Generatywna sztuczna inteligencja (, , ) – ogół narzędzi sztucznej inteligencji służących do generowania tekstu, obrazów, filmów i innych danych z wykorzystaniem modeli generatywnych, najczęściej na podstawie podanych przez użytkownika podpowiedzi (ang. ). Modele generatywnej sztucznej inteligencji uczą się wzorców i struktury danych wejściowych, a następnie generują nowe dane o podobnych cechach.alt=A detailed oil painting of figures in a futuristic opera scene|mały|Théâtre D’opéra Spatial, obraz wygenerowany za pomocą MidjourneyUlepszenia głębokich sieci neuronowych opartych na transformerach, w szczególności dużych modeli językowych (), umożliwiły rozwój generatywnych systemów sztucznej inteligencji na początku lat dwudziestych XXI wieku. Należą do nich chatboty, takie jak ChatGPT, Copilot, Gemini, DeepSeek i Claude, systemy generowania obrazu oparte na sztucznej inteligencji przekształcające tekst na obraz, takie jak Stable Diffusion, Midjourney i DALL-E, a także generatory przetwarzające tekst na wideo (np Sora) lub muzykę. Firmy takie jak OpenAI, Anthropic, Microsoft, Google i Baidu, a także wiele mniejszych firm opracowały własne generatywne modele sztucznej inteligencji.

Generatywna sztuczna inteligencja ma zastosowania w wielu różnych branżach, w tym w tworzeniu oprogramowania, opiece zdrowotnej, finansach, rozrywce, obsłudze klienta, sprzedaży i marketingu, sztuce, literaturze, modzie i projektowaniu produktów. Produkcja systemów generatywnej sztucznej inteligencji wymaga dużych centr danych wykorzystujących specjalistyczne chipy, co z kolei oznacza duże zużycie energii elektrycznej do zasilania procesorów i wody do ich chłodzenia.

Generatywna sztuczna inteligencja zrodziła wiele pytań natury etycznej i , z uwagi na możliwość wykorzystania jej do cyberprzestępczości, a także do oszukiwania lub manipulowania ludźmi poprzez fake newsy lub deepfake'i. Nawet jeśli będzie wykorzystywana w sposób etyczny, może doprowadzić do masowego wyparcia ludzi z miejsc pracy. Same programy spotkały się z zarzutem naruszenia praw własności intelektualnej, ponieważ są szkolone w oparciu o dzieła chronione prawem autorskim. Intensywność zużycia zasobów i energii przez systemy sztucznej inteligencji wywołuje obawy dotyczące , zwłaszcza w kontekście wyzwań związanych z transformacją energetyczną.

Historia Wczesna historia mały|Automaton Maillardeta – programowalne urządzenie potrafiące generować grafikę Pomysł generatywnej sztuki był znany w starożytnej Grecji, gdzie tacy wynalazcy jak Dedal czy Heron z Aleksandrii byli opisywani jako potrafiący tworzyć maszyny (), które potrafiły pisać tekst, tworzyć dźwięki czy grać muzykę. Jednym z bardziej znanych maszyn tego typu jest .

Łańcuch Markowa był używany do analizy tekstu naturalnego od pierwszej publikacji przez jego twórcę Andrieja Markowa, który w 1906 opublikował analizę samogłosek w powieści Eugeniusz Oniegin. Gdy łańcuch nauczy się korpusu języka, może zostać użyty jako generator tekstu oparty na prawdopodobieństwie.

Badania nad sztuczną inteligencją Od lat 50. XX wieku artyści i badacze wykorzystywali sztuczną inteligencję do tworzenia dzieł artystycznych. Już w latach 70. Harold Cohen tworzył i prezentował generatywne dzieła sztuki oparte na SI, stworzone za pomocą AARON-a – programu komputerowego zaprojektowanego w celu generowania obrazów.

Terminy planowanie generatywne był używany w latach 80. i 90. XX wieku w odniesieniu do systemów planowania wykorzystujących sztuczną inteligencję (zwłaszcza systemów CAPP), które służyły do generowania sekwencji kroków wymaganych do osiągnięcia określonego celu.

Systemy generatywnego planowania SI wykorzystywały symboliczne metody, takie jak i , i były już stosunkowo dojrzałą technologią na początku lat 90. Wykorzystywano je do tworzenia planów działania w sytuacjach kryzysowych na potrzeby wojska, planów procesów produkcyjnych oraz planów decyzyjnych, m.in. w prototypowych autonomicznych statkach kosmicznych.

