AI 模型：核心概念、运作方式与常见工具
AI 模型正在深刻改变营销格局。本文说明其运作原理，以及由它们驱动的常见工具。
什么是 AI 模型？
人工智能模型是一类旨在模拟人类智能部分能力的计算机程序。开发者输入规则（即算法），程序据此做出决策、识别规律并生成预测。
优秀的模型通常具备友好的界面，新用户无需过多指导即可上手。
例如，Bing Chat 是一款由 AI 驱动的聊天机器人应用，可与用户往返对话：
用户在文本框中输入消息，软件随即回复，这得益于其简洁易用的界面。
真正承担繁重工作的是 AI 模型。它在后台运行，为从未遇到过的问题给出相关答案。
用户不会直接接触 AI 模型，但整个体验正由它支撑。
人工智能话题庞杂，诸多术语彼此交叠，先厘清几个概念。
人工智能 vs. 机器学习 vs. 深度学习
不妨把人工智能、机器学习和深度学习看作一棵大树。
树干是 AI，其最大的分支之一是机器学习（ML）；这条分支又分出若干更小的枝干，深度学习（DL）便是其中一根。
这说明什么？
三者彼此关联，但每个术语指代的并非同一过程。
结构大致如下：
图片来源：新加坡电脑学会
下面稍微深入技术层面。
人工智能
人工智能是计算机科学的一个分支，目标是在软件与机器中模拟人类智能。
早在 2017 年，专家就预测，AI 将能承担从翻译文章、零售工作到实施手术的各类任务。ChatGPT 等程序问世后，这类预测愈发引人关注。
这些聊天机器人目前尚无法完全达到人脑水平，但已能执行某些任务，并在数据科学与策略等领域超越人类。
例如，AI 能在数秒内完成海量数据的处理，而人类数据科学家需要数小时。
机器学习
开发者创建算法，帮助程序识别数据中的规律，其方式与人类学习类似，这一过程称为机器学习。
例如，Netflix 利用机器学习分析观影选择，并为订阅用户提供推荐。
深度学习则更为专门。
深度学习
深度学习是机器学习中更复杂的子集。开发者采用受人类大脑启发的方法（即神经网络）训练计算机。
例如，医疗影像识别（如在核磁共振图像中检测疾病）就是深度学习的典型应用。它无需人工干预即可完成这类复杂任务。
这三个术语之间有时存在交叠。
例如，自动驾驶汽车就同时运用了人工智能、机器学习和深度学习。
在这些场景中，程序都从示例与经验中学习，以做出准确决策，无需人类额外协助。
因此，这些过程都是更大 AI 模型中的齿轮。
AI 模型如何运作？
AI 模型使用算法识别数据中的规律与趋势。多个算法协同工作，构成一个 AI 程序或“模型”。
很多人把“模型”和“算法”混用，这并不准确。
算法可以独立工作，AI 模型离开算法则无法运转。
人类借助由连接或“突触”构成的人工神经网络，模拟大脑通过神经元传递信息与信号的方式。只是在模型中，“神经元”是分层排列的处理单元。
其结构如下：
图片来源：IBM
与人类类似，AI 模型处于复杂度与智能程度的连续区间上。可供其“学习”的训练数据越多，它的表现就越智能。
可以把模型比作一个孩子。
不去告诉它，它就不知道某个具体问题的答案；教得足够多，再次提问时它便记得答案。
模型能从成千上万乃至数百万个示例中学习，生成预测或分类。向模型输入新数据（例如一个问题）时，它便能给出对应的答案。
但 AI 模型并非只有一种类型。
4 种 AI 模型及其用途
以下模型都属于生成式 AI，即能够生成文本或图像等内容。
但清单中的每一种，其运作方式都略有差异：
1. 基础模型
基础模型是经过预训练以执行任务的机器学习模型，这一过程称为“自监督学习”。
例如，OpenAI 的 ChatGPT、微软的 Bing Chat 等热门工具都使用了基础模型。
开发者用神经网络在大量数据上训练基础模型，因此模型能像人脑那样适应不同的应用场景。
基础模型的典型应用场景包括：
- 回答问题
- 撰写文章和故事
- 总结大段信息
- 生成代码
- 解决数学问题
2. 多模态模型
多模态模型从多种类型（或“模态”）的数据中学习，例如图像、音频、视频与语音，因此能给出更多样的结果。
正因如此，如今许多基础模型都具备多模态能力：
图片来源：arXiv:2108.07258
多模态 AI 中一种常见类型是视觉-语言模型。它通过计算机视觉过程“看”图，处理图片和视频等视觉输入。
也就是说，它能够从视觉内容中提取信息。
这类混合模型能为图片添加说明文字、生成图像，并回答与视觉内容相关的问题。例如，文生图生成器 DALL-E 2 就是一款多模态 AI 模型。
从更广泛的媒介中学习，能让这些模型给出更准确的答案、预测与决策，也有助于它们更好地理解数据语境。
例如，“back up”既可以指向后移动，也可以指复制数据。
一个“见过”并理解这两种含义示例的模型，更可能做出正确预测。
用户谈论电脑时，更可能指数据备份的含义；用户谈论一段车祸视频时，AI 系统则会判断它是方向性的。
3. 大语言模型
