模块3-GenAI与基础应用AIGC

03模块三GenAI与AIGC《人工智能——AIGC通识教程》武汉职业技术大学数智商务学院《人工智能——AIGC通识教程（微课版）》本模块内容0101生成式AI基础原理0202大语言模型（LLM）0303AI图像生成技术0404AI视频与音频生成0505AI代码生成0606AIGC伦理初探201生成式AI基础原理从判别到生成的技术跨越3判别式AIvs生成式AI判别式AI•输入数据→输出类别•学习数据边界•如：图像分类、垃圾邮件过滤•擅长：是非题生成式AI（GenAI）•学习数据分布•能创造新内容•如：ChatGPT、Midjourney•擅长：创作题VS4生成模型技术演进12014年GAN对抗生成网络：生成器与判别器博弈，开创图像生成22015年VAE变分自编码器：学习数据潜在空间，可控生成32017年Transformer架构：注意力机制，奠定大模型基础42021年扩散模型（DDPM）：从噪声中逐步还原图像52022年ChatGPT发布：大语言模型的商业化突破62024年多模态大模型：文字、图像、语音、视频统一处理5扩散模型工作原理正向过程（加噪）：逐步向图像添加高斯噪声，直到变为纯噪声反向过程（去噪）：训练神经网络逐步去除噪声，还原图像条件生成：通过文本描述引导去噪方向，实现文生图代表模型：DALL-E3、StableDiffusion、即梦AI优势：生成质量高，可控性强，多样性好602大语言模型（LLM）当代AI最重要的技术突破7大语言模型发展里程碑12018年BERT（Google）：双向Transformer，NLP预训练新范式22020年GPT-3（OpenAI）：1750亿参数，涌现能力令人震惊32022年ChatGPT：RLHF对齐技术，AI对话体验质的飞跃42023年GPT-4：多模态理解，通过律师/医生资格考试52024年DeepSeek-R1：中国开源大模型，推理能力媲美GPT-462025年大模型百花齐放：Claude/Gemini/Llama/通义/文心8LLM的核心能力1文本生成：写作、摘要、翻译、改写，模仿任何文体风格2推理分析：数学推导、逻辑分析、因果推断3代码生成：理解需求，自动生成Python/JavaScript等代码4多轮对话：记忆上下文，进行连续深度对话5知识问答：海量知识编码，快速准确回答各类问题6角色扮演：扮演专家、历史人物、虚构角色9主流大模型横向对比国际模型•GPT-4o（OpenAI）：综合能力最强•Claude3.5（Anthropic）：长文档处理•GeminiUltra（Google）：多模态优秀•LLaMA3（Meta）：开源可本地部署国内模型•DeepSeek-R1：推理能力强，完全开源•文心一言（百度）：中文理解优秀•通义千问（阿里）：多模态、长上下文•豆包（字节）：创意写作与工具集成VS10LLM的局限性与应对幻觉问题：模型可能生成听起来合理但实际错误的内容知识截止：训练数据有截止日期，无法了解最新事件上下文窗口：一次对话处理的文字量有上限解决方案1：RAG检索增强——实时联网或知识库补充解决方案2：工具调用——让AI执行搜索、计算、API请求最佳实践：重要信息务必交叉验证，不盲目信任AI1103AI图像生成技术从文字到图像的创意革命12文生图技术栈输入：自然语言描述（Prompt）+可选参考图处理：CLIP文本编码→扩散模型去噪→解码器输出输出：高分辨率图像，可指定风格、比例、细节主流工具：即梦AI（国内）、Midjourney、DALL-E3、Firefly关键参数：采样步数、CFG引导强度、种子值、宽高比13AI图像生成典型应用1电商设计：商品主图、促销Banner、包装设计，效率提升10倍2广告创意：概念海报、品牌物料、视觉方案快速原型3游戏开发：角色设计、场景概念图、纹理贴图4出版插图：书籍封面、教材配图、新闻配图5个人创作：艺术探索、头像生成、表情包制作1404AI视频与音频生成时间轴上的AIGC革命15AI视频生成工具对比国内工具•即梦AI：高质量文生视频，支持5-10秒•可灵（快手）：120秒长视频，动态效果逼真•海螺AI（MiniMax）：专业级视频生成国际工具•Sora（OpenAI）：物理世界模拟•RunwayGen-3：电影级视频生成•Pika：简单易用，创意表达VS16AI音乐与音频生成AI作曲：Suno、网易天音、天工音乐——输入风格描述，生成完整歌曲AI配音：ElevenLabs、微软AzureTTS——克隆人声，多语言配音AI音效：生成背景音乐、环境音效、Podcast配乐声音克隆：只需30秒录音，AI还原你的声音（需注意使用边界）应用场景：短视频配乐、有声书制作、游戏音效、广告配音1705AI代码生成让每个人都能编程的技术18AI辅助编程工具GitHubCopilot：IDE插件，实时代码补全与生成TraeSolo：字节跳动推出，AI原生编程工具DeepSeekCoder：开源代码模型，本地部署可用Cursor：AI驱动的代码编辑器，支持整项目理解ReplitAI：在线IDE，AI辅助项目搭建19AI代码生成的工作流1需求描述：用自然语言描述你想要的功能2代码生成：AI自动生成完整代码片段或函数3理解审查：理解代码逻辑，验证正确性4调试优化：向AI反馈错误，获得修复建议5文档生成：让AI自动为代码生成注释和文档2006AIGC伦理初探技术的边界与责任21AIGC的机遇与挑战机遇•创作效率大幅提升•降低创作门槛•新的职业形态诞生•个性化内容体验挑战•深度伪造与虚假信息•版权归属争议•创意产业冲击•学术诚信问题VS22AIGC版权与合规现行法律：AI生成内容在中国不自动享有著作权（2024年司法解释）AI+人工创作：当人工构成主要创作贡献时可能受版权保护内容标注：按《生成式AI服务管理暂行办法》要求标注AI生成商业使用：各平台授权协议不同，商用前需仔细阅读条款学术使用：AI辅助创作需在论文中如实说明23模块小结GenAI核心技术：GAN→VAE→扩散模型→Transformer，生成能力不断突破LLM是当前AI最重要突破，DeepSeek等国产模型达国际先进水平AIGC覆盖文本、图像、视频、音频、代码全领域即梦AI、Suno、DeepSeek是高职生最易上手的AIGC工具AIGC带来效率革命的同时，伴随版权、伦理、安全挑战合理合规使用AIGC，避免深度伪造、学术不诚信等风险24本模块学习要点回顾1✓生成式AI：从判别到生成的技术跨越，扩散模型是核心2✓