Generatywne sieci neuronowe (2000–2019) mały|Powyżej: przykład klasyfikacji obrazów oparty na modelu dyskryminacyjnym. Poniżej: model generatywny tworzący obraz z tekstu Od początku swojego istnienia dziedzina uczenia maszynowego wykorzystywała do przewidywania danych zarówno (zwracające przewidywaną klasyfikację lub rozkład warunkowy zmiennej objaśnianej), jak i (umożliwiające generowanie potencjalnych obserwacji). Począwszy od końca lat 2000, pojawienie się uczenia głębokiego napędziło postęp oraz badania w obszarach takich jak klasyfikacja obrazów, rozpoznawanie mowy czy przetwarzanie języka naturalnego. Sieci neuronowe w tym okresie były zazwyczaj trenowane jako modele dyskryminacyjne ze względu na trudności związane z modelowaniem generatywnym.

W miarę jak uczenie głębokie zyskiwało na popularności w latach 2010., coraz większym zainteresowaniem cieszyły się modele generowania obrazów z wykorzystaniem głębokich sieci neuronowych, takie jak oparty na sieciach konwolucyjnych. W 2014 roku pojawiły się przełomowe rozwiązania, takie jak autoenkodery wariacyjne i generatywne sieci przeciwstawne (GAN) pozwalające na tworzenie bardziej zaawansowanych modeli generatywnych.

Przedstawiona w 2017 architektura transformerów umożliwiła postęp w modelach generatywnych w porównaniu do starszych modeli wykorzystujących długą pamięć krótkotrwałą. Doprowadziło to do stworzenia architektury GPT-1 w 2018 i GPT-2 w 2019.

Nowe modele generatywne wprowadzone w tym okresie pozwoliły na uczenie nienadzorowane, co pozwoliło na znaczne ograniczenie lub eliminację czynnika ludzkiego w przygotowywaniu zbiorów uczących, co pozwoliło na tworzenie dużych modeli językowych.

Rozkwit generatywnej sztucznej inteligencji (od 2020 roku) W marcu 2020 roku udostępniono 15.ai – darmową aplikację internetową stworzoną przez anonimowego badacza z MIT, która potrafiła generować realistyczne głosy postaci przy użyciu minimalnej ilości danych treningowych. Był to jeden z pierwszych przypadków powszechnego wykorzystania generatywnej SI.

Pojawienie się w 2021 roku usługi DALL-E – modelu generującego obrazy z tekstu – stanowiło przełom w dziedzinie obrazów generowanych przez sztuczną inteligencję. W ślad za tym, powstały takie narzędzia jak Midjourney czy Stable Diffusion w 2022.mały|Wykres pokazujący wielkość prywatnych inwestycji w sztuczną inteligencję (różowy) i generatywną sztuczną inteligencję (zielony)W listopadzie 2022 OpenAI wydało ChatGPT, który potrafił przeprowadzać konwersację z użytkownikiem, a później także generować obrazy, asystować przy tworzeniu kodu i przeprowadzać analizy, co spowodowało debatę nad wpływem generatywnej sztucznej inteligencji w przemyśle, edukacji czy sztuce.

W grudniu 2023 Google wprowadziło Gemini, multimodalny model sztucznej inteligencji dostępny w czterech wersjach: Ultra, Pro, Flash i Nano. Firma zintegrowała Gemini Pro ze swoim chatbotem Bard i zapowiedziała wprowadzenie „Bard Advanced” opartego na większym modelu Gemini Ultra. W lutym 2024 r. firma Google połączyła programy Bard i Duet AI pod marką Gemini, wprowadzając aplikację mobilną na system Android i integrując usługę z aplikacją Google na system iOS.

W marcu 2024 Anthropic zaprezentował rodzinę dużych modeli językowych Claude 3, obejmującą modele Claude 3 Haiku, Sonnet i Opus. Modele te wykazały znaczną poprawę wydajności w różnych testach porównawczych, a model Claude 3 Opus znacznie przewyższył czołowe modele firm OpenAI i Google. W czerwcu 2024 roku Anthropic wprowadził na rynek Claude 3.5 Sonnet, który osiągał lepsze wyniki niż większy model Claude 3 Opus, zwłaszcza w takich obszarach jak kodowanie, wieloetapowe procesy robocze i analiza obrazów.

W styczniu 2025 firma DeepSeek wypuściła model R1, stanowiący alternatywę dla takich usług jak ChatGPT czy Claude.

Od połowy 2025 roku firmy zaczeły coraz częściej porzucać projekty pilotażowe związane z generatywną sztuczną inteligencją, ponieważ napotkały trudności z jakością danych oraz brakiem oczekiwanych zwrotów z inwestycji. Analitycy z Gartnera i The Economist zaczęli określać ten okres jako wejście w fazę „doliny rozczarowania”.

