2022年是生成式AI發展進程中的重要一年。大型語言模型在生成文本和軟件代碼方面不斷取得進展。與此同時，隨著DALL-E2、Imagen和StableDiffusion等模型的引入，人們看到了文本到圖像生成器的巨大進步。
谷歌Parti使用Transformers從文本令牌創建圖像
谷歌DreamBooth對生成模型進行微調，以在不同的環境中顯示特定的主題
2022年還標志著生成式AI模型的產品化加速。生成模型的科學和技術如今已經發展成熟到能夠解決實際問題的地步。像微軟和谷歌這樣的公司正在尋求一個新市場中占據領先地位的方法，這可能會改變創造力的未來。
谷歌公司在其日前舉辦的AI '22大會上，展示了在其產品利用生成模型的路線圖。其戰略可能是該領域的發展方向和未來競爭可能發生變化的前奏。
谷歌的生成模型進展
谷歌Parti使用Transformers從文本令牌創建圖像
在AI '22會議上，谷歌研究中心首席科學家Douglas Eck列出了該公司目前在四個領域對生成模型的研究：文本、源代碼、音頻、圖像和視頻。
谷歌目前正在所有這些領域運行測試項目，著眼于在未來創建產品。Wordcraft Writers Workshop致力于幫助作者在寫作中從大型語言模型中獲得幫助。這是一個使用語言模型LaMDA根據用戶提供的提示生成文字的工具。該工具被設計成在一個迭代過程中使用模型，在這個過程中，作者和大型語言模型(LLM)進行交互，共同創建故事。
Eck說，“使用LaMDA來寫一個完整的故事將成為了一個死胡同。當它用來增加趣味、為特定角色或增強故事的某個方面時，這可能是一個更有效的工具。用戶界面也必須是正確的。Wordcraft工具是從頭開始設計的，可以讓作者與生成模型進行交互。”
學習代碼是一個使用大型語言模型(LLM)為開發人員生成代碼建議的項目。谷歌目前正在內部測試該工具，它包括單行和多行代碼完成建議。
AudioLM使用語言模型生成音頻。該模型將一個音頻樣本作為輸入。它可以用來生成音樂和語音。
也許Eck在AI '22會議上展示的最先進的模型是文本到圖像模型Imagen和Parti。Imagen的工作原理類似于OpenAI的DALL-E2，它使用擴散模型將語言嵌入轉化為圖像。Parti使用Transformers架構從文本標記生成圖像。DreamBooth是一個可以調優文本到圖像生成器(如Imagen)的模型，以在不同的場景中顯示主題。DreamFusion將擴散模型的功能與神經輻射場(NeRF)結合起來，神經輻射場(NeRF)是一種深度學習架構，可以從2D圖像創建3D模型。
谷歌DreamBooth對生成模型進行微調，以在不同的環境中顯示特定的主題
Eck還展示了谷歌與Imagen Video和Phenaki在視頻生成方面的研究的預覽。Imagen Video使用擴散模型創建一系列高分辨率圖像，這些圖像可以拼接在一起創建視頻。Phenaki基于Transformers架構，將文本提示序列轉換為圖像序列。Imagen Video和Phenaki結合使用，可根據提示序列創建高分辨率視頻。
谷歌的生成模型戰略
Eck在會上演講中明確表示，生成式模型并不意味著自動化或取代人類的創造力。“這不再是一個創造現實畫面的生成模型，而是自己創造的東西。技術應該滿足我們的需要，讓我們對自己的工作有代理權和創造性的控制權。”
在討論谷歌的“負責任的AI”戰略時，他進一步強調了這一點，并在演講結束時說：“創造力是使我們成為人類的重要組成部分。我認為在構建這些AI系統時，牢記這一點很重要。”
Eck的一些言論是為了緩解生成式AI模型取代人類創造力的恐懼(這在很大程度上被夸大了)，強調積極的影響，將該領域轉向以人為中心的AI。AI系統應該以一種提供透明度和控制的方式設計，以增強人類的能力。如果沒有人類的控制和監督，生成模型等AI系統將表現不佳，因為它們無法像人類一樣掌握基本概念。
谷歌能在生成式AI領域獲得競爭優勢嗎？
AI研究和產品化之間的差距很難彌合。當然，谷歌的大型語言模型(LLM)和文本到圖像模型的質量不會低于OpenAI的GPT-3和DALL-E2。但問題是，谷歌能否基于這些模式推出成功的產品?
在考慮將技術產品化時，需要考慮以下一些問題：這項技術會成為新產品的基礎技術嗎?如果沒有，它會被集成到現有的產品中嗎?它解決的是什么問題，目前存在的替代解決方案是什么?產品是否提供了足夠的附加值來說服用戶轉換?它是否有助于鞏固企業在現有市場中的地位?
企業通常會將技術帶到他們擅長的領域或市場。在寫作領域，微軟領先于谷歌。Office 365的市場份額超過了GSuite，在將大型語言模型(LLM)集成到其產品中方面，微軟公司已經領先一步。
微軟在GitHub Copilot和Codex的編碼方面也處于領先地位，它們已經進入生產模式，而不是谷歌的內部代碼生成工具。谷歌最受歡迎的開發工具是Colab和Android Studio，這將為它提供一個測試和推出代碼AI的場所。但這些集成開發環境(IDE)的市場份額無法與微軟的Visual Studio Code和GitHub Codespaces(也屬于微軟)相提并論。
在圖像、視頻和音頻領域，Adobe公司將成為生成式AI的贏家。Adobe公司已經擁有最大的市場份額和完善的工具，并定期更新AI功能。Adobe已經在其工具套件中嘗試生成式AI工具。
然而，這并不意味著現有這些公司一定會主導生成式AI領域。目前，從目前使用的工具(如文字處理器、集成開發環境和圖像編輯應用程序)的角度來看待生成模型。基本上，行業廠商正在研究生成模型如何自動化或改進已經在做的任務(完成句子、編寫代碼塊、編輯或生成照片等等)。當他們創造新的工具系統和工作流程時，AI的真正潛力將得到充分發揮，這些工具和流程能夠充分利用生成模型和AI的其他進步，以完全不同的方式來實現目標。
正如谷歌重塑了信息發現模式，亞馬遜隨著網絡的普及重塑了購物模式那樣，發現并擁抱AI新機遇的企業必然會改變市場現狀或塑造新的市場。
