Generative AI exists because of the transformers

• 生成式AI指的是人工智能的一个分支，它专注于基于现有数据中的模式和示例生成新内容。
• 生成式AI涉及使用大型数据集和算法训练模型，使其能够生成近乎原创的内容，这些内容扩展开它所学习的模式。

在人工智能的世界里，一股力量彻底改变了我们与机器的互动和思考方式：Transformer。不，不是那些能变形为卡车或战斗机的玩具！Transformer让AI模型能够追踪数据块之间的关系并从中提取意义——就像你解读这个句子的每个字一样。这种方法为自然语言模型注入了新的活力，并彻底改变了AI领域。 另见: Ziggo集团任命领导人，备战2027年阿姆斯特丹上市.

相关阅读：自然语言处理的8大关键特性

相关阅读：生成式AI在自动化中的变革力量

生成式AI是如何工作的？

生成式AI（GenAI）分析海量数据，寻找模式和关系，然后利用这些见解创造模仿原始数据集的新颖内容。它通过利用机器学习模型来实现这一点，特别是无监督和半监督算法。

那么，究竟是什么在背后承担了这项能力的重任呢？神经网络。这些受人类大脑启发的网络，通过层层相互连接的节点（神经元）摄取海量数据，然后处理并解读其中的模式。这些见解随后可用于做出预测或决策。借助神经网络，我们可以创建多样化的内容，从图形和多媒体到文本甚至音乐。 另见: ECHOES 协会.

Transformer架构是如何工作的？

1. 输入

输入是一个令牌序列，可以是单词或子词，从提供的文本中提取。在我们的例子中，这是“Good Morning”。令牌只是包含意义的文本块。在这种情况下，“Good”和“Morning”都是令牌，如果你加上“!”，那也会是一个令牌。 另见: IT部门 - Athlok.

2. 嵌入

一旦收到输入，序列就会转换为数值向量，称为嵌入，这些嵌入捕获了每个令牌的上下文。这些嵌入使模型能够以数学方式处理文本数据，并理解语言的复杂细节和关系。相似的单词或令牌将具有相似的嵌入。 另见: Alejandro Estua.

3. 编码器

现在，我们的令牌已经被适当标记，它们通过编码器。编码器帮助处理并准备输入数据——在我们的例子中是单词——通过理解其结构和细微差别。编码器包含两种机制：自注意力机制和前馈机制。 另见: 亚历杭德罗·曼佐.

4. 解码器

在每个史诗般的Transformer战斗高潮中，通常都会有一次变形，一次扭转局面的变化。Transformer架构也不例外！在编码器完成其部分后，解码器登场。它使用自己先前的输出——解码器前一个时间步的输出嵌入——以及来自编码器的处理后输入。 另见: 亚历杭德罗·埃尔南德斯.

5. 输出

在这个阶段，我们得到了“Bom Dia”——一个表示翻译文本的新令牌序列。这就像擎天柱在艰苦战斗后发出的最后胜利咆哮！希望你现在对Transformer架构的工作原理有了一些了解。 另见: 亚历杭德罗·加尔萨.

Transformer及ChatGPT等工具的未来展望

Transformer架构已经为AI领域带来了重大变革，特别是在NLP领域。由于Transformer架构，生成式AI领域可能会有更多创新。

• 交互内容创作：基于Transformer的生成式AI模型可用于实时内容创作场景，例如视频游戏。
• 真实世界模拟：生成模型可用于模拟。这些模拟可能变得非常真实，有助于科学研究、架构甚至医疗培训。
• 个性化生成：鉴于Transformer的适应性，生成模型可以产生针对个人品味、偏好或过去经历量身定制的内容。
• 伦理与社会影响：生成式AI的发展将需要机制来检测生成内容并确保合乎道德的利用。