人工智能的出现，意味着一种可以逐步“解放大脑”的新生产工具的出现，其将对生产效率的提升从过去的“体力效率提升”提高到“脑力效率提升”的阶段，将有助于将人类从过去繁重的体力劳动和重复性的脑力劳动中解放出来，让人类有更多的时间做深度思考。因此，其作为战略新兴产业，将会成为推动社会发展的新引擎。
随着ChatGPT的出现，人工智能技术再一次被推上了风口浪尖。所以，我们有必要重新梳理人工智能技术的发展演进历程，并从技术演进中寻找人工智能技术的宏观趋势有哪些？ChatGPT的出现将会对人工智能技术带来哪些变革？将会对整个社会发展带来哪些推动？
人工智能的起源
现在一说起人工智能的起源，公认是1956年的达特茅斯会议。殊不知还有个前戏，1955年，美国西部计算机联合大会（Western Joint Computer Conference）在洛杉矶召开，会中还套了个小会：学习机讨论会（Session on Learning Machine）。讨论会的参加者中有两个人参加了第二年的达特茅斯会议，他们是塞弗里奇（Oliver Selfridge）和纽厄 尔（Allen Newell）。塞弗里奇发表了一篇模式识别的文章，而纽厄尔则探讨了计算机下棋，他们分别代表两派观点。
讨论会的主持人是神经网络的鼻祖之一皮茨（Walter Pitts），他最后总结时说：“（一派人）企图模拟神经系统，而纽厄尔则企图模拟心智（mind）……但殊途同归。”这预示了人工智能随后几十年关于“结构与功能”两个阶级、两条路线的斗争。
——尼克《人工智能简史》
走向通用人工智能
纵观人工智能技术发展的70年历程，AI技术宏观趋势呈现出由混沌唯一走向分化，然后再走向归一的趋势。
在人工智能发展的前30年，人工智能技术是出于一个混沌状态，并未形成完整的学科和研究领域，从80年代末开始逐步分化形成五大研究领域，但随着技术的发展，从2013年开始各大学科又开始逐步融合，未来将实现多模态融合和多学科融合归一的趋势。
人工智能从出现到现在已经历四个阶段：
- 第一个阶段的AI是以逻辑推理为主，AI能力以聚焦决策和认知为主；
- 第二个阶段的AI则是注重以概率统计的建模、学习和计算为主，AI能力开始聚焦感知、认知和决策；
- 第三个阶段的AI聚焦学习环节，注重大模型的建设，AI能力覆盖学习和执行；
- 第四个阶段则聚焦执行与社会协作环节，开始注重人机交互协作，注重人类对人工智能的反馈训练，当下正处于此阶段。
如今，七大AI能力的融合正在推动AI逼近人工智能的重要目标之一：通用人工智能。通用人工智慧AGI（Artificial General Intelligence）或强人工智慧（Strong AI）是具备与人类同等智慧、或超越人类的人工智慧，能表现正常人类所具有的所有智能行为。
决策式AI是基于规则、知识或经验，通过对输入数据进行分析和推理，从而做出决策或推荐的人工智能系统。这种AI通常用于专业领域，例如医学、金融、法律等，其目的是为了支持决策过程 和提高决策效率。
生成式AI是基于机器学习或深度学习等技术，从大量数据中学习并生成新的数据或内容的人工智能系统。这种AI通常用于自然语言处理、图像处理、音频处理等领域，其目的是为了生成高质量 的内容和实现自动化创作。
通用型AI是指具有类似人类智能的广泛能力的人工智能系统，可以像人类一样进行感知、推理、学习、决策、规划等多种任务，能够在不同的领域和情境中灵活地应对和适应。这种AI是人工智能的终极目标之一，目前还没有实现。
三种人工智能系统之间存在重叠和互补。例如，在决策过程中，决策式AI可以提供基于规则和知识的决策支持，生成式AI可以提供基于数据的决策参考，通用型AI可以综合考虑多种因素做出更为智能的决策。
ChatGPT的来龙去脉
