行建模，而生成模型對聯(lián)合概率分布進行建模?；谏赡Ｐ蜆?gòu)建的生成式人工智能（GAI）能夠根據(jù)已經(jīng)學習的內(nèi)容，創(chuàng)造性地生成新的內(nèi)容，因此很可能成為專用性人工智能走向通用式人工智能的關(guān)鍵轉(zhuǎn)折點。

　　根據(jù)百度百科的解讀：生成式人工智能是利用復(fù)雜的算法、模型和規(guī)則，從大規(guī)模數(shù)據(jù)集中學習，以創(chuàng)造新的原創(chuàng)內(nèi)容的人工智能技術(shù)。這項技術(shù)能夠創(chuàng)造文本、圖片、聲音、視頻和代碼等多種類型的內(nèi)容，全面超越了傳統(tǒng)軟件的數(shù)據(jù)處理和分析能力。

　　GAI 的突破之年

　　2022年末，OpenAI推出ChatGPT，標志著生成式人工智能技術(shù)在文本生成領(lǐng)域取得了顯著進展，引發(fā)了社會對這項技術(shù)的巨大關(guān)注，全球多家知名企業(yè)紛紛入局，2023年也被稱為生成式人工智能的突破之年。隨后，這項技術(shù)從單一的語言生成逐步向多模態(tài)、具身化快速發(fā)展。在圖像生成方面，生成系統(tǒng)在解釋提示和生成逼真輸出方面取得了顯著的進步；視頻和音頻的生成技術(shù)方面也迅速發(fā)展，為虛擬現(xiàn)實和元宇宙的實現(xiàn)提供了新的途徑。

　　像所有人工智能一樣，生成式人工智能的運作方式也是使用機器學習模型，傳統(tǒng)的機器學習模型具有辨別性，或者側(cè)重于對數(shù)據(jù)點進行分類。它們嘗試確定已知因素和未知因素之間的關(guān)系。例如，這些模型查看圖像，即像素排列、線條、顏色和形狀等已知數(shù)據(jù)，然后將它們映射到字詞，即未知因素。從數(shù)學上講，這些模型的工作原理是識別可以用數(shù)值方式將未知和已知因素映射為x和y變量的方程。

　　生成式人工智能模型在此基礎(chǔ)上更進一步。這些模型不是在給定某些特征的情況下預(yù)測標簽，而是在給定具體標簽的情況下嘗試預(yù)測特征。從數(shù)學上講，生成式建模計算x和y同時出現(xiàn)的概率。該模型學習不同數(shù)據(jù)特征的分布及其關(guān)系，以生成式模型分析動物圖像以記錄變量為例，不同的耳朵形狀、眼睛形狀、尾巴特征和皮膚圖案，這些模型學習特征及其關(guān)系，以了解不同動物的總體外觀，然后它們可以重新創(chuàng)建訓練集中沒有的新動物圖像。

　　根據(jù)目前行業(yè)發(fā)展情況，生成式人工智能模型主要分為以下幾類：

　　擴散模型：通過對初始數(shù)據(jù)樣本進行迭代性的受控隨機更改來創(chuàng)建新數(shù)據(jù)。這些模型以原始數(shù)據(jù)為起點，然后加入細微的變化（噪點），逐漸使其與原始數(shù)據(jù)不那么相似。這種噪點經(jīng)過仔細控制，以確保生成的數(shù)據(jù)保持一致性和真實性。在多次迭代中添加噪點之后，擴散模型反轉(zhuǎn)該過程。反向去噪會逐漸消除噪點，從而產(chǎn)生與原始數(shù)據(jù)樣本相似的新數(shù)據(jù)樣本。

　　生成對抗網(wǎng)絡(luò)（GAN）：另一種基于擴散模型概念的生成式人工智能模型。GAN 的工作原理是以競爭方式訓練兩個神經(jīng)網(wǎng)絡(luò)：生成者，通過添加隨機噪點來生成虛假的數(shù)據(jù)樣本；辨別者，嘗試區(qū)分真實數(shù)據(jù)和生成者產(chǎn)生的虛假數(shù)據(jù)。

