依照 AI 技术目前的发展态势， AI 可能会颠覆诸多行业的未来。

当前 AI 技术的突破让大众关注到了特定类型的 AI ——生成式 AI。生成式 AI 围绕分析、自动化和内容生成展开，生成内容兼具质和量。

了解生成式 AI 如何融入实用应用程序的是非常有必要的。根据 BCG 的博客，到 2025 年，生成式 AI 领域预计将获得整个 AI 市场 30% 的份额，相当于 600 亿美元。

生成式 AI 如何运作？

生成式 AI 是机器学习的一部分，通过使用神经网络来生成新内容。与其他为执行特定任务而编程的 AI 系统不同，生成式 AI 在大型数据集上运行，并生成新颖、独特的内容。

最流行的生成式 AI 类型之一是生成对抗网络 （GAN）。GAN 由两个神经网络组成：生成器和鉴别器。生成器创建新内容，鉴别器评估内容的真实性。

生成式 AI 有可能改变我们应用 AI 的方式，从为训练 AI 模型生成逼真的合成数据，到为客户策划量身定制的内容。随着时间的推移，GAN 生成的内容质量随之提高。如今，GAN 生成的图片和视频与原件几乎没有区别。

为了提高生产效率以及降低成本，H&M 和耐克等企业已经开始利用生成式 AI 设计服装。得益于创建虚拟时装秀的 AI 技术，设计师可以在虚拟环境中展示他们的作品。根据麦肯锡2022 年的一项调查，AI 的使用在过去五年中翻了一番，对AI 的投资也在迅速扩大。

ChatGPT 和 DALL-E（见下文）等生成式 AI 工具足以撼动现有工作角色的地位。

ChatGPT 是 AI 行业中的一大创新。它是 OpenAI 开发的一种有效的生成式 AI 语言模型，可以快速响应用户命令、生成内容。ChatGPT 基于人类反馈强化学习（RLHF）技术， 可用于客户支持、内容生成、数据分析、虚拟助手、语言翻译等各种应用。在撰写本文时ChatGPT 在 GPT-3.5 语言模型（使用从众多来源收集的大量数据创建的模型）上运行。

另一方面，DALL-E 是由 OpenAI 开发的 AI 模型，它结合了先进的深度学习技术，例如 transformer 网络和 GAN。这种创新技术可以理解和解释自然语言输入，甚至根据文本描述生成图像。

生成式 AI 的应用实例

ChatGPT 和 DALL-E 在现实场景中的应用，极大地提高了效率、赋予了更多创造力。微软和谷歌等大公司已将 ChatGPT 纳入其客户支持系统，为客户提供即时帮助。

家具零售商宜家利用AI 创建其产品的 3D 模型，让顾客可以在家中预览家具。此外，汽车制造商雷克萨斯利用 AI 完成超现实的汽车设计，展示了该技术促进创新设计的能力，凸显了生成式 AI 技术的潜力。

生成式 AI 正在触碰 NFT（例如使用 NFT 艺术的品牌和媒体）、区块链游戏（例如使用资产生成、叙事和故事设计以及头像建模创建）、元宇宙（使用 3D 生态系统、多种资产和纹理生成）和 Web3 开发（例如代码生成、审计调试和工作流自动化）领域。

Web3 中生成式 AI 工具创新了在线搜索板块。ChatGPT 与微软 Bing 的最新集成提供了一个增强的、用户友好的聊天界面。此外，生成式 AI 通过其 AI 云融入了 Web3 领域，帮助人们在网络上过滤数据，在进行网络搜索查询时简化 SEO 内容。

生成式 AI 通过对大量数据进行训练并学习模仿该数据中的模式来进行学习并有广泛的应用场景。

ChatGPT 根据来自互联网的大量文本进行训练，使其能够模仿人类对话。它通过学习从网络收集的图像及相关说明，根据文本指令生成图像。

Stable Diffusion （一种生成式 AI 模型，专注于生成图像），它使用扩散过程通过模拟从噪声图像到目标图像的随机游走来创建新图像。该模型经过训练，可以在训练过程中对图像、学习模式和特征进行去噪和重建，可以通过逆转扩散过程来生成新颖的图像。在艺术、设计、广告和娱乐领域都有应用。

