原文作者：Shritama Saha，由 DeFi 之道编译。
生成式 AI 的出现就像您身边多了一位个人创意天才。 凭借其分析模式和基于模式开发新内容的卓越能力，生成式 AI 可以创造一切，从令人惊叹的数字艺术到原创音乐作品、人类文本等等。
然而，生成式 AI 的炫酷之处也带来了 AI 艺术中复杂的盗版和版权侵权问题。 尽管如此，在过去两年中，该细分市场出现了惊人的增长。
在一次独家采访中，OpenCV 首席执行官 Satya Mallick 博士告诉 Analytics India Magazine，他认为生成式 AI 的最大突破是大语言模型或基础模型的发展，并指出 Transformer 模型，例如那些在视觉转换中使用的模型是该领域的一项重大创新。
根据 Mallick 的说法，生成 AI 的下一步是多输入和多媒体输出。 换句话说，多模型方法。
以太坊创世区块生成已满8周年整:金色财经报道，据CoinGecko数据显示，2015年7月30日，以太坊正式上线。区块高度为0的创世区块于UTC时间03:26:13诞生，区块奖励为 5 ETH。目前以太坊主网已运行8周年整。
在过去8年内，以太坊网络累计处理20.4亿笔交易，累计消耗约165亿美元手续费。[2023/7/30 16:07:29]
微软最近推出了一种名为 Kosmos-1 的多模型大语言模型 (MLLM)。 人工智能研究工作室 Alethea.AI 推出了 CharacterGPT，它可以从文本中生成字符。 两年前，Google AI 还发布了 MURAL：Multimodal, Multitask Representations Across Languages 模型，用于图文匹配。 它部署了应用于图像-文本对的多任务学习，并结合了涵盖 100 多种语言的翻译对。
英伟达推出面向大语言模型和生成式 AI 的云服务产品:金色财经报道，英伟达宣布推出一组云服务产品，能够使企业构建、优化和运行定制的大型语言模型和生成式 AI 模型。Getty Images、Morningstar、Quantiphi 和 Shutterstock 等公司将创建和使用利用新的 NVIDIA AI Foundations 服务构建的 AI 模型、应用和服务。企业还可使用 NVIDIA NeMo?语言服务和 NVIDIA Picasso 图像、视频和 3D 服务来构建专用的、特定领域的生成式 AI 应用，用于智能聊天和客户支持、专业内容创作、数字模拟等。英伟达还宣布了用于生物学的 NVIDIA BioNeMo?云服务的新模型。此外，英伟达还推出了针对生成式 AI 应用进行优化的四种推理平台，可帮助开发者快速构建专门的、由 AI 驱动的应用。（界面新闻）[2023/3/22 13:18:38]
然而，马利克说，“它有两个基本的限制，包括可以获得多少数据——是否有办法避免需要注释数据和缺乏计算能力——尽管预计未来会增加 ”。
Opensea：使用免费铸造工具生成的NFT超80%都为剽窃或滥用:2月1日消息，NFT平台Opensea日前在推特承认，使用该平台免费铸造工具创建的NFT中，超过 80% 的项目都是剽窃、虚假或滥用的作品。同时Opensea表示，近期其团队观察到滥用该功能的情况呈指数级增长。
针对上述情况，近日Opensea曾对免费铸造每个NFT时可使用的“item”（物件/组件）数量进行限制，但遭到创作者反对。Opensea日前撤销了该决定，并表示正在研究多种解决方案来阻止不良行为。（Opensea）[2022/2/1 9:25:44]
Mallick 是 IIT-Kharagpur 校友，也是加州计算机视觉公司 Big Vision 的创始人。 早在 2006 年，当没有人真正了解 AI 或其巨大潜力时，Mallick 与他人共同创立了 TAAZ——一家为美容和时尚行业创建视觉和学习解决方案的计算机视觉公司。
