Trí tuệ nhân tạo tạo sinh tạo văn bản, hình ảnh, âm nhạc và mã như thế nào
Các hệ thống trí tuệ nhân tạo hiện có thể soạn email, minh họa ý tưởng, sáng tác một giai điệu ngắn và đề xuất một hàm hoạt động. Những kết quả này có vẻ sáng tạo, nhưng chúng xuất hiện từ một quá trình cơ học hơn: các mô hình học máy nghiên cứu bộ sưu tập lớn ví dụ, điều chỉnh hàng triệu tham số số học và học cách dự đoán điều gì nên xuất hiện tiếp theo. Hiểu quá trình đó giúp việc sử dụng AI tạo sinh cho sáng tạo nội dung công cụ và kỹ thuật với kỳ vọng thực tế hơn.
Từ ví dụ đến dự đoán
Học máy bắt đầu bằng dữ liệu. Một mô hình văn bản được huấn luyện trên nhiều đoạn văn; một mô hình hình ảnh xem các tập ảnh lớn kèm mô tả; một mô hình âm thanh xử lý bản ghi; một mô hình mã xem xét chương trình và văn bản kỹ thuật. Trong quá trình huấn luyện, hệ thống liên tục đưa ra dự đoán và đo khoảng cách giữa dự đoán đó với mục tiêu. Sau đó, nó điều chỉnh các tham số bên trong để giảm lỗi.
Những tham số đó, thường lên tới hàng tỷ, tạo thành biểu diễn gọn gàng của các mẫu trong tài liệu huấn luyện. Mô hình không lưu bảng tra cứu đơn giản các cụm từ hoặc hình ảnh. Thay vào đó, nó học các mối quan hệ: từ nào thường xuất hiện sau từ nào, hình dạng liên hệ với ánh sáng ra sao, các cụm từ âm nhạc xây dựng sự căng thẳng như thế nào, hoặc một đoạn mã ảnh hưởng ra sao đến đoạn khác.
Khi bạn nhập prompt, mô hình sử dụng cấu trúc đã học đó để tạo ra trình tự mới theo từng bước. Với văn bản, nó có thể chọn token tiếp theo. Với tạo hình ảnh, nó có thể bắt đầu với nhiễu và dần định hình thành bức ảnh mạch lạc. Với âm nhạc, nó có thể dự đoán chuỗi nốt hoặc đặc trưng âm thanh. Đầu ra được lắp ráp mới, nhưng khả năng của nó bị giới hạn bởi những gì mô hình đã học.
Cách tạo văn bản hoạt động
Hầu hết các hệ thống văn bản hiện đại đều dùng kiến trúc transformer. Transformer xem xét các mối quan hệ giữa từ hoặc mảnh từ trong suốt một đoạn văn, khả năng được gọi là attention. Điều này giúp nó nối đại từ với danh từ ở xa, giữ nguyên các điều khoản của câu hỏi hoặc duy trì giọng điệu của đoạn.
Quá trình tạo là xác suất. Ở mỗi bước, mô hình gán xác suất cho các token tiếp theo có thể và chọn một theo các thiết lập như temperature. Thiết lập thấp hơn ưu tiên phần tiếp nối có khả năng cao và thường tạo văn xuôi ổn định hơn. Thiết lập cao hơn cho phép lựa chọn ít dự đoán hơn, có thể đa dạng hơn nhưng cũng bất ổn hơn.
Kết quả tốt thường đến từ chỉ dẫn rõ ràng. Prompt hữu ích xác định đối tượng, mục đích, định dạng, ràng buộc và giọng điệu mong muốn. Mô hình sau đó có thể thu hẹp lựa chọn. Biên tập, kiểm tra sự thật và bổ sung kiến thức trực tiếp vẫn thiết yếu, vì ngôn ngữ trôi chảy vẫn có thể chứa lỗi hoặc khẳng định không có căn cứ.
Sự khác biệt giữa mô hình hình ảnh, âm nhạc và mã
Hình ảnh
Bộ tạo hình ảnh thường dựa vào mô hình diffusion. Huấn luyện thêm nhiễu dần vào ảnh và dạy mô hình đảo ngược quá trình đó. Khi tạo ảnh, hệ thống bắt đầu với nhiễu ngẫu nhiên và thực hiện nhiều bước khử nhiễu được hướng dẫn bởi prompt văn bản. Bố cục, màu sắc và chi tiết xuất hiện qua quá trình lặp này.
Diffusion cho phép kết hợp các khái niệm có thể chưa từng xuất hiện cùng nhau trong dữ liệu huấn luyện, chẳng hạn như một phong cách nghệ thuật cụ thể áp dụng cho chủ đề bất thường. Nó cũng có thể gặp khó với chỉ dẫn không gian chính xác, chữ nhất quán và chi tiết giải phẫu chính xác. Cách diễn đạt prompt quan trọng, nhưng không có cách diễn đạt nào đảm bảo kiểm soát hoàn toàn.