大语言模型（LLM）能理解并生成文本。它结合深度学习方法与自然语言处理（NLP），实现接近人类的对话。
自然语言处理包含两个分支：
- NLU：自然语言理解
- NLG：自然语言生成
两者协同工作，让 AI 模型能像人一样处理语言。
具体如何实现？
模型从数百万个示例中学习，以此准确预测短语或句子中的下一个词。例如，手机上的自动补全功能就是一种 NLP。
简化流程大致如下：
图片来源：AssemblyAI
Google 的 BERT 是一种更先进的、基于神经网络的 NLP。其训练过程同样包含类似的简单任务，用于帮助模型学习句子之间的关系：
图片来源：Google Research
通过训练，BERT 学会了判断“The man went to the store. He bought a gallon of milk”（那个男人去了商店，他买了一加仑牛奶）是符合逻辑的句子序列，而“The man went to the store. Penguins are flightless”（那个男人去了商店，企鹅不会飞）则不是。
LLM 中的“大”指开发者用庞大的数据集训练模型，使其能够翻译、分类、完成情感分析和生成内容。
正因如此，医疗等领域正在迅速采用这类模型。许多医疗领域的 LLM 都基于 BERT 架构：
- BioBERT：在生物医学数据上预训练的领域专用模型
- ClinicalBERT：在重症监护患者的电子健康记录（EHR）上预训练的领域专用模型
- BlueBERT：在来自在线数据库 PubMed 的临床笔记和摘要上预训练的领域专用模型
这些程序都能更快、更高效地理解、分类并回应患者询问。
4. 扩散模型
扩散模型将图像拆分为极小的片段，分析其中的规律与特征，再参考这些片段创建新的 AI 生成图像。
该过程先向图像添加“噪声”将其打散，再逆向“去噪”，以生成新的特征组合。
简化流程大致如下：
图片来源：CMSWire
假设用户想要一张大象的图片。扩散模型知道大象有长鼻子、大耳朵和圆润的身体。
因此，它参考学习过的所有图像来重建这些特征。
不过，不同的扩散模型工具对相同的输入会生成不同的图像。
例如，下面是 Stable Diffusion、DALLE-2 和 Midjourney 针对提示词“Cherry blossom near a lake, snowing”（湖边樱花，下雪）生成的图像：
图片来源：Marktechpost
为何会出现差异？
原因在于，开发这些前沿 AI 工具的公司采用不同的架构、目标与训练机制。
因此，在组合“湖泊”或“樱花”的特征时，每个模型参考的数据集各不相同。
使用 AI 模型的常见营销工具示例
人们使用不同的 AI 模型，为各类复杂任务打造工具。以下是小企业主与营销人员认为最实用的一些热门选择：
ChatGPT：GPT-3.5
ChatGPT 是 OpenAI 的先进聊天机器人，它使用最新的 GPT 大语言模型，针对提示词生成相关且接近人类的回复。
例如，下面是它针对提示词“用几句话解释你是如何工作的：”给出的回复：
GPT 是 Generative Pre-trained Transformer（生成式预训练变换器）的缩写：
- 生成式（Generative）：意味着它能够生成内容
- 预训练（Pre-trained）：意味着 OpenAI 团队输入了数据（即预训练），以帮助系统理解并响应特定任务
- 变换器（Transformer）：意味着它利用深度学习能力来考虑词语的语境并预测接下来会出现什么
ChatGPT 为免费用户使用 GPT-3.5 模型，为付费方案使用最新的 GPT-4 版本。
向 ChatGPT 提问，它会以对话方式作出回答。
但其功能不止于此，该工具还可以：
- 创建营销内容（例如社交媒体帖子、电子邮件通讯或落地页文案）
- 撰写陌生邮件（cold email）模板
- 用通俗的语言拆解复杂概念
- 将文本翻译成多种语言
- 创建电子表格公式并解决数学问题
- 总结并归类庞大的文档和会议记录
ChatGPT 可能生成不准确、有时甚至带有偏见的信息。因此，务必对其产出的任何内容（尤其是用于营销的内容）进行复核。
Semrush 工具：ChatGPT API
Semrush 的多款 AI 写作工具都使用 ChatGPT API，帮助营销人员精简和优化工作流程，包括 SEO Writing Assistant、AI Writing Assistant 和 ContentShake。
以 SEO Writing Assistant 为例，用它检查文章的原创性与 SEO 潜力：
具体步骤如下：
启动该工具，然后点击“Analyze my text（分析我的文本）”。
在仪表盘中添加目标关键词并开始输入。（也可直接从现有网址导入内容。）完成后点击“Get recommendations（获取建议）”。
