SEA:生成 AI 的下一步发展是多模型吗？_OPEN

原文作者：Shritama Saha，由 DeFi 之道编译。

生成式 AI 的出现就像您身边多了一位个人创意天才。 凭借其分析模式和基于模式开发新内容的卓越能力，生成式 AI 可以创造一切，从令人惊叹的数字艺术到原创音乐作品、人类文本等等。

然而，生成式 AI 的炫酷之处也带来了 AI 艺术中复杂的盗版和版权侵权问题。 尽管如此，在过去两年中，该细分市场出现了惊人的增长。

在一次独家采访中，OpenCV 首席执行官 Satya Mallick 博士告诉 Analytics India Magazine，他认为生成式 AI 的最大突破是大语言模型或基础模型的发展，并指出 Transformer 模型，例如那些在视觉转换中使用的模型是该领域的一项重大创新。

根据 Mallick 的说法，生成 AI 的下一步是多输入和多媒体输出。 换句话说，多模型方法。

Cybozu推出Web3和生成式AI投资基金kintone Teamwork Fund:7月5日消息，日本企业Cybozu推出企业风险投资（CVC）kintone Teamwork Fund，将在新服务开发、Web3和生成式AI等新技术领域进行投资。

该基金已从7月4日开始招募希望获得投资和支持的初创公司，将为入选者提供投资和商业化支持。[2023/7/5 22:19:22]

微软最近推出了一种名为 Kosmos-1 的多模型大语言模型 (MLLM)。 人工智能研究工作室 Alethea.AI 推出了 CharacterGPT，它可以从文本中生成字符。 两年前，Google AI 还发布了 MURAL：Multimodal, Multitask Representations Across Languages 模型，用于图文匹配。 它部署了应用于图像-文本对的多任务学习，并结合了涵盖 100 多种语言的翻译对。

生成艺术Art Blocks过去24h成交量超12,000枚ETH:9月28日消息，据Nansen数据，过去24h，生成艺术Art Blocks成交量超12,000枚ETH。除了成交量上涨，对比前日，独立买家数量同样大幅上涨，此外许多知名买家正在买入。27日当天成交量达11,929枚ETH是自8月30日以来成交量最多的单日。[2021/9/28 17:11:15]

然而，马利克说，“它有两个基本的限制，包括可以获得多少数据——是否有办法避免需要注释数据和缺乏计算能力——尽管预计未来会增加 ”。

Mallick 是 IIT-Kharagpur 校友，也是加州计算机视觉公司 Big Vision 的创始人。 早在 2006 年，当没有人真正了解 AI 或其巨大潜力时，Mallick 与他人共同创立了 TAAZ——一家为美容和时尚行业创建视觉和学习解决方案的计算机视觉公司。

Fetch.ai推出人工智能生成的艺术品NFT平台Colearn Paint:8月25日消息，区块链人工智能实验室Fetch.ai为人工智能生成的艺术品推出了一个新的NFT市场Colearn Paint。据悉，Colearn Paint允许创作者群体自动生成并集体拥有由机器学习算法设计的NFTs。用户将通过三个步骤来创建随机生成的NFTs。第一步需要通过荷兰式拍卖进行投标，以参与集体学习过程。中标者将输入一个 \"随机性模式\"，并从预先安排的人工智能生成的选项中选择艺术品。最后一步是创建和销售NFT，允许用户在他们之间分配利润。（Cointelegraph）[2021/8/25 22:35:51]

OpenCV 是一个开源计算机视觉和机器学习软件库，由英特尔于 1999 年创立。英特尔前计算机视觉工程师 Gray Bradsky 与主要来自俄罗斯的工程师团队开发了它。 他在英特尔工作期间开发了 OpenCV 的第一代迭代。 2002 年，他们发布了该软件的 0.9 版开源版本。

