Generativ AI: Termer och Definitioner

Sammanfattning:

• Introduktion till Generativ AI och dess grenar
• Allmänna termer för Generativ AI
• Ljudspecifika termer för Generativ AI
• Videospecifika termer för Generativ AI
• Andra specifika tillämpningar
• Vanliga frågor (FAQ)

Introduktion till Generativ AI

På sistone verkar det som om alla pratar om generativ AI. Stora språk- och text-till-bild-modeller som ChatGPT, Stable Diffusion eller Midjourney har skapat mycket uppståndelse i teknikvärlden och bortom. Många anser dem vara bland de mest betydelsefulla utvecklingarna inom AI på senare tid. Oavsett om du håller med eller inte, verkar den allmänna känslan vara att något mycket kraftfullt har dykt upp.

Generativ AI syftar brett sett på en klass av maskininlärningsmodeller som kan skapa nytt innehåll, vare sig det är text, bilder, musik eller röster. Denna 'generativa' process innebär att modellen lär sig från befintlig data och sedan använder sin förståelse för att generera nytt innehåll. Vilken typ av innehåll dessa modeller kan producera beror på det innehåll de har tränats på.

Grunden för denna explosion av AI-kapaciteter lades när 'djupinlärning' blev populärt och den magiska kombinationen av stora datamängder och kraftfulla datorer som kör neurala nätverk dramatiskt förbättrade datorers förmåga att känna igen bilder, bearbeta ljud och spela spel. Så pass att datorer i slutet av 2010-talet kunde utföra många av dessa uppgifter bättre än någon människa.

På ElevenLabs fokuserar vi främst på ljudaspekten, men generativ AI har gjort betydande framsteg inom olika områden:

• Text: Exempel inkluderar Chat-GPT, Bard.
• Bild: Anmärkningsvärda teknologier är Stable Diffusion, Midjourney, DALL-E.
• Röst: ElevenLabs

• Musik: MusicLM gör succé, och snart kommer ElevenLabs att ansluta sig till scenen.
• Video: Gen1 är en anmärkningsvärd nämnare.
• Kod: Codex är en ledare inom generativ kod-AI.
• Kemi: AlphaFold gör revolutionerande förändringar inom molekylstrukturer.

Allmänna AI-termer

• Artificiell intelligens (AI): Simulering av mänsklig intelligens i maskiner, vilket gör det möjligt för dem att utföra uppgifter som vanligtvis kräver mänsklig intelligens, såsom visuell perception och beslutsfattande.
• AI som en tjänst (AIaaS): Erbjuder AI-tjänster via molntjänster, vilket gör det möjligt för individer och företag att använda AI-verktyg utan de associerade infrastrukturkostnaderna.
• AI-bias: Oönskade och ofta skadliga fördomar i AI-utdata på grund av fördomar i data, träning eller algoritmer.
• AI-styrning: Ramverket för att säkerställa att AI-system fungerar inom definierade etiska och tekniska gränser.
• Datasekretess: Säkerställa att personuppgifter som delas med AI-system förblir konfidentiella och inte missbrukas.
• Djupinlärning: En delmängd av ML som använder neurala nätverk med flera lager för att analysera olika faktorer av data.
• Företags-AI: AI-verktyg och applikationer specifikt utformade och implementerade för affärsverksamhet.
• Förklarbarhet/tolkbarhet: I vilken utsträckning en maskins handlingar och beslut kan förstås av människor.
• Finjustering: Processen att förfina en förtränad modell på en mindre, specifik dataset.
• Modell: Inom maskininlärning är en modell resultatet av en maskininlärningsalgoritm som körs på data.