　　在訓練過程中，生成者不斷提高其創(chuàng)建逼真數(shù)據(jù)的能力，而辨別者日益加強區(qū)分真假數(shù)據(jù)的能力。這種對抗過程一直持續(xù)到生成者產(chǎn)生的數(shù)據(jù)令人信服，以至于辨別者無法將其與真實數(shù)據(jù)區(qū)分。GAN 廣泛用于生成逼真的圖像、風格轉(zhuǎn)換和數(shù)據(jù)增強任務(wù)。

　　變分自動編碼器（VAE）：學習一種稱為潛在空間的緊湊數(shù)據(jù)表示形式。潛在空間是數(shù)據(jù)的數(shù)學表示形式?？梢詫撛诳臻g視為唯一的代碼，根據(jù)數(shù)據(jù)的所有屬性來表示數(shù)據(jù)。例如，如果研究面部，則潛在空間包含代表眼睛形狀、鼻子形狀、顴骨和耳朵的數(shù)字。

　　VAE 使用兩個神經(jīng)網(wǎng)絡(luò)——編碼器和解碼器。編碼器神經(jīng)網(wǎng)絡(luò)將輸入數(shù)據(jù)映射為潛在空間每個維度的均值和方差。該神經(jīng)網(wǎng)絡(luò)從高斯（正態(tài)）分布中生成隨機樣本。此樣本是潛在空間中的一個點，表示輸入數(shù)據(jù)的壓縮簡化版本。解碼器神經(jīng)網(wǎng)絡(luò)從潛在空間中獲取此取樣點，然后將其重新構(gòu)造回與原始輸入相似的數(shù)據(jù)。使用數(shù)學函數(shù)衡量重新構(gòu)造的數(shù)據(jù)與原始數(shù)據(jù)的匹配程度。

　　引發(fā)的科技熱潮在ChatGPT之后，國內(nèi)外多家企業(yè)進入生成式人工智能的賽道，相關(guān)法律也隨之出臺。

　　2023年5月，IBM發(fā)布新的人工智能和數(shù)據(jù)平臺Watsonx，使其客戶能夠發(fā)布基礎(chǔ)模型和生成式人工智能，并在任何云環(huán)境內(nèi)存儲和管理它們；同年9月，亞馬遜推出一系列設(shè)備，并為其語音助手Alexa加入生成式人工智能功能。2024年4月，從中國網(wǎng)信辦官網(wǎng)獲悉，已有117個大模型完成生成式AI服務(wù)備案。備案企業(yè)包括中國移動九天、百度文心一言、阿里巴巴通義千問、華為云盤古、騰訊混元助手、OPPO安第斯、vivo藍心等。

　　從2023年8月15日起，我國首個針對生成式人工智能產(chǎn)業(yè)的規(guī)范性政策《生成式人工智能服務(wù)管理暫行辦法》正式施行。2024年4月，世界數(shù)字技術(shù)院發(fā)布《生成式人工智能應(yīng)用安全測試標準》和《大語言模型安全測試方法》兩項國際標準。該標準由OpenAI、螞蟻集團、科大訊飛、谷歌、微軟、英偉達、百度、騰訊等企業(yè)的多名專家學者共同編制而成。

　　生成式人工智能正在全球掀起新一輪的技術(shù)熱潮。據(jù)IDC在近日發(fā)布的《全球人工智能和生成式人工智能支出指南》中預(yù)測，全球生成式人工智能市場年復(fù)合增長率已高達85.7%，預(yù)計到2027年全球生成式人工智能市場規(guī)模將接近1500億美元。

