从CHAT-GPT到生成式AI（GenerativeAI）

AI的发展历程介绍，从ChatGPT到生成式AI的发展，不仅代表了人工智能技术的进步，也预示着未来人工智能将在更多领域发挥重要作用。

从CHAT-GPT到生成式AI（GenerativeAI）： 人工智能新范式，重新定义生产力

• 一、AI：从判别决策到创造生成
  • AI：决策式AI与生成式AI对比
    • AI模型可大致分为决策式/分析式AI（Discriminant/Analytical AI）和生成式AI （Generative AI）两类。
    • 决策式AI：学习数据中的条件概率分布，根据已有数据进行分析、判断、预测，主要应用模型有用于推荐系统和风控系统的辅助决策、用于自动驾驶和机器人的决策智能体。
    • 生成式AI：学习数据中的联合概率分布，并非简单分析已有数据而是学习归纳已有数据后进行演技创造，基于历史进行模仿式、缝合式创作，生成了全新的内容，也能解决判别问题。
  • 决策式AI：推荐系统、图像识别等已创造巨大市场
    • 1、推荐系统助力电商、视频等行业快速发展
    • 2、图像识别推动自动驾驶市场快速增长
    • 3、AI四小龙多领域开创“AI+”新业态
      • 商汤科技：将人工智能基础设施、智能驾驶、人/物检测、SLAM、图像生成、智能决策为核心，应用领域涵盖智能驾驶、身份验证、城市管理、游戏AI、VR/AR等，11月24日市值620亿港元。
      • 旷视科技：专注于图像/视频的分析与理解，以人脸识别为核心，业务场景包括城市治理、楼宇园区管理、实名认证、通行考勤等，据胡润全球独角兽榜，2021年估值270亿元。
      • 依图科技：聚焦于人脸识别、自然语言处理等领域，解决方案包括城市管理、智慧医疗等据胡润全球独角兽榜， 2020 年估值140亿元。
      • 云从科技：建立视觉、语言、环境认知系统，应用于智慧交通、金融、教育等领域，11月24日市值131亿元。
    • 4、内容审核显著降低人工成本
    • 5、谷歌开发多款模型替代人力分析
• 二、生成式AI：范式升级，应用多元
  • 1、生成式AI VS Web 3.0 ：不仅是web3.0的生产工具，更是人工智能的新范式
  • 2、生成式AI VS Web 3.0 ：不追求生产关系的重塑，但将大幅度提升和创造生产力
    • 创造是生成式AI的核心，本质是对生产力的大幅度提升和创造。生
    • 生成式AI将促进生产关系高效发展，而不是像Web3.0重塑生产关系。
  • 3、生成式AI：“最有商业前景的人工智能技术”
    •  2025年，生成式AI产生的数据将占到所有数据的10%，而2021年生成式AI产生的数据不到所有数据的1%；
    •  2025年，30%的大型组织出站消息将由生成式AI生成；
    •  2025年，50%的药物发现与研发将使用生成式AI；
    •  2027年，30%的制造商将使用生成式AI提高产品研发效率。
  • 4、海外一级投资涌入
  • 5、生成式AI技术演进展望
• 三、生成式AI应用：内容制作，从辅助人到“替代”人
  • 1、生成式AI应用：娱乐媒体内容制作
    • 替代部分文字作者、翻译人员、插画创作者、配音人员、音乐制作人、视频编辑人员等
  • 2、AIGC：生成式AI在娱乐媒体领域的应用
    • AIGC（AI-Generated Content）指利用人工智能技术自动生成的内容，是继专业生成内容（PGC）和用户生成内容（UGC）之后一种新型生成内容的方式。
  • 3、生成式AI在内容创作领域的应用
    • 文本生成：对话机器人、新闻稿撰写广泛应用
    • 文本生成：内容续写、文学创作部分达到专业水平
    • 文本生成：ChatGPT集大成
  • 4、音频生成：语音生成广泛应用，大厂均有布局
    • 自动语音生成：将文本转化为语音，广泛应用于新闻阅读、有声书、出行导航、通知播报、视频配音等领域。目前，谷歌、微软、亚马逊、腾讯、阿里、百度、科大讯飞等均推出了相关平台，支持在不同场景下将文本转化为流畅逼真的语音。
  • 4、图像生成：快速出圈，多款应用火爆
  • 5、内容生产环节价值巨大：全球娱乐娱乐市场规模2.3万亿美元，各赛道均有千亿市值公司
  • 6、机器“替代”人： 虚拟人集成内容创作工具，成为下一代互联网应用入口
• 四、生成式AI应用：多行业垂直应用
  • 多行业垂直应用
  • 代码生成：ChatGPT调试代码表现优于传统搜索引擎
  • 药物研发：生成式AI从头设计药物，大幅降低药物研发成本
    • AI从头设计药物，大幅降低药物研发成本。生成式AI在药物发现中，能够根据有关目标结构的信息创建分子，即预测候选药物的元素（例如原子、键的类型等），并为特定目标生成化学实体，而不是通过筛选找到它们。在人工智能驱动下，药物发现和临床前研究阶段可由4-6年降低至1-3年，甚至更短，同时费用也大大降低。具体应用包括基于GAN的Reinforced Adversarial Neural Computer (RANC) ，用于新型小分子有机结构从头药物设计；基于AE和GAN的LatentGAN，用于药物从头设计。
• 五、海内外发展：多家科技巨头、初创公司积极布局
  • 1、创业公司崭露头角，科技巨头积极布局