本地生活技术雷达——生成式AI(Generative AI)在阿里本地生活的应用与思考

本文涉及的产品
视觉智能开放平台,视频资源包5000点
视觉智能开放平台,分割抠图1万点
视觉智能开放平台,图像资源包5000点
简介: 本地生活技术雷达是由本地生活技术中心战略管理&PMO团队开展的,定期扫描和评估新兴技术的战略研究工作。目的是对技术趋势进行前瞻性预判,提出新技术布局建议,在技术驱动业务创新和业务增长、践行社会责任等方面有一些实质性探索。本篇尝试探讨1)理解AI范式——从分析型(Analytical AI)到生成式(Generative AI)的拐点在2022年,其对人类社会以及商业模式的长期影响;2)生成式AI(文生文、文生图、图生图等)在本地业务目前场景的应用和未来的方向。欢迎技术、产品、运营、战略、管理层、国内国际等各种视角的指点和碰撞!

一、AIGC的重要发展拐点和历史进程



1.从Analytical AI到Generative AI的转移

     此前的分析型AIAnalytical AI)是根据已有数据进行分析、判断、预测,典型应用为内容的智能推荐(短视频)、自动驾驶等;生成式AIGenerative AI)更强调学习归纳后进行演绎创造,生成全新的内容。



2.算法迭代的理解

     在预训练大模型的基础上,AI生成能力的落地体现2022年主要在两个维度:1Text-to-Image生成模型的代际性迁移所带来的高质量、快速、多样性三者兼得的大规模应用落地;2)开放域生成式对话工具(Text-to-TextTransformer-basedChat-GPT的提出。

从第一个Text-to-Image生成模型的演变来看

image.png

从第二个Text-to-Text Transformer-basedChatGPT的提出来看

image.png

3.实际行业应用

对行业格局的理解:尽管AIGC需要巨量算力、资金和研发人才、调参人员,Generative AI本质是一个"巨头的生意",目前成立的大量创业公司会被收购或者消失,但行业的生态位和社会化分工依然给中小玩家和垂直领域提供了机会。

image.png



尽管不同领域的成熟度不一样,从应用历史进程预测来看,Gartner预测从文字生成文字的能力到2025年水平高于人类平均水平。

image.png

具体代表性公司如下:这里面的成熟度每天日新月异,公司的代表性产品也在不断迭代和拓展,欢迎大佬们随时Update

image.png

具体来举两个市场上的创业公司生动的例子,玩起来~

(别着急,本地生成能力例子也有,在后面,请一直看下去O(_)O~!)

一个生成文案

image.png



一个生成图片

image.png



最近Microsoft Bing的发布会上结合ChatGPT后新的搜索引擎的对复杂问题的解决/生成能力

image.png

4.生成式AI对行业和工作方式影响的预判

中短期,text-texttext-imagetext-videoimage-imageimage-video等技术还在不断成熟,主要对内容相关行业有较大影响,对电商等运营驱动行业,在营销、商品、客服等环节有局部影响

中长期,在text-x单维度能力成熟后,将演变为以业务\运营目标为导向的多维度组合生成能力,改变软件交互方式,在线上化-实时化-智能化发展过程中,智能化阶段从目前的分析\决策智能化演进为分析\决策智能化+生成智能化(多维度内容组成的场景),对以运营为主的互联网公司会产生综合影响。以营销活动会场搭建为例,将基于营销活动目标、活动主题等,智能化生成包含textimagevideo等内容形态的营销会场等。

(这里有共鸣的小伙伴欢迎来举例!)

image.png



在落地先后的判断上,预计设计师比程序员更早受到实际影响,一是模型技术成熟度,二是两者对生成内容的容错率不同,三是设计和创作行业已验证所需成本因AIGC大幅降低。可参考A16Z

各位技术大神、设计大神可能都有一些使用这类AIGC工具的反馈,欢迎大家来聊自己的体验和判断!你的反馈可能是下一个深入研究的入口~



5. 行业性挑战问题

image.png



二、阿里集团在生成式AI的相关能力布局

image.png



三、生成式AI在本地生活的应用场景及技术布局建议



中短期2年内投入资源优先级思考

这里Highlight1AIGC在商品信息质量管理中降本提效的作用,以及2)作为整体AI发展的重要基建:垂直领域的多模态知识图谱。image.png





具体看Text-to-text场景

image.png



具体看Text-to-image场景

image.png





具体看Image-to-Image场景

image.png



具体看Text-to-text生成对话能力

image.png



具体看多模态知识图谱

image.png





四、参考学习

在这里冒昧放一张淘宝META技术在AIGC方向的探索,作为我们学习和参照的落地方~

image.png



五、思考和未来探索

image.png

Last but not the least

 

 





 

相关文章
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
5天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
37 3
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
28 1
|
4天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
6天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
35 10
|
7天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
5天前
|
存储 人工智能 固态存储
如何应对生成式AI和大模型应用带来的存储挑战
如何应对生成式AI和大模型应用带来的存储挑战
|
8天前
|
传感器 人工智能 算法
AI在农业中的应用:精准农业的发展
随着科技的发展,人工智能(AI)在农业领域的应用日益广泛,尤其在精准农业方面取得了显著成效。精准农业通过GPS、GIS、遥感技术和自动化技术,实现对农业生产过程的精确监测和控制,提高产量和品质,降低成本和环境影响。AI在作物生长监测、气候预测、智能农机、农产品品质检测和智能灌溉等方面发挥重要作用,推动农业向智能化、高效化和可持续化方向发展。尽管面临技术集成、数据共享等挑战,但未来前景广阔。
|
9天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
50 4
|
9天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用及其未来趋势
【10月更文挑战第34天】随着人工智能技术的飞速发展,其在医疗领域的应用也日益广泛。本文将探讨AI技术在医疗诊断中的具体应用案例,分析其对提升诊断效率和准确性的积极影响,并预测未来AI在医疗诊断中的发展趋势。通过实际代码示例,我们将深入了解AI如何帮助医生进行更精准的诊断。

热门文章

最新文章