　　對于人工智能的發(fā)展而言，制造行業(yè)一直是其重要的應(yīng)用場景落地領(lǐng)域，隨著工業(yè)4.0、智能制造的興起，以大數(shù)據(jù)分析、視覺檢測、預(yù)測性維護等為代表的人工智能應(yīng)用已與制造業(yè)深度融合并達到一定的成熟度。生成式人工智能技術(shù)的突破，也讓制造業(yè)從業(yè)者看到了更多可能。

　　生成式人工智能可以為制造業(yè)帶來什么呢？

　　首先，在研發(fā)設(shè)計與規(guī)劃階段，利用GAI，設(shè)計師可以在云端快速創(chuàng)建和編輯概念設(shè)計，并對其進行自動渲染和評估。不僅能大幅縮短設(shè)計周期，還能降低概念設(shè)計的成本；其次，在生產(chǎn)制造環(huán)節(jié)，通過GAI可以實現(xiàn)工業(yè)機器人控制、企業(yè)私域數(shù)據(jù)分析、企業(yè)私域知識庫等應(yīng)用；再次，在經(jīng)營管理環(huán)節(jié)，GAI可以支撐企業(yè)進行經(jīng)營洞察、智能訂單生成、供應(yīng)商風控、動態(tài)庫存優(yōu)化等；最后，在產(chǎn)品服務(wù)優(yōu)化環(huán)節(jié)，將大模型的能力集成到產(chǎn)品中，將可能成為消費電子、汽車、家電等行業(yè)產(chǎn)品智能化能力提升的重要探索方向之一。

　　從技術(shù)到場景落地

　　近日，西門子宣布進一步深化與英偉達的合作，將英偉達Omniverse Cloud APIs的沉浸式可視化功能引入西門子Xcelerator，推動以人工智能驅(qū)動的數(shù)字孿生技術(shù)的應(yīng)用，持續(xù)構(gòu)建工業(yè)元宇宙。“此次合作將幫助提高西門子Xcelerator產(chǎn)品的計算速度，以及對生成式AI和Omniverse的集成能力，雙方將攜手推進產(chǎn)品和體驗在設(shè)計、制造和服務(wù)方式的變革。”西門子股份公司董事會主席、總裁兼首席執(zhí)行官博樂仁（Roland Busch）如此表示。此外，在雙方合作的第二階段，西門子還將于今年發(fā)布Teamcenter®X新產(chǎn)品。該新品將由英偉達Omniverse技術(shù)提供支持，幫助工程團隊創(chuàng)建直觀逼真、基于物理世界的實時數(shù)字孿生，避免在工作流程中可能產(chǎn)生的浪費和錯誤。其中，生成式AI將大幅加快對真實感渲染細節(jié)進行設(shè)置和調(diào)整的速度，如物料定義、照明環(huán)境以及其它輔助性情景資產(chǎn)等。通過對工程數(shù)據(jù)進行真實的情境化處理，以往需要花費數(shù)天的任務(wù)以后可在數(shù)小時內(nèi)完成。

　　據(jù)了解，可持續(xù)船舶制造商HD現(xiàn)代已采用這一新解決方案創(chuàng)建了實時、逼真的可視化技術(shù)。HD現(xiàn)代致力于研發(fā)氨動力和氫動力船舶，其過程極其復(fù)雜，所需管理的船舶可能包含超過700萬個離散零部件。這一新的解決方案可幫助HD現(xiàn)代采用交互方式，實現(xiàn)海量工程數(shù)據(jù)集的統(tǒng)一和可視化管理。

　　HD現(xiàn)代首席信息官兼首席數(shù)字官Taejin Lee表示：“西門子和英偉達合作打造的解決方案能夠幫助我們實現(xiàn)船舶數(shù)字孿生的可視化，并與之進行有效互動。同時，利用生成式AI創(chuàng)建對象和HDR背景，我們可以更好地在特定情境下理解項目，從而減少錯誤，提升客戶體驗，同時節(jié)約時間和成本，并從中持續(xù)受益。”

　　（本文綜合整理自aws、西門子官網(wǎng)以及商道童言）

關(guān)注讀覽天下微信， 100萬篇深度好文， 等你來看……