人工知能はどのようにして存在しないものを作り出すのでしょうか?

最近では、説明テキストから映画の脚本に至るまであらゆるものを生成できるChatGPTの成功が見られます。また、非常にリアルな画像やビデオを生成できるモデルであるStableDiffusiも確認します。

人工知能が新しいものを生み出すという考えは新しいものではありません。文章を生成できるモデルは、チャットボットの出現により 90 年代から登場しました。携帯電話の自動補正機能自体は、生成型人工知能の一例です。

生成人工知能は、一連のデータの観察から新しいものを生成するモデルの例です。画像やテキストなどの一連のデータを観察することで学習し、確率手法を通じて新しいデータを作成する方法を学習します。

多くの注目を集めている最新の例はChatGPT です。 ChatGPTは、機械学習技術を使用してテキスト入力後にテキストを生成する自然言語モデルです。以下は、テキスト入力を使用してChatGPTによって生成されたテキストです。 Taylor Swift の All Too Well という曲のストーリーを説明してください。

もう 1 つの例は、テキスト入力から画像を作成できる DALL-E 2 によって生成された画像です。以下に DALL-E 2 世代の例を示します。

これらは、生成人工知能アプリケーションの例です。彼らは、先験的に存在しなかったパターンの観察を使用して学習した後、何かを作成します。

機械学習 (または機械学習) は、アルゴリズムにデータを供給することで構成される技術です。このアルゴリズムは、データセット内のパターンを見つけた後、関数を調べます。一例として、一連のゴッホの絵画をフィードすると、アルゴリズムはゴッホのスタイルを理解できる関数を調べます。

機械学習にはさまざまな形式がありますが、その中でも際立っているのが教師あり学習です。

いくつかの犬の画像をアルゴリズムに与えて、「犬」という分類で犬を認識すること、または「猫」という分類で猫の画像を認識することを学習すると想像してください。つまり、アルゴリズムに必要な答えを与えると、アルゴリズムはこれらのセットを観察することで学習します。

もう 1 つの方法は、さまざまなデータを観察した後、モデルが独自に学習できる教師なし学習です。

生成人工知能は機械学習の一例です。一連のデータを受け取り、パターンを観察して学習した後、それを再現できます。

生成ニューラル ネットワーク (GAN) は、新しいものを生成する目的で作成されたニューラル ネットワークです。それらは次のように機能します。ジェネレーター呼び出しとディスクリミネーター呼び出しを持つ 2 つのネットワークがあります。ジェネレーターは、一連のデータを受け取り、それを再作成する方法を学習することを目的としています。ディスクリミネーターは、何が本物で、何がジェネレーターによって作成されたかを認識することを目的としています。

ChatGPT は、トランスフォーマーと呼ばれる別のタイプのネットワークを使用します。トランスフォーマーは、テキストを処理し、テキストのさまざまな部分に注意を払うことができるアテンションと呼ばれる技術を使用します。注意は、テキストの理解を数学的に決定できる層のように機能します。

これらの人工知能モデルが学習できるようにするには、データを観察する必要があります。このデータは、写真、テキスト、絵画など、人間の方法で生成されます。彼らはゼロから創造するのではなく、パターンを見つけて、作成されたように見える予測を行うのが非常に得意です。

これらすべてのモデルの背後には、テキストや画像の生成など、何かをモデル化できる関数を見つけるために数学を使用するアルゴリズムがあることを常に覚えておくと良いでしょう。