奇魂AI生成式人工智能的边界在哪里？

近年来，机器学习尤其是深度学习迎来了爆发式的增长，各种深度学习模型与各行业的落地产品层出不穷，深度学习爆发出无限的生机和活力。 我们比较熟悉的是用一个深度学习模型来做分类或回归任务，帮助人们进行自动化的条件判断。 然而除此类模型之外，近几年深度生成模型也如雨后春笋一般，飞速的发展起来。

传统的判断式人工智能，如人脸识别、文字提取等技术，即人工智能系统通过学习来进行识别和判断，而生成是人工智能与之最大的区别是，能够理解我们的指令，并根据指令去生成全新的内容展现。

请我们考虑这样一个场景， 假定我们有一个分类效果良好的深度学习网络。它有很高的准确率，对于常规的任务来说游刃有余。 但当我们将一个添加了些许噪音的图片输入模型之后 （这些改变在人类看来基本没有差别） 模型就发生了非常离谱错误。

举一个很简单的例子，传统的判断式人工智能会告诉我们，一张图片上的动物是猫是狗还是马，而生成式人工智能已经具备创造，可参考奇魂AI基于生成式人工智能所带来的创作效果：

首先，我们给出指令：“画一个正在上楼梯的猫。”后，系统自动生成四张正在上楼的猫：

注意此时系统所生成的猫各式各样，如果我们想要一种特定颜色呢？那我们只需要告诉他：“我要的是一只正在上楼梯的白色猫。”

所有的猫都变成白色的了，那我们感觉第一只猫还不错，想看看他正面长什么样，随后我们输入了：“我想让第一张图的猫脸正对着我。”

这只猫就开始各个角度的正面看像我们。而后，想整一些恶趣味，我们告诉系统：“我还想让猫从楼梯上走下来。”几秒钟后，

到这里，生成式人工智能得以诠释，这仅仅是最基础的系列功能，它可以被定义为一种人工智能技术，它可以使用机器学习技术来批量生成富含信息的新内容。它可以利用用户输入的数据和学习已经存在的原始数据，从而生成高质量的、充满创造性的新内容。

生成式AI可以作为Web3.0的生产工具，但Web3.0中的应用仅是其应用的冰山一角。 Web3.0围绕去中心化的理念展开，结合区块链、智能合约、加密货币等技术，核心是产生的数据由用户拥有， 能够改变用户数据及原创内容等均由互联网中心化实体控制的现状，在创作者经济中取得更好的平衡从而提 升用户创作内容的积极性。生成式AI在内容领域的应用能够满足用户不断提升的创作需求，但这仅是其应用的 冰山一角。 生成式AI在广大垂直领域的应用带来的是AI用途的结构性改变以及生产力的进一步提高，未来可能创造巨大 的市场价值。

当下的人工智能，不仅仅会下围棋，甚至会作诗作曲。甚至下围棋已经实现了打谝人类无敌手，写的诗往往也以假乱者像那么回事。甚至AlphaGo已经成了人工智能的一面旗帜。我们不仅要问，这些原来只有人类能够参与的领域，是否未来可以完全被人工智能替代呢。其实很简单， 如果一个领域，只要输入规则便可以无限循环往复发展，那么确实可以被人工智能替代 。但是艺术是规则吗，我们今天看诗、听曲、欣赏画，也许可能因为一个固定的手法和标准，就认定作者水平有限。有了一定标准就认定作品还可以，这种方式咱们老祖宗几千年的科举早就实践过了。

你在一幅画中看到了时代、看到了自己，看到了曾经的时光，你沉浸在画带给你的美好感觉中，无论它是否具备具备那些所谓的手法，你都会体验到一种舒畅。这种舒畅不源于理性，源于你的意志，源于那些你之所以为人的根本原因。艺术原本就是人类在 历史 中的灵感乍现，通过艺术的美我们在一瞬间感受到了世界的真谛，说不清也道不明，机器又如何评价呢。

人尚且是有限的。正如康德所揭示的，人类看待世界，总是在人类所局限的框架之中。人工智能的存在，让我们用机器去无限接近我们自己的框架。我们不知道自己的框架是如何搭建起来的。

当游戏里的NPC突然一下得到了主体性，他/她们开始思考，开始判断，那么人工智能就仿佛走到了学科的终点。而这个“突然”究竟是什么，就连人类本身也无法得知。 而这种鸿沟，是人类自己的任务，是人类自己的有限性 ，我们尚不得而知，何况机器。