| 詳細(xì)信息 |
AIGC商業(yè)化演進(jìn)：重點(diǎn)產(chǎn)品時(shí)間線 |
| 編輯： 來(lái)源：中信建投證券 時(shí)間：2023/5/10 |
隨著技術(shù)的快速進(jìn)步，AI生成內(nèi)容(AIGC)J大地解放了生產(chǎn)力，其廣闊的應(yīng)用場(chǎng)景及市場(chǎng)價(jià)值推動(dòng)著其商業(yè)化的快速發(fā)展。 垂直L域快速落地，爆款產(chǎn)品不斷推出。隨著技術(shù)不斷演進(jìn)，尤其是Diffusion、Transformer和Clip等模型的提出，AIGC的商業(yè)化 在多個(gè)L域開(kāi)始落地。其中代碼生成、文本生成、圖像生成、音視頻/游戲等L域已有不少爆款J產(chǎn)品。 1）代碼L域，基于OpenAI的Codex模型，Github推出的Copilot具備代碼的生成、補(bǔ)全、建議等功能，用戶量突破百萬(wàn)J別。 2）文本L域，ChatGPT目前已開(kāi)放API接口，微軟已經(jīng)在Bing和Dynamic365等應(yīng)用接入。3月份發(fā)布的多模態(tài)預(yù)訓(xùn)練大模型GPT-4已開(kāi)放純文本API，在圖片理解、推理和學(xué)術(shù)考試中展現(xiàn)了強(qiáng)大能力，未來(lái)將適用于更廣泛的應(yīng)用場(chǎng)景。 3）圖像L域， Stable diffusion等文生圖應(yīng)用已突破千萬(wàn)J用戶量，目前是商業(yè)模式成熟的L域，國(guó)內(nèi)也在積J布局。 4）音視頻/游戲L域，起步較晚，對(duì)模型復(fù)雜度和算力要求更G，百度的文心一言大模型已經(jīng)具備對(duì)視頻生成的能力。
|
| 【聲明：轉(zhuǎn)載此文出于傳遞更多信息之目的，并不意味著贊同其觀點(diǎn)或證實(shí)其描述，文章內(nèi)容僅供參考，如有侵權(quán)，請(qǐng)聯(lián)系刪除。】 |
| 推薦信息 |
|
OpenAI 從 11 個(gè)方面對(duì) GPT-4 風(fēng)險(xiǎn)進(jìn)行了一系列定性和定量評(píng)估
創(chuàng)造和執(zhí)行長(zhǎng)期計(jì)劃的能力,積累權(quán)力和資源權(quán)力 尋求的能力,以及表現(xiàn)出越來(lái)越主觀的行為等,AI 過(guò)快發(fā)展導(dǎo)致安全標(biāo)準(zhǔn)的下降
GPT-4仍存在幻覺(jué)和推理錯(cuò)誤與校準(zhǔn)下降等問(wèn)題
RLHF顯著提高了GPT-4在TruthfulQA公共基準(zhǔn)測(cè)試上的表現(xiàn),相比于同樣經(jīng)過(guò)RHLF的GPT-3.5-turbo 在準(zhǔn)確率上領(lǐng)先超10pct
訓(xùn)練方法：在 InstructGPT 方法基礎(chǔ)上增加新的獎(jiǎng)勵(lì)模型
利用收集到的人工標(biāo)注演示數(shù)據(jù);使用收集到的排名數(shù)據(jù)來(lái)訓(xùn)練獎(jiǎng)勵(lì)模型,該模型預(yù)測(cè)標(biāo)注員對(duì)給定輸出的平均偏好;使用獎(jiǎng)勵(lì)模型和強(qiáng)化學(xué)習(xí)
GPT-4的一大重點(diǎn)是構(gòu)建大范圍可預(yù)測(cè)的深度學(xué)習(xí)堆棧
大范圍可預(yù)測(cè)的深度學(xué)習(xí)堆棧,能夠通過(guò)計(jì)算比 GPT-4 計(jì)算量少1000x-10000x（x 代表倍）的模型性能, 預(yù)測(cè)出“完全體”GPT-4 的性能
文本生成：NLP重要任務(wù)標(biāo)之一神經(jīng)網(wǎng)絡(luò)生成法為主流趨勢(shì)
Transformer架構(gòu)引入Self-attention自注意力機(jī)制可取代RNN,從非語(yǔ)言的表示生成人類(lèi)可以理解的文本,拋棄了傳統(tǒng)RNN在水平方向的傳播
ChatGPT發(fā)展展望：縱向加深A(yù)I能力 橫向拓展能力邊界
hatGPT模型基于RLHF的預(yù)訓(xùn)練機(jī)制將進(jìn)一步提升模型反饋的準(zhǔn)確性和時(shí)效性,證明了AIGC應(yīng)用落地的可行性與先進(jìn)性,或?qū)⒋呱嗟膽?yīng)用需求
ChatGPT基于算力支撐實(shí)現(xiàn)交互革命有不少先進(jìn)性
1 模型訓(xùn)練效率提高;2 訓(xùn)練模式更具通用性,經(jīng)濟(jì)效益增強(qiáng);3 反饋準(zhǔn)確性提升;4 可以拒絕用戶的不適當(dāng)請(qǐng)求;5 能夠承認(rèn)錯(cuò)誤,挑戰(zhàn)不正確的前提
基于RLHF的算法優(yōu)化,助力GPT模型革新
通過(guò)獎(jiǎng)勵(lì)模型產(chǎn)生最優(yōu)的輸出結(jié)果后,將該結(jié)果對(duì)模型參數(shù)進(jìn)行迭代與優(yōu)化,到高質(zhì)量的ChatGPT模型,構(gòu)建的Codex模型上引入了推理能力 |
| 智能運(yùn)輸機(jī)器人 |
| AGV無(wú)人運(yùn)輸機(jī)器人-料箱版 |
| AGV無(wú)人運(yùn)輸機(jī)器人-標(biāo)準(zhǔn)版 |
| AGV無(wú)人運(yùn)輸機(jī)器人-料箱版（鈑金材質(zhì)） |
| AGV無(wú)人運(yùn)輸機(jī)器人-貨架版（鈑金材質(zhì)） |
| AGV無(wú)人運(yùn)輸機(jī)器人-貨架版（亮面不銹鋼材質(zhì)） |
| AGV無(wú)人運(yùn)輸機(jī)器人-開(kāi)放版 |
| 行業(yè)動(dòng)態(tài) |