DALL-E，它是 OpenAI 开发的另一种生成式 AI 模型，基于 GPT-3 架构的修改版本，在大型图像数据集及其相应的文本描述上进行训练。DALL-E 可以根据输入文本生成视觉连贯且上下文相关的图像，在艺术、设计、广告和视觉叙事方面具有潜在应用。

另外值得一提的是 Lens Studio，它本身不是生成式 AI 模型，但它使开发人员能够使用计算机视觉、机器学习和其他 AI 技术创建 AR 内容。Lens Studio 是由 Snap Inc. 开发的桌面应用程序，它允许用户在 Snapchat 上创建和发布称为 Lenses 的增强现实 （AR） 体验，它可以帮助为用户创建引人入胜的交互式 AR 体验，并应用于娱乐、营销和教育领域。

而使用生成式 AI 文本工具，可以简化和创新动态游戏元素，比如对话和头像。生成式 AI 还支持 NFT 艺术生成。在 AI 工具上输入一组规则（例如颜色范围和图案），AI 通过随机和数据迭代，在规定的框架内生成艺术品。

这些模型由公司构建和完善，这些公司通过收集更多训练数据并改进模型。像 OpenAI 和 Stability.AI 这样的公司通过收取其技术的使用费用或为个体企业创建专属内容来获利。

生成式 AI 的潜在风险以及应对方法

每个硬币都有正反两面，生成式 AI 也有一些风险，正是因为它拥有接收外界并学习的特性，在不停优化的同时也不可避免地会被一些恶意人士“教坏”。

生成式 AI 的发展使得 AI 造假之风却愈演愈烈。例如，利用 AI 撰写未经证实的文章或完成学术论文，“一键换脸”、“视频合成”等。利用 AI 制造谣言，扰乱网络传播秩序。

4月25日，国内就发生了一起利用 AI 技术炮制虚假不实信息的案件，一男子利用 AI 技术撰写“今晨甘肃一火车撞上修路工人致9人死亡”的不实文章，文章点击量高达1.5万余次。

那么，针对 AI 存在的诸多风险，我们在应用时首先要了解其风险以及应对策略。

风险

• 知识产权侵权和内容版权问题

• AI 生成的内容的质量和真实性

• 新区块链运行时生成中的架构障碍

• 基于敏感数据的内容的隐私问题

• 生成式 AI 的恶意运行

• 恶意的算法数据输出

应对策略：

• 使用基于 AI 的内容审核工具，例如 Google 的 Perspective API 或 Two Hat 的 Community Sift

• 联邦学习、同态加密和匿名化等数据隐私保护技术

• 使用用于训练 ImageNet、MNIST 等可信度生成 AI 算法的代表性数据集

• 使用基于 AI 的欺诈检测工具，例如 http://Fraud.Net、Kount、NICE Actimize

• AI 内容分析指标，如公平性和问责性指标

• 制定在 Web3 中使用生成式 AI 的标准

小结

生成式 AI 的自动化为数据计算提供了动力，帮助 Web3 组织将机器学习集成到他们的运营中，这是一个革命性的领域，生成式 AI 正在创新金融，科技、体育、游戏、医疗保健等行业。

ChatGPT，DALL-E 等生成式 AI 正在改变我们创建内容和与内容交互的方式，使用数据驱动的方法生成新的文本、图像和体验。生成式 AI 将融入到各行各业，改变原有的工作角色，颠覆行业的未来。

来源丨CoinTelegraph

编辑丨liurui@Web3CN.Pro

声明：NFT中文社区编辑作品，内容仅代表作者立场，且不构成投资建议，请谨慎对待，如文章/素材有侵权，请联系官方客服处理。