其他
时尚科技｜闻力生：由AIGC到AGI助力服装智能制造
点击蓝字
关注我们
中国服装智能制造联盟专家组副组长
东华大学教授 闻力生
一、正确认识AI、AIGC和AGI
目前我们正在进行的AI技术主要属于弱人工智能（narrow AI），也称为狭义人工智能，它是专门用于解决特定问题或完成特定任务的人工智能系统。这些系统依靠预先定义的规则和算法进行工作，只能处理其被设计出来的特定领域的任务，而不能像人类一样在各个领域中进行通用的问题解决。例如，目前的语音识别、图像识别、自然语言处理等都属于弱人工智能范畴。与之相对的是强人工智能（strong AI），也称为广义人工智能，指的是能够像人类一样在各种不同的领域中进行问题解决的人工智能系统，这是人工智能的终极目标。
强人工智能和广义人工智能是同一个概念，即能够像人类一样在各种不同的领域中进行问题解决的人工智能系统，也被称为通用人工智能AGI（Artificial General Intelligence）。弱人工智能，它只能处理其被设计出来的特定领域的任务，而不能在各个领域中进行通用的问题解决。目前，我们的人工智能技术主要还停留在弱人工智能阶段，即人工智能内容生成AIGC阶段，那么人工智能AI、AIGC和AGI到底是什么样的关系？
众所周知，Al是人工智能总称，它是能够通过计算机程序实现人类智能的技术。Al在上个世纪50年代由著名的图灵试验之后出现，并在它之后几十年里得到了广泛的发展和应用。它包括了许多不同的子领域，如机器学习、自然语言处理、计算机视觉等，可以应用于广泛的领域，如医疗、金融、工业等。
AIGC(Artificial Intelligence Generated Content)，即人工智能内容生成。AIGC通常基于深度学习和自然语言处理技术，利用大规模的语料库进行训练，从而让机器能够自动生成与人类语言相似的内容。一般来说，AIGC需要输入一些指令或者关键词，然后系统就会自动产生相应的内容。例如文章、新闻、评论、诗歌、小说、音乐、视频字幕等等。理解AIGC，需要结合人工智能(Artificial Intelligence)、内容生成(Generated Content)两个角度。AIGC属于Al的分支，从人工智能的角度理解有利于掌握其技术内涵。2023年，OpenAI公司推出的ChatGPT的应用，展示了AIGC的巨大潜力，全球掀起了AIGC的发展浪潮。
大家要注意，“AIGC这个缩写语”在人工智能领域还可以代表以下多种含义，例如：人工智能通用智能水平评测（Artificial Intelligence General Capabilities）、人工智能治理与控制（Artificial Intelligence Governance and Control）、一种基于图卷积网络（AI Graph Convolutional Networks）、人工智能治理委员会（AI Governance Committee）等等，我们这里所说的是人工智能内容生成AIGC，请大家不要混淆。
另外，还有一个叫“生成式人工智能AI”，也是容易和“人工智能内容生成AIGC”混淆，生成式人工智能AI（Generative AI）和人工智能内容生成AIGC虽然听起来很相似，但实际上指的是不同的概念。生成式人工智能 AI是一种人工智能模型，利用训练数据学习数据背后的模式或规则，并尝试生成类似的新数据。这种类型的AI包括了生成对抗网络（GANs），变分自编码器（VAEs）等。这些算法可以生成各种类型的输出，包括图像，音乐，语音，文本等。人工智能内容生成AIGC是指利用AI技术生成内容的一种应用领域。这主要包括利用AI生成文本，音频，视频，图像等媒体内容。这种AI通常使用一些自然语言处理（NLP）技术，例如自动写作，语音合成等。因此，生成式人工智能AI主要关注的是AI模型和算法，而人工智能内容生成AIGC关注的是利用这些模型和算法生成内容的具体应用。
AGI指通用人工智能，它是一种可以像人类一样进行多种任务和活动的人工智能技术。与目前的AI技术相比，AGI具有更高的灵活性和智能性，可以在不同的环境和任务中进行适应和学习。然而，AGI技术仍处于概念发展的初级阶段，目前还没有实现真正意义上的AGI系统。