社群共同生成的“重修巴别塔”NFT艺术品以16.1枚ETH竞拍成功:据官方消息，美东时间5月3日，由Metis发起的由社群共同生成的NFT“重修巴别塔”活动正式结束，这个体现了256个部落共同协作的NFT艺术品最终由钱包地址为0x23c9c250fc497906bdc790f417e53bfc50a43e5c的买家以16.1 ETH竞拍成功，价格约为5万美元。

此次活动从4月21日开始，在为期13天的活动中，共有12118个钱包地址参与，仅耗时100分钟就生成了2560个遍布在全球的部落，其中有1204个部落满员（被15个人信任）。按照计划，16.1 ETH将在扣除OpenSea的手续费后，由艺术家和参与的256个社群共同分享，每个社群可以分配的比例为其部落算力占所有256个部落算力总数之比。[2021/5/4 21:21:49]

该公司最近推出了两门新课程，作为其“Kickstarter 活动”的一部分，内容涉及如何使用 AI 高效地创作艺术。 第一门课程《人人都能 AI 艺术生成（AI Art Generation for Everyone）》不需要任何 AI 或编程背景，而第二门课程《高级 AI 艺术生成（Advanced AI Art Generation》则需要基本的编程知识。

AI 生成的艺术有能力彻底改变艺术世界并发掘未开发的可能性。 然而，它也带来了盗版和版权侵权的复杂挑战，引发了人们对所有权和知识产权的担忧。

最近，像 Midjourney 和 Stability AI 这样的图像生成平台因使用艺术家的作品来训练他们的生成 AI 算法而被起诉，激怒了艺术家社区。 与此同时，Shutterstock 通过引入自己的 AI 工具采取了更负责任的立场，与 Getty Images 形成鲜明对比的是，Getty Images 禁止在生成 AI 艺术作品中使用其照片。

Mallick 博士将 YouTube 早年与版权威胁的现状相提并论。 他说，与 YouTube 类似的解决方案，由像谷歌这样的大公司参与进来，谈判交易并向版权所有者付款，可以在这里发挥作用。

OpenAI 广受欢迎的聊天机器人 ChatGPT 在不到三个月的时间里获得了超过 1 亿用户，使其成为家喻户晓的名字。 截至 2023 年 2 月，ChatGPT 的每日访问量超过 2500 万次。 但与 ChatGPT 相比，文本-图像模型（如 OpenAI 的 DALL-E 或 StabilityAI 的Stable Diffusion）的采用率存在明显差距。

Mallick 解释说，ChatGPT 拥有如此高采用率的主要原因之一是因为写作能力是每项工作所需的主要技能，无论你是程序员、作家还是社交媒体经理。 在 OpenAI 和贝恩公司的帮助下，甚至可口可乐也在使用生成式 AI 进行营销。

此外，随着研究人员结合不同的技术和方法，生成式 AI 正在巩固并变得更加复杂。 通过利用 NLP 和计算机视觉的优势，Stable Diffusion 模型代表了生成式 AI 向前迈出的重要一步。

传统的生成模型，如生成式对抗网络 (GAN)，由于缺乏语言概念，因此理解世界的能力有限。 虽然 GAN 可以创建逼真的图像，但它们需要使用特定的数据集进行训练，例如人脸或猫的图像。

相比之下，Stable Diffusion 模型利用从文本数据中获得的知识来理解单词如何聚集在一起并与世界相关。 这使他们能够在不依赖特定数据集的情况下生成更复杂和多变的图像。

他说，“Stable Diffusion 模型是生成式 AI 的重大进步，正是因为它们不依赖监督学习。 通过利用从无监督学习中获得的知识，这些模型可以生成复杂多样的图像，而无需手动标记数据，从而使其更加灵活。”

Kyle

个人专栏

阅读更多

金色财经 善欧巴

金色早8点

Arcane Labs

MarsBit

Odaily星球日报

欧科云链

深潮TechFlow

BTCStudy

澎湃新闻

标签：SEAOPENETHDIGSearch Engineopen币团队ETHO币DIGIS币

MATIC热门资讯