很多人开始相信，揭开AGI的真正钥匙正在于：超大规模及足够多样性的数据、超大规模的模型、充分的训练过程。这条道路看似朴素，却足以让AI表现出智能“涌现”的能力，未来也许会持续带来意想不到的惊喜和惊吓。这种思想简言之就是将“参数至上和数据至上”的思想发挥到极致，从细分技术“分而治之”到“大一统、端到端”，从理论洁癖走向暴力美学。
ChatGPT vs Bert
ChatGPT是一种通用性很强的大型语言模型，它被训练用于多种自然语言处理任务，例如文本生成、文本分类、语言翻译、问答等。ChatGPT属于生成式AI。生成式AI又可称为AIGC（AI-Generated Content 人工智能生成内容）。
ChatGPT是一种基于自然语言处理技术的生成式AI模型，能够生成类似于人类对话的文本输出。它使用了大规模的预训练语言模型，能够自动地从输入的文本中学习语言模式和上下文信息，然后基于这些信息生成新的文本。因此，它被广泛应用于对话系统、聊天机器人、智能客服等领域。
ChatGPT的训练过程与提升表现
虽然ChatGPT在很多自然语言处理任务上表现出了惊人的能力和表现，但严格意义上讲，它并不是一个通用人工智能系统。但由于其效果足够“像人”， ChatGPT成为很多人心中通用人工智能的雏形。
ChatGPT的训练存在六大方面的局限性
ChatGPT带来的变革趋势
自11月30日发布后，ChatGPT仅用2月便积累1亿用户数量。以ChatGPT为代表的AIGC工具的出现，标志着人类生产效率出现了第二次脑力效率飞跃。对传统内容生成模式的颠覆与重塑，解放内容生产者，让其有更多精力进行二次深加工。AIGC加速元宇宙世界的内容构建，推动人与内容关系发生根本性变革。
从OpenAI产品矩阵可以看出其已经布局文本、图片、语音等多模态产品，未来将逐步探索多模态的融合。未来文本、图片、语音、代码等场景将逐步走向成熟，将助推技术向多模态融合发展。
AIGC的应用领域
从经典场景上来看，AIGC的内容生成打通了营销数字化的最后一个环节。在营销数字化核心流程中，内容自动化生成环节在过去是缺失状态，因此无法构成闭环，但随着AIGC的应用，将助推营销数字化实现业务闭环。营销数字化核心流程闭环：
- 目标客户定位：通过客群分析实现目标客户识别；
- 客户需求分析：基于客户需求进行市场研判，培育线索智能分群；
- 个性方案设计：基于分群进行个性化方案设计，设置自动化营销流程；
- 内容自动化生成：基于个性化方案自动生成营销物料内容；
- 全渠道营销推广：全渠道触达与互动，推送个性化方案和内容；
- 销售达成：客户意向预测与销售意向的达成；
- 营销复盘再推荐：事后的营销全场景可视化报表复盘与再推荐方案生成。
AIGC五大技术应用方向
AIGC与数字人的结合，推动数字人实现文本、语音、动画、音频等多模态交互。虚拟人系统框架一般情况下由人物形象、语音生成、动画生成、音视频合成显示、交互五个核心模块构成虚拟人构建的“五横体系”。
交互模块为可扩展项，依据是否具有交互模块可讲虚拟人分为交互型虚拟人和非交互型虚拟人，其交互型虚拟人依据其驱动方式的不同，又可分为智能驱动型虚拟人和真人驱动型虚拟人。
其中虚拟人制作过程中核心关键技术应关注：建模、驱动、渲染和人工智能。其决定了虚拟人的外在形象的美观度、动作的流畅度以及交互的自然度及虚拟人的智能程度。
本文摘编自甲子光年智库发布的《2023AIGC市场研究报告及ChatGPT推动的变革趋势与投资机会》，全文下载：
2023AIGC市场研究报告-甲子光年
更多标准、白皮书、报告等高质量纯净资料下载，在文末扫码关注官方微信公众号“idtzed”，进入公众号菜单“治库”，或按自动回复发送引号内关键词。
2 评论