以上三个概念之间的关系可以这样理解：AI是整个人工智能领域的总称，包括了AIGC和AGI等不同的技术方向。AIGC是AI领域中的一个重要分支，主要指通过机器学习等技术生成内容的技术范畴。而AGI则是Al领域一个更高级的目标，也是AI的终极目标，指向一个能够像人类一样进行多种任务和活动的智能系统，参见图一。
图一 AI、AIGC和AGI之间的联系
二、现在AIGC助力服装智能制造
总之，人工智能内容生成（AIGC）技术除了在产品设计和营销之外，在企业智能制造中还有多种应用：AIGC技术可以帮助企业生产过程优化，AIGC技术可以通过监测生产线上的数据来实时优化生产过程，以提高效率和降低成本；AIGC技术可以进行质量控制，通过分析生产过程中的数据来识别和纠正质量问题，帮助企业提高产品质量和客户满意度；AIGC技术可以帮助企业以预测和规划决策，AIGC可以基于历史数据和市场趋势来预测产量、需求和供应链状况，帮助企业做出更准确的决策和规划等等。总之，AIGC技术可以帮助企业提高生产效率、降低成本、提高产品质量和客户满意度，从而实现更加智力化的服装制造方式。
2023年3月量子位智库发布行业首份《中国AIGC产业全景报告》。报告上公布了“中国AIGC领域最值得关注的50家公司”的名单，他们是：百度、平安集团、国家电网、腾讯 、阿里巴巴、南方电网、中国工商银行、浪潮集团、华为、字节跳动、明略科技、OPPO、网易、中国银行、三快在线、谷歌、恩必驰、达佳互联、雅译网络、华润数字、美图之家、 中国建设银行、雨汤科技、唯特视科技、科大讯飞、六天励飞、旷视科技、 一知声 、新华 、人华技术、洋创新、创新奇志、长虹、智谱华章、三星 、金山 、宁东方、考拉修然、奇艺世纪、南瑞集团、阳光保险、海康威视、搜狗、美亚柏科、小米等待。据量子位智库预测，到2030年，中国AIGC市场规模将达到1.15万亿元规模，2025和2027年预计成为两次规模爆发点，年复合增长率有质变性提升，见图四。
另外，例如创新奇智凭借在“AIGC+制造”领域的持续探索与创新应用，创新奇智依托于自已研制的MMOC人工智能技术平台（内含ManuVision机器视觉智能平台、MatrixVision边缘视频智能平台、Orion分布式机器学习平台和Cloud云平台），在预训练模型、数据生成等AIGC领域持续投入研发，逐步研发面向制造业的工业预训练大模型，能够服务于服装制造企业数字化、智能化升级，大家要以与之多多联系。
三、未来AGI将助力服装智能制造
前面说过通用人工智能AGI是AI发展的终极目标，现在所出现的人工智能技术发展只是它的初步，今后为了达到真正的AGI，还会在以下几个方面来研究与发展：(1)向跨模态感知方向发展。跨模态感知涉及两个或多个感官的信息交互，比如最基本的图像检索，就是一种从文本到图像的感官转换。反过来，从图像到语音的转换，可以帮助有视觉感官缺陷的人们，强化感知环境的能力。人类天然具有跨模态感知能力，能够对来自多种感官的信息进行整合和理解。而当前绝大部分的人工智能系统只能单独运用其中的一项作为传感器来感知世界，对于不同的模态，需要设计不同的专有模型。因此，研究如何让人工智能系统实现跨模态感知非常关键；(2)向多任务协作方向发展。我们人类能够同时处理多个任务，并在不同任务之间进行协调和转换。多任务协作是AGI最重要的研究方向之一，旨在研究如何让人工智能系统具有多任务协作能力，包括任务规划、任务选择和任务转换等，让“通用性”体现为不仅能够同时完成多种任务，还能够快速适应与其训练情况不同的新任务；(3)向自我学习和自适应方向发展。我们人类具有学习和适应能力，能够通过不断的学习和经验积累来提高自己的能力。因此，研究如何让人工智能系统具有自我学习和自适应能力也是实现AGI的必要步骤。其中主要包括增量学习、迁移学习和领域自适应三个方向；(4)向能够作出情感理解方向发展。能够理解并表达情感是我们人类最重要的特征，它在交流协作中甚至常常影响事件的下一步走向。因此，让人工智能系统能够理解情感，包括情感表达、情感分析和情感生成等，是实现AGI的一个关键方向；(5)进一步研发超级计算能力。实现 AGI需要庞大的计算资源和超级计算能力。为了提升这一能力，今后要从不同角度和不同方法等方面努力，例如采用高效的计算平台、分布式计算等等。相信通过以上的不断努力，人类一定能够茯得AGI技术体系的成功。
