目前的 AI（主要指生成式 AI 技术）可以生成多种内容，包括但不限于：
生成式 AI 能够接受和理解各种不同的输入和数据，并根据这些生成相应的内容。其软件使用复杂的机器学习模型，根据先前的单词序列或图像描述预测下一个单词或图像。但这些模型的训练通常需要大量数据和计算能力，目前在很大程度上仅限于大型科技公司。
通过上面的这些例子，我们可以了解，现在的AI（准确的说，目前介绍的主要是一类叫做生成式AI的技术，小名叫大模型）可以接受和理解各种不同的输入和数据，同时可以生成包括文字、声音、图像、视频、3D模型等等多种多样的内容。回到我们最开始的章节标题，AI是什么。简单来说，就是，把AI当人看。事实上，在后面章节的讲述中，你会更加深刻的认识和赞同这一点。[heading1]未完待续……
生成式人工智能已经可以做很多事情。它能够生成文本和图像，涵盖博客文章、程序代码、诗歌和艺术品（甚至[赢得竞赛，有争议）](https://www.washingtonpost.com/technology/2022/09/02/midjourney-artificial-intelligence-state-fair-colorado/)）。该软件使用复杂的机器学习模型根据先前的单词序列预测下一个单词，或根据描述先前图像的单词预测下一个图像。法学硕士于2017年在Google Brain开始提供，最初用于翻译单词，同时保留上下文。从那时起，大型语言和文本到图像模型在领先的科技公司中激增，包括Google（BERT和LaMDA）、Facebook（OPT-175B、BlenderBot）和OpenAI（微软是主要投资者的非营利组织（GPT-3用于文本，DALL-E2用于图像，Whisper用于语音）。Midjourney（帮助赢得艺术竞赛）等在线社区和HuggingFace等开源提供商也创建了生成模型。这些模型在很大程度上仅限于大型科技公司，因为训练它们需要大量数据和计算能力。例如，GPT-3最初使用45 TB的数据进行训练，并使用1750亿个参数或系数进行预测；GPT-3的单次训练花费了1200万美元。中国模型无道2.0拥有1.75万亿个参数。大多数公司没有数据中心能力或云计算预算来从头开始训练自己的此类模型。
让我们具体来看下目前的AI具有哪些能力。AI的首要能力是根据问题和要求生成文本，之前视频中展示的聊天机器人便是基于文本生成技术，同时融入了语音与文字的转换功能。这一能力的应用范围极为广泛，涵盖了写文章、对话聊天、编程写代码、翻译、阅读理解、推理等等诸多领域，这些任务AI现在很多都能解决得不错。在之前的ChatGPT视频中你可能也发现了，AI除了能理解文字，AI也能看懂图像和视频。比如在上图的例子中，AI可以理解画面的内容，并清晰的描述出眼镜所在位置。除了真实世界的图像，对网页截图和文字数据的图片进行分析更是不在话下。甚至，它可以看懂抽象的表达，并且进行推理和作答。你一定联想到了之后的教育会迎来多大的变革。在上图左边的例子中，AI还能看懂专业的图像，例如医学。当然，这可能需要涉及专门的训练和处理。右边的例子则是说明了AI甚至能够理解人类的”笑点“，如果你认为幽默是一种智慧的体现，那么AI现在已经可以做到了，至少像是。除了看懂图像之外，AI也能产生图像。上面的四幅图都是AI生成的，图片下面是对应的指令，其实都是对图片内容和格式的要求。最左边是一幅写实的图像，很像照片了，第二幅是油画风格，第三幅是一个在现实中不可能出现的却又非常写实的图像，最后是写意的中国水墨画风格，AI也可以掌握。图像生成的应用非常的广泛，比如说AI可以帮助我们做设计，包括商品设计、商标设计、UI界面设计、家装设计等等，都可以AI生成。目前在电商平台上你看到的商品图片，特别是衣服的效果图，其实已经有非常多是AI生成了。AI模特不需要像人一样那么辛苦换衣服和摆Pose。