AI按理说应该最擅长理工,为啥先冲击文艺行业?

简介: AI按理说应该最擅长理工,为啥先冲击文艺行业?

知乎上有个热问,AI按理说应该最擅长理工,为啥先冲击文艺行业?

排名第一的回答说,理工容不得出错,文艺行业容错很高。

a02c846cff4ccc260ed724e54b8899ca.jpg

这确实是个合理的解释,大模型像个黑匣子,很难解释其中的原理,自然较难应用在主打精准的理工领域。

但其实AI不只是大模型,像机器学习、深度学习、神经网络、机器人都属于AI。

所以AI先冲击文艺领域,这可能是个错觉吧,就像娱乐圈明星们打个喷嚏都会上新闻,而航天飞船采用了某项最先进的AI技术,大家压根就不会关心,当然也不会知道。

AI什么时候开始进入大众视野?应该是2016年谷歌的AlphaGo下围棋4比1干翻了李在石,一下子名声大噪。

04d6ad827e1a7c6b0efb21a20ba0d124.jpg

AlphaGo用的技术是深度神经网络和蒙特卡洛树搜索,其实已经在工业界广泛应用了,比如机器视觉。

但给人的感觉是AI会下棋,仅此而已,后面的几年AlphaGo就没再掀起什么大的水花。

这是第一次AI给人造成在文艺行业有两把刷子的印象。

接下来到了2022年底,Openai的Chatgpt横空出世,一个比Siri聪明一百倍的聊天机器人(不是同一个物种),让大众有一种卧槽的感觉,它怎么这么懂我!

a75ece5b5a54b85be435955651ad5c78.jpg

Chatgpt底层也是深度学习、神经网络,然后基于transform架构,被喂了大量的数据,称之为大模型,可以更好的理解上下文逻辑和联系,所以适合聊天。

这是第二次AI在文艺行业走出了虎虎生威的气势,而且比第一次更具颠覆性,在全球掀起了AI飓风。工业界、文艺界、商业界等都在大聊AI。

第三次就是前不久Openai开发出的Sora,可以文生视频,制作出大片效果的片段。一下子在自媒体圈、影视圈、广告圈等沸腾起来了。

6b913d75e61cb6dbf33b3a9fdbd24074.jpg

Sora也是基于transform架构的大模型,不过内容方向是视频,和ChatGPT底层技术并没有多大差异。

我们公司也组织了不少AI大模型的学习培训,但说来说去都是生成对话、智能客服之类的场景,目前还未触及到实质的业务。

往往文艺界应用都拥有广泛的群众基础,比如聊天工具、短视频、下棋、换脸、AI人等等,而且这类应用并不需要很精准可解释的技术,下棋错就错了,没啥大毛病,所以AI更容易也更没有负担的在文艺界开花结果、深受欢迎。

但其实AI是最先应用在科技行业的,只不过不出圈而已,比如上个世纪80年代,就已经开始用机器学习预测市场规律了。

后来出现大量应用工业领域的AI产品,像Deepmind AlphaFold破解蛋白质结构、波士顿动力Atlas人形机器人、特斯拉Autopilot自动驾驶系统等等。

4e4fb95126b6a4c552f6f26916a53f2b.jpg

AI冲击文艺界是好事,说明它真的触碰到普通人的生活了,会有越来越多的场景被挖掘,人类再一次的效率革命在加速到来。

相关文章
|
6月前
|
人工智能
AI与艺术:数字时代的新文艺复兴
本文探讨了人工智能在艺术创作中的应用及其对传统艺术观念的挑战。通过分析AI技术如何改变艺术创作的流程和审美标准,文章揭示了这一技术革新如何引发文化领域的深刻变革。
|
7月前
|
人工智能 安全 自动驾驶
AI日报:麻省理工学院专家呼吁扩大人工智能治理和监管
AI日报:麻省理工学院专家呼吁扩大人工智能治理和监管
|
机器学习/深度学习 传感器 人工智能
微软AI单凭文字就可作画,谁最先受到冲击?
马云曾说:“三十年后,《时代》杂志封面年度最佳CEO说不定是个机器人。”
微软AI单凭文字就可作画,谁最先受到冲击?
|
机器学习/深度学习 人工智能 机器人
AI研究新动向:“知识工人”很有可能会遭受未来自动化的极大冲击
一项新的人工智能研究表明,薪资更高,文化程度更高的工人受自动化的影响可能比以前想象的要大。长期以来,机器人革命一直被认为对于蓝领工人来说是世界末日,他们的任务是手动且重复的。
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
61 10
|
1天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
12月14日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·湖南大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
8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与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
13天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
18天前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
290 34