Âm nhạc
Mô hình âm nhạc biểu diễn âm thanh hoặc ký hiệu âm nhạc dưới dạng chuỗi. Một số dự đoán nốt và nhịp; số khác tạo waveform âm thanh thô. Chúng có thể bắt chước các đặc điểm rộng như thể loại, tempo, nhạc cụ và cấu trúc. Việc tạo một bản phối hoàn chỉnh với hòa âm mạch lạc, lời bài hát và phát triển cảm xúc trong nhiều phút vẫn khó. Các motif và phác thảo ngắn thường đáng tin cậy hơn bản hoàn chỉnh.
Mã
Trợ lý mã áp dụng cùng quá trình dự đoán cho ngôn ngữ lập trình. Chúng dùng ngữ cảnh từ tệp hiện tại, tên hàm, nhận xét và đôi khi tài liệu dự án để đề xuất cách triển khai. Sức mạnh nằm ở việc khớp mẫu: các thuật toán phổ biến, phép biến đổi thường quy, kiểm thử và mã boilerplate là những mẫu thường gặp trong dữ liệu huấn luyện.
Tạo mã hiệu quả nhất khi yêu cầu chính xác và kết quả có thể kiểm thử. Một hàm có vẻ hợp lý có thể chứa lỗ hổng bảo mật tinh vi, phụ thuộc thư viện không khả dụng hoặc thất bại với các trường hợp biên. Đánh giá, kiểm thử tự động và tích hợp cẩn thận vẫn là một phần của phát triển có trách nhiệm.
Sáng tạo bắt đầu và kết thúc ở đâu
Mô hình tạo thành thạo việc tái kết hợp. Chúng có thể trộn chủ đề, tái cấu trúc ví dụ và đề xuất biến thể mà con người có thể chưa nghĩ tới. Tuy nhiên, chúng không có chủ đích, trải nghiệm sống hay cảm nhận đáng tin cậy về sự thật. Đầu ra phản ánh các mẫu chứ không phải mục đích.
Vài hạn chế xuất hiện lặp đi lặp lại:
- Thiên lệch huấn luyện: mô hình có thể tái tạo mất cân bằng hoặc khuôn mẫu có trong dữ liệu.
- Không chắc chắn về dữ kiện: cách diễn đạt hợp lý không đảm bảo chính xác, đặc biệt với chủ đề gần đây hoặc chuyên hẹp.
- Giới hạn ngữ cảnh: dự án dài có thể vượt quá thông tin mô hình có thể chú ý cùng lúc.
- Phong cách không nhất quán: yêu cầu lặp lại có thể tạo giọng hoặc chi tiết hình ảnh khác biệt rõ rệt.
- Lo ngại về tính nguyên bản: đầu ra có thể giống tác phẩm hiện có đủ gần để gây ra câu hỏi pháp lý hoặc đạo đức.
- Thiếu phán đoán: hệ thống không thể cân nhắc đầy đủ ý nghĩa xã hội, an toàn hay trách nhiệm chuyên môn.
Những ràng buộc này không làm các công cụ trở nên vô dụng. Chúng làm rõ sự phân công. Mô hình mang lại tốc độ, biến thể và điểm xuất phát; con người cung cấp mục tiêu, đánh giá, trách nhiệm giải trình và gu thẩm mỹ.
Quy trình thực tế cho người sáng tạo
Bắt đầu với brief cụ thể. Xác định tác phẩm dành cho ai, phải đạt điều gì và phải tránh gì. Yêu cầu mô hình đưa ra nhiều phương án khác nhau thay vì một câu trả lời hoàn hảo. So sánh kết quả, giữ các phần hữu ích và kết hợp chúng với vật liệu của riêng bạn.
Sau đó, xác minh mọi khẳng định, trích dẫn, số liệu và chỉ dẫn kỹ thuật từ nguồn có thẩm quyền. V��i tác phẩm hình ảnh, kiểm tra bố cục không sao chép nhân vật, logo hoặc tác phẩm nghệ thuật dễ nhận biết được bảo vệ mà không có sự cho phép. Với âm nhạc, xác nhận quyền liên kết với bản ghi được tạo. Với mã, chạy kiểm thử và xem xét phụ thuộc.
Cuối cùng, sửa đổi có chủ đích. Hệ thống tạo thành mạnh nhất ở việc tạo số lượng; con người mạnh nhất ở việc lựa chọn. Quy trình điềm tĩnh coi đầu ra là bản nháp, không phải phán quyết. Với prompt rõ ràng, xác minh cẩn thận và kiểm soát biên tập của con người, các công cụ này có thể tăng tốc ý tưởng và sản xuất trong khi giữ trách nhiệm sáng tạo đúng nơi của nó.
