微课7-2 生成式AI与AIGC

微课7-2生成式AI与AIGC判别式AI是一种专注于学习输入数据与输出标签之间映射关系的AI方法。它主要关注如何从给定的输入中准确地预测或分类输出。判别式模型直接学习从特征到类别的决策边界，在许多实际应用中表现出色，尤其是在需要高精度和快速响应的任务上。生成式AI是近年来备受瞩目的技术领域，它利用深度学习和大数据等技术，自主生成全新的、具有创新性的内容。这些新数据或内容与训练数据具有相似的特征，但并非完全相同，可以是文本、图像、音频等形式。微课7-2生成式AI与AIGC基于机器学习方法的生成式AI是AI的一个分支，它专注于学习现有数据集的模式，并基于这些模式创造新的、之前未存在的内容。生成式模型通过深度学习网络，如变分自编码器（VAE）、生成对抗网络（GAN）或Transformer模型（如ChatGPT）等来实现生成与原始数据相似的全新内容。这种技术可以应用于NLP、图像生成、音频合成等多个领域。为了更全面地了解生成式AI领域，分析该技术的价值链，考虑将其分为4个相互关联的层，即应用层、平台层、模型层和基础设施层。每一层在整个过程中都发挥着独特作用，共同创造新的内容。7.2.1生成式AI的定义（1）应用层。由通用、特定领域和集成三个子程序组成。通过动态创建内容的专门算法简化人类与AI的交互。用户无须直接访问底层基础模型。（2）平台层。通过托管服务提供对LLM的访问，简化了通用预训练基础模型的微调和定制过程。微调可以显著提升LLM的能力。（3）模型层。基础模型，通常使用Transformer算法对未标记数据进行训练。训练和微调过程使基础模型成为一种多功能工具。（4）基础设施层。包含大规模基础模型。这一过程涉及的关键资源是半导体、网络、存储、数据库和云服务。7.2.1生成式AI的定义生成式AI模型通过以下两个主要阶段发挥作用。（1）训练阶段：这是学习发生的阶段，通常在云数据中心的加速计算集群中进行。LLM从给定的数据集中学习，其中词元是模型处理文本的个体部分，1个词元相当于1.33个单词，主要来自互联网百科、书籍和文章。（2）推断阶段：这是使用经过训练的AI模型生成用户响应的过程。新的文本输入被标记为单独的单位，模型解释词元并生成相应的输出。生成式AI的准确性取决于LLM的规模和使用的训练数据量。这些因素反过来需要一个由半导体、网络、存储、数据库和云服务组成的强大基础设施。7.2.1生成式AI的定义从用户生成内容（UGC）到专业生成内容（PGC），再到现在的AIGC（AI生成内容），可以看到内容创作方式的巨大变革和进步。AIGC代表了AI在创意生产和内容生成领域的应用，能够自动化或半自动化地生产高质量、个性化的内容。应用AIGC的关键步骤一般包括：数据收集、模型训练、内容生成和后期优化。通过这些过程，AI系统能够理解特定主题、风格或用户偏好，进而生成符合要求的内容。7.2.2

AIGC的定义定义：AIGC是指利用AI技术，特别是机器学习、深度学习等方法自动生成各种形式（如文字、图像、音频、视频等）的内容。这些内容可以是创意性的，比如艺术作品、音乐、文章；也可以是实用性的，比如新闻报道、产品描述、个性化推荐信息等。AIGC的核心优势在于能够基于大量的数据学习模式自动创作新的内容，在很大程度上提高了内容生成的效率和个性化程度。AIGC的应用场景广泛，从媒体和娱乐行业到教育、广告、电商、个人助理等多个领域，都在探索如何利用这一技术来提升用户体验、创造新价值。7.2.2

AIGC的定义生成式AI与AIGC这两个概念紧密相关。AIGC是生成式AI的一个具体应用方向。生成式AI的核心能力在于创造、预测、转换和补全信息，而AIGC则更侧重描述由生成式AI技术所产出的实际成果，即由AI自动生成、具体创造出来的作品内容本身，包括文本创作、图像合成以及音乐生成、视频剪辑等。因此，生成式AI是底层的技术框架和方法，而AIGC是这些技术应用的结果，体现了技术在实际场景中的应用价值和社会影响。两者之间存在一种从技术到产品的逻辑联系，生成式AI的发展推动了AIGC的多样化和普及化。7.2.3生成式AI与AIGC的关系生成式AI（AIGC）技术具有强大的创造性和自动化能力，其应用场景广泛且多样，典型应用场景可以分为5个方面。（1）文字生成：根据使用场景，基于NLP，分为非交互式与交互式文本生成。AIGC能够根据特定主题或情境生成文本内容，提高内容创造效率。（2）图像生成：根据用户的描述或输入的关键词生成符合要求的图像，如各种风格的艺术作品、插图、设计图样。根据使用场景，可分为图像编辑修改与图像自主生成。7.2.4生成式AI的应用场景（3）音频生成：在音乐和音频制作领域的相关技术较为成熟。AIGC可以生成音乐作品、音效、播客内容，用于音乐创作软件和自动配音工具，甚至合成逼真的人声，如语音克隆，将人声1替换为人声2。（4）视频生成：主要分为视频编辑与视频自主生成。视频编辑可应用于视频画质增强，视频修复，视频画面剪辑。视频自主生成可应用于图