AI 自动化会扫描内容以及 Google 上最相关的搜索结果，随后给出改进建议：
- 受众正在搜索、却被遗漏的关键词
- 可以让其更具原创性的段落
- 可提高可读性评分的部分
- 语气与文章其余部分不一致的句子
右侧边栏中的 AI 功能包括“Rephraser（改写）”“Compose（撰写）”和“Ask AI（询问 AI）”：
这些功能可协助撰写和改写文本片段，避免写作卡壳。
功能不止于此。
使用 SEO Writing Assistant 及其他 AI 驱动的 Semrush 工具，可以：
- 在全部内容营销工作中保持统一的语气
- 针对搜索引擎和人类读者优化博客文章
- 在文章发布前改进其语法
- 提升内容的可读性
这一切都依托后台的 AI 模型。
Google Bard：PaLM 2
Bard 是 Google 免费的实验性聊天机器人，使用名为 Pathways Language Model（PaLM）的大语言模型的第二代版本。
它最初采用对话应用语言模型（简称 LaMDA）。PaLM 2 在推理、翻译和编程方面更胜一筹。
Google 将 Bard 定位为搜索的补充体验。其工作方式是实时检索网页以获取答案，再利用搜索结果与用户对话。
例如，下面是它针对提示词“What's the weather like in Monticello, Utah?”（犹他州蒙蒂塞洛的天气怎么样？）给出的回复：
若对某个答案不确定、或想进一步探究，只需轻点一下，即可在界面内直接访问 Google 搜索。
Bard 能帮助用户：
- 构思营销创意
- 发现相关的技巧和窍门
- 切换写作语气
- 将英语翻译成多种语言
- 总结文本和数据
- 生成内容（例如电商产品页文案）
当引用或包含图片时，Bard 会链接到来源与引文。这种溯源功能是其他热门聊天机器人所欠缺的实用特性。
DALL-E 2：GLIDE
DALL-E 2 是 OpenAI 的文生图生成器，使用一个名为 GLIDE 的多模态模型。GLIDE 代表 Guided Language to Image Diffusion for Generation and Editing（引导语言到图像扩散的生成与编辑）。
OpenAI 使用 GLIDE 模型改进了最初的 DALL-E，使 DALL-E 2 拥有更高的图像分辨率和更高质量的写实效果。
DALL-E 2 根据文本提示词生成 AI 图像。这些视觉作品看起来像是人类创作的素描、插画、绘画和照片。
例如，下面是它针对提示词“a photo of a spiky hedgehog laying in the grass”（一张趴在草地上的带刺刺猬的照片）生成的结果：
该工具总会生成四张它认为最符合提示词的 AI 图像变体。
DALL-E 2 生成的图像可用于各种类型的营销内容，例如：
- 博客文章
- 社交媒体帖子
- 落地页
- 电子邮件通讯
- 社区论坛
亨氏番茄酱（Heinz Ketchup）甚至围绕 DALL-E 2 打造了一整套营销活动：
图片来源：Creative Bloq
这个创意巧妙且切中时宜，为这家营销机构赢得了多个奖项。
延伸阅读：OpenAI 的 DALL-E 2：如何在几秒内创作数字艺术
Stable Diffusion XL Playground：Stable Diffusion
Stable Diffusion XL 是一款使用 Stable Diffusion API 的 AI 图像生成器。它是开源模型，代码对公众开放，因此任何创作者都能利用它的能力搭建模型和构建工具。
这也是许多用户认为 Midjourney（另一款流行的 AI 图像生成器）使用了 Stable Diffusion 模型的原因，但其团队并未证实这一点。
在 Stable Diffusion XL 的在线 Playground 中可免费创建图像：输入提示词，选择风格，然后生成结果。
例如，下面是它以电影风格针对“a horse running through a candy cane forest”（一匹马穿过拐杖糖森林）生成的结果：
想要没有水印的图像吗？
需要使用 Stable Diffusion 的官方 AI 应用 DreamStudio。
与 DALL-E 一样，你可以使用 Stable Diffusion 的工具为任何营销素材添加视觉内容。
使用 Semrush 的 AI 模型创建内容
在创建或使用营销工具方面，并不存在唯一“最好”的 AI 模型，只有最适合自身需求的那一个。
只有逐一尝试，才能弄清自己的偏好。
那么，就从 SEO Writing Assistant、AI Writing Assistant 和 ContentShake 开始。今天就了解 AI 模型如何加速并优化写作流程。