未来“AIGC+制造”可以替代制造业的脑力劳动，而“AI(AGI)+制造”则可以替代制造业的体力、脑力劳动，到了那个时代，AI就改变了整个社会，使社会结构、社会心理、社会价值生产等要素均将发生变化，见图五。
根据清华大学研究，如果AI技术体系和机器人技术体系融合在一起，这种融合可以创造出更加智能和灵活的机器人，可能会具有更加人性化的交互方式以及更加高效准确的执行能力。特别是“AGI+机器人”，在这个意义上，可以说这种融合的机器人是个特别聪明的人形机器人，它已经具备了像人类一样进行多种任务和活动的智能人形机器人了。例如清华大学现在研究的人形机器人，他的全身自由度已经达到52个，运动灵活；手臂有七个自由度，运动自如；每条腿有6个自由度，能类人行走跳跃；手掌有6个自由度，和灵巧手结合，可以抓取任何物品；当然另外还有视觉、触觉、姿态等传感器和人机交互等功能，见图六。
由上可见，在制造业实践智能制造，AIGC着眼于当下，AGI则着眼于将来，它们有着不同的重点和能力，AIGC主要关注于特定任务的智能控制和优化，而AGI则更加全面和综合，具备更强大的学习和自适应能力。因此，它们用于实现企业智能制造时会有以下不同之处：功能范围的不同---AIGC是一种基于人工智能技术的控制系统，专注于提高生产线、设备或系统的自动化和智能化水平。它侧重于实现特定任务的智能控制和优化，如自动化生产线的调度、设备故障预测等。而AGI是一种更加综合、全面的人工智能技术，旨在实现机器的智能和学习能力，能够进行多种任务的智能决策和执行；学习能力的不同---AIGC通常是基于机器学习和数据分析的，通过对大量数据的训练和模型的优化来提高控制系统的性能。但它的学习能力有限，往往只能对特定任务进行学习和优化。相比之下，AGI具有更强大的学习能力，可以从不同领域的数据中学习，并自主地获取新的知识和技能；适应能力不同---AIGC主要是通过预设的规则和算法来进行控制和优化，对系统的变化和新的情况适应能力有限。而AGI具有更高的自适应能力，能够根据环境和任务的变化，灵活地调整决策和行动；在风险和安全性方面的不同---AIGC通常需要依赖大量的数据和算法来进行训练和优化，存在数据泄露和算法被攻击的风险。而AGI由于具备更高的智能和决策能力，可能会面临更复杂的安全风险和伦理问题，等等。
那么我们既然发展了像人类一样聪明的AGI，它会具有什么样的危险呢，又如何避免呢？我们发展AGI可能存在一些潜在的危险，其中最主要的是：控制问题---当AGI达到或超越了人类的智能水平，可能会出现难以控制的情况。AGI可能会超出人类的意图和控制范围，导致意外或不可预料的行为；价值对齐问题---AGI的价值观和人类的价值观可能存在差异。如果我们无法确保AGI具有与人类价值观一致的目标和行为，那么它可能会对人类造成威胁；劳动力替代问题---AGI的出现可能会导致大规模的失业，因为它可能能够在各种工作领域替代人类劳动力。
如何避免这些危险呢？我国为了促进生成式人工智能健康发展和规范应用，维护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益，根据《中华人民共和国网络安全法》、《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》、《中华人民共和国科学技术进步法》等法律、行政法规，已经在2023年5月23日制定了《生成式人工智能服务管理暂行办法》并经国家发展和改革委员会、教育部、科学技术部、工业和信息化部、公安部、国家广播电视总局同意，进行了公布，并且规定在2023年8月15日起施行。虽然法律规定避免了这些危险，但是，还有几个关键的问题需要注意：安全研究问题---将安全研究作为AGI发展过程的重要组成部分，确保在开发和部署AGI时能够建立安全机制和防范措施；价值对齐问题---努力确保AGI的价值观与人类价值观一致，使其能够为人类创造积极的影响；寻求国际合作与监管问题---建立国际合作框架和监管机制，以确保AGI的研究和应用符合共同的道德和安全标准；增加透明度与问责制问题---确保AGI的开发过程具有透明度，并建立相应的问责制机制，以便及时发现和纠正可能的问题等等。相信通过认真研究和采取相关措施，人类是可以降低这些危险并能最大程度地减少对人类的影响。让我们以积极的态度迎接AGI时代的到来!迎接AI时代的到来!
2023年9月稿于上海