互联网上最受欢迎的生成式人工智能指南

现在出现了一种新的人工智能，它可以通过一段简短的音频模仿某人的声音。如果你觉得现在有很多古怪的人工智能可以生成图像和文字等东西，那你就对了！由于这可能会让人感到困惑，我们为你写了一份快速指南。以下是过去 12 个月出现的一些最突出的人工智能。

瓦利

最新加入的 VALL-E 是微软研究人员开发的一种新型人工智能，它可以通过一段三秒的种子片段生成某人声音的完整模型。它经过了来自 7,000 多名说话者的 60,000 多个小时的英语语音训练，其工作原理是通过一种称为标记化的过程将种子片段的内容转换为离散组件，该过程将文本分解为称为标记的较小单元。然后，人工智能的神经网络根据从短片中获得的少数标记推测构成完整模型所需的其他标记听起来会是什么样子。结果（您可以在 VALL-E 网站上查看）非常令人震惊。

由于 VALL-E 等 AI 模型明显具有深度伪造用途，微软尚未向公众发布该模型。（微软此前曾投资 DALL-E 和 ChatGPT 所有者 OpenAI，据报道，微软还在商谈进一步投资数十亿美元。）尽管如此，它还是展示了这些生成式 AI 能够利用最小的种子做出什么样的事情。

达尔-E 2

OpenAI 的 DALL-E 2 于去年 4 月发布，可以说是掀起了最新的 AI 热潮。它可以根据文本提示创建原创图像，无论您想要的是逼真的图像还是完全不真实的图像。它甚至可以通过一种名为“outpainting”的技术扩展现有艺术作品的边界。

DALL-E 2 的最大优点是任何人都可以免费试用。第一个月，您将获得 50 个积分，每个积分允许您通过单个文本提示生成四种图像变体。之后，您每月可获得 15 个免费积分。

稳定扩散

OpenAI 控制 DALL-E 2 的访问权限，而 Stability AI 则对其图像生成器 Stable Diffusion 采取了不同的方法：将其开源。任何人都可以下载 Stable Diffusion，并使用功能相当强大的笔记本电脑创建极其逼真的图像和富有想象力的艺术品。

由于它是开源的，其他公司也能够使用 Stable Diffusion 来推出生成式 AI 工具。其中最出名的是 Lensa 的 Magic Avatars。使用这款智能手机应用程序，您可以上传 10 到 20 张照片，这些照片用于训练自定义的 Stable Diffusion 模型，然后生成数十个另类的艺术头像。

旅途中

图像生成领域中的另一个大牌 Midjourney 仍处于测试阶段，只能通过 Discord 频道访问。在过去的一年里，它的算法有了很大的改进。就我个人而言，与其他流行的图像生成器相比，我发现其当前模型（版本 4）创建的图像最引人注目、最自然。不幸的是，通过 Discord 访问它是一个奇怪的障碍，尤其是与 Stable Diffusion 或 DALL-E 2 相比。

GPT-3

OpenAI 的生成式预训练 Transformer 3 或 GPT-3 语言模型实际上于 2020 年发布，但随着任何人都可以使用的聊天机器人 ChatGPT 的发布，它在过去几个月中成为头条新闻。它对各种问题和提示的回答通常很准确，而且在许多情况下与人类写的东西没有区别。它引发了关于大学未来如何检测抄袭行为的严肃讨论（也许使用人工智能检测人工智能）。此外，它还可以写有趣的诗歌。

虽然 ChatGPT 是迄今为止世界上最明显的 GPT-3 实例，但它也为其他 AI 工具提供支持。在PopSci上，在列表中的所有生成式 AI 中，我们怀疑它是您接下来会听到更多有关它的一个。

法典

OpenAI 的 GPT-3 不仅擅长生成搞笑的歌曲和短文，它还能够帮助程序员编写代码。这个名为 Codex 的模型能够根据自然语言提示生成十几种语言的代码，包括 JavaScript 和 Python。在演示页面上，你可以看到一段简短的视频，视频中一个浏览器游戏的制作过程无需编写一行代码。这真是令人印象深刻！而且 Codex 已经投入使用：GitHub Copilot 使用它来自动建议完整的代码块。它就像是强化版的自动完成功能。