Zastosowania

Generatywna sztuczna inteligencja jest wykorzystywana w wielu branżach.

Generowanie tekstu i kodu

Generatywne systemy SI trenowane na korpusach tekstowych obejmują Bielik, PLLuM, GPT, Mistral, Gemini, Claude, DeepSeek, Qwen i inne. Są one używane do przetwarzania języka naturalnego, tłumaczenia maszynowego i generowania języka naturalnego.

Oprócz tekstu w języku naturalnym, duże modele językowe można trenować na kodzie języka programowania, co pozwala im generować kod źródłowy dla nowych programów komputerowych. Przykładem zastosowania GenAI do generowania kodu jest GitHub Copilot.

Obrazy

Tworzenie obrazów jest jednym z głównych zastosowań generatywnej sztucznej inteligencji.

Wideo mały|Wideo wygenerowane przez Sora z podpowiedzią „Borneo wildlife on the Kinabatangan River” Generatywna sztuczna inteligencja wytrenowana na oznaczonych filmach może generować spójne czasowo, szczegółowe i fotorealistyczne materiały wideo. Przykłady takich technologii to m.in. Sora firmy OpenAI, oraz Make-A-Video od Meta Platforms.

Robotyka Generatywna sztuczna inteligencja może być również wytrenowana na podstawie ruchów systemu robotycznego, aby generować nowe trajektorie do planowania ruchu lub nawigacji.

Oprogramowanie i sprzęt mały|Architektura generatywnego agenta SI z wejściem, obróbką wstępną, dużym modelem językowym i obróbką końcową. Generatywna sztuczna inteligencja znajduje zastosowanie m.in. w tworzeniu czatbotów, takich jak ChatGPT, narzędzi programistycznych, jak GitHub Copilot, generowaniu obrazów z tekstu (np. Stable Diffusion) oraz wideo z tekstu (np. Sora). Modele generatywne są również integrowane z produktami biurowymi, takimi jak Microsoft Office.

Mniejsze modele generatywne (poniżej 10 miliardów parametrów) mogą działać na niewielkich urządzeniach, takich jak Raspberry Pi lub IPhone.

Z kolei modele zawierające dziesiątki miliardów parametrów mogą być uruchamiane na laptopach lub komputerach stacjonarnych, choć często wymagają one dodatkowych akceleratorów, takich jak GPU czy NPU. mały|Nvidia H100, jedna z kart używana na początku 2020 do tworzenia dużych modeli generatywnej sztucznej inteligencji Modele liczące setki miliardów parametrów, takie jak GPT-4, wymagają specjalistycznych serwerów wyposażonych w macierze GPU, jak , lub NPU (np. Google TPU). Centra danych obsługujące takie systemy potrafią pobierać 100–150 MW energii elektrycznej. W 2024 roku cena jednej karty GPU klasy serwerowej, takiej jak Nvidia H100, wynosi 25-30 tys. USD.

W 2022 roku Stany Zjednoczone wprowadziły ograniczenia . W odpowiedzi powstały takie rozwiązania jak Nvidia A800, H800 oraz Biren Technology BR104. Kolejne zaostrzenia ogłoszone przez administrację Stanów Zjednoczonych doprowadziły do opracowania układu Nvidia H20 w roku 2024, zaprojektowanego specjalnie z myślą o rynku chińskim, których sprzedaż została jednak zablokowana w kwietniu 2025.

W 2024 roku zaproponowano nowy system ograniczeń eksportu zaawansowanych chipów korzystających z technologii ze Stanów Zjednoczonych z podziałem na 3 grupy państw:

kraje bez ograniczeń w imporcie, takie jak Stany Zjednoczone, Niemcy, Francja czy Japonia, kraje z limitem wynoszącym 50 tys. zaawansowanych chipów, m.in. Polska, Izrael, Meksyk czy Indonezja, kraje objęte zakazem eksportu, takie jak Chiny, Rosja. W maju 2025 administracja Trumpa odrzuciła propozycje kategoryzacji państw w eksporcie zaawansowanych chipów na rzecz bardziej restrykcyjnych przepisów wymagających wykorzystanie sprzętu za granicą tylko w ramach infrastruktury kontrolowanej przez amerykańskie firmy technologiczne.

W styczniu 2025 ogłoszono projekt Stargate zakładający inwestycje na poziomie 500 mld USD w centra danych w Stanach Zjednoczonych wspomagające działanie aplikacji sztucznej inteligencji, zaś trzy tygodnie później UE ogłosiła program inwestycji w AI w kwocie 200 mld euro.