动态 | Algorand 提出在第一层实施可替代代币生成和原子多方转移执行的方案:Algorand宣布推出两项新功能，通过在区块链第一层实施可替代代币生成和原子多方转移执行的方案，消除第二层扩容方案中存在的智能合约复杂性问题。这两项新功能包括生成新的可替代代币和执行原子多方转移（AMPT），均在区块链的第一层实施，并将成为 Algorand 共识协议的一部分，安全、高效且易于使用。Algorand 的目标是在第一层中实现一套通用智能合约的功能模版，未来还将推出非可替代令牌（NFT）的模块选项。[2019/8/27]
OpenCV 是一个开源计算机视觉和机器学习软件库，由英特尔于 1999 年创立。英特尔前计算机视觉工程师 Gray Bradsky 与主要来自俄罗斯的工程师团队开发了它。 他在英特尔工作期间开发了 OpenCV 的第一代迭代。 2002 年，他们发布了该软件的 0.9 版开源版本。
该公司最近推出了两门新课程，作为其“Kickstarter 活动”的一部分，内容涉及如何使用 AI 高效地创作艺术。 第一门课程《人人都能 AI 艺术生成（AI Art Generation for Everyone）》不需要任何 AI 或编程背景，而第二门课程《高级 AI 艺术生成（Advanced AI Art Generation》则需要基本的编程知识。
AI 生成的艺术有能力彻底改变艺术世界并发掘未开发的可能性。 然而，它也带来了盗版和版权侵权的复杂挑战，引发了人们对所有权和知识产权的担忧。
最近，像 Midjourney 和 Stability AI 这样的图像生成平台因使用艺术家的作品来训练他们的生成 AI 算法而被起诉，激怒了艺术家社区。 与此同时，Shutterstock 通过引入自己的 AI 工具采取了更负责任的立场，与 Getty Images 形成鲜明对比的是，Getty Images 禁止在生成 AI 艺术作品中使用其照片。
Mallick 博士将 YouTube 早年与版权威胁的现状相提并论。 他说，与 YouTube 类似的解决方案，由像谷歌这样的大公司参与进来，谈判交易并向版权所有者付款，可以在这里发挥作用。
OpenAI 广受欢迎的聊天机器人 ChatGPT 在不到三个月的时间里获得了超过 1 亿用户，使其成为家喻户晓的名字。 截至 2023 年 2 月，ChatGPT 的每日访问量超过 2500 万次。 但与 ChatGPT 相比，文本-图像模型（如 OpenAI 的 DALL-E 或 StabilityAI 的Stable Diffusion）的采用率存在明显差距。
Mallick 解释说，ChatGPT 拥有如此高采用率的主要原因之一是因为写作能力是每项工作所需的主要技能，无论你是程序员、作家还是社交媒体经理。 在 OpenAI 和贝恩公司的帮助下，甚至可口可乐也在使用生成式 AI 进行营销。
此外，随着研究人员结合不同的技术和方法，生成式 AI 正在巩固并变得更加复杂。 通过利用 NLP 和计算机视觉的优势，Stable Diffusion 模型代表了生成式 AI 向前迈出的重要一步。
传统的生成模型，如生成式对抗网络 (GAN)，由于缺乏语言概念，因此理解世界的能力有限。 虽然 GAN 可以创建逼真的图像，但它们需要使用特定的数据集进行训练，例如人脸或猫的图像。
相比之下，Stable Diffusion 模型利用从文本数据中获得的知识来理解单词如何聚集在一起并与世界相关。 这使他们能够在不依赖特定数据集的情况下生成更复杂和多变的图像。
他说，“Stable Diffusion 模型是生成式 AI 的重大进步，正是因为它们不依赖监督学习。 通过利用从无监督学习中获得的知识，这些模型可以生成复杂多样的图像，而无需手动标记数据，从而使其更加灵活。”
Kyle
个人专栏
阅读更多
金色财经 善欧巴
金色早8点
Arcane Labs
MarsBit
Odaily星球日报
欧科云链
深潮TechFlow
BTCStudy
澎湃新闻
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。