《新一代信息技术与人工智能导论》课件第9章 AIGC应用

第9章

AIGC应用01生成式人工智能概念02生成式人工智能产业和应用03生成式人工智能核心技术04提示词工程的开发与优化目录contents05生成式人工智能案例设计06AIGC智能办公07AIGC赋能科研08智能体与数字人01生成式人工智能概念生成式AI的定义与特征生成式人工智能其本质是通过学习数据的内在规律，模拟人类创造力，自主生成文本、图像、音频、视频、代码等内容的技术体系。与传统的判别式人工智能（如图像分类、语音识别）不同，生成式AI并非仅对已有数据进行识别或预测，而是通过深度神经网络构建高维概率模型，从海量数据中提取特征，并基于此生成具有逻辑性、连贯性甚至创新性的新内容。01生成式AI的定义02其核心特征体现在：创造性输出多模态覆盖交互性与迭代优化数据驱动学习这些特征不仅彰显了生成式人工智能的独特优势，也预示了其在未来数字内容创作与交互领域的巨大潜力。核心特征核心特征详解生成式人工智能的创造性输出能力，是其区别于传统AI技术的关键标志。它不仅能够复现训练数据中的特征，更能通过深度学习和概率建模，生成训练数据中未明确存在的原创内容，如融合风格的图像或艺术文本。创造性输出生成式AI的交互性体现在用户可通过自然语言指令或细化参数动态控制输出，使AI逐步逼近用户需求。技术实现上，依赖于强化学习（RLHF）和微调算法，使模型理解模糊指令背后的真实意图。交互性与迭代优化生成式人工智能打破了传统内容创作的形式界限，支持文本、图像、音频、视频、代码等多种内容形式的自由生成与跨模态关联，确保内容语义一致性与协同表达。多模态覆盖国产大模型的生成能力体现在对语言统计规律的挖掘，如通义千问借万亿级中文语料实现此功能。技术实现上，依托注意力机制识别平仄等规则，数据质量影响输出，盘古更以多源异构数据实现跨领域迁移。数据驱动学习生成式AI的概念延伸狭义指AI生产内容，广义指具备生成能力的AI技术，涵盖多种内容形式。狭义与广义定义从内容生产模式视角，AIGC与PGC、UGC形成互补生态。PGC由专业力量产出，保证了内容的深度和专业性，但成本较高；UGC依赖普通用户创作，内容形式丰富多样，但质量难以统一；AIGC则借助人工智能系统，能够高效、批量地生成内容，输出较为标准，可满足规模化生产的需求。与PGC、UGC对比AIGC提升内容生产效率，降低门槛，推动内容创作民主化与规模化。内容生产生态010203AIGC与PGC、UGC的对比分析方式生产主体典型场景内容质量PGC专业机构/个人影视制作、学术出版高专业性、高成本UGC普通用户社交媒体、短视频平台多样性高、质量参差不齐AIGC人工智能系统广告素材生成、智能客服回复标准化输出、可规模化生产生成式人工智能和判别式人工智能将人工智能以用途为分类基准，分为：生成式人工智能和判别式人工智能（DiscriminativeAI，DAI）两大类。生成式人工智能以内容创造为核心，通过学习数据规律建模重组，突破既有框架生成文本、图像、音频等新内容，如AI绘画、文本生成、视频合成等，具创新性输出能力。

判别式人工智能聚焦分类与决策，通过特征提取建立输入与标签的映射，输出确定性判断或概率评估，如医学影像肿瘤分类、人脸识别、信贷风险预测等，核心是优化特定任务预测精度，能力受限于预设类别与规则。生成式AI的发展历程爆发阶段2020年至今，扩散模型、大语言模型突破，国产模型如文心一言、通义千问等快速落地。探索阶段20世纪90年代至21世纪初，概率统计模型（HMM、CRF）兴起，语音合成与文本生成技术逐步发展。萌芽阶段20世纪50年代至80年代，图灵测试提出，IBM701完成首次机器翻译，规则驱动生成技术初步探索。发展阶段2010年至2020年，GAN、Transformer架构提出，GPT系列模型推出，生成质量显著提升。02生成式人工智能产业和应用生成式AI的产业生态政策环境技术体系市场需求是推动AI大模型行业发展的持续动力，2025年中国AI大模型市场规模预计突破495亿元，生成式AI进入规模化应用阶段。市场规模AIGC产业生态的技术体系以四层架构为核心，芯片层、框架层、模型层、应用层构成完整生态，推动生成式AI技术迭代与产业落地。人工智能政策制定方向的变化直接反映了产业发展不同阶段，国内出台《生成式人工智能服务管理暂行办法》，国际如欧盟《人工智能法案》加强监管。生成式AI的应用场景内容创作与文娱应用于新闻撰写、广告文案、影视脚本生成，提升创作效率与多样性。教育与医疗个性化学习路径规划、智能辅导、医学影像分析、药物研发等场景广泛应用。金融与工业智能投顾、风险评估、工业设计辅助、设备故障预测等领域深度融合。政务与无障碍AI数字人提供政务服务，AI手语系统、图像描述技术助力无障碍沟通。内容创作与文娱内容创作：通过文本生成、图像合成、视频编辑等技术，实现新闻撰写、广告文案创作、影视脚本生成及多媒体内容自动化生产。例如，新华社推出的AI新闻主播，能够快速生成并播报新闻内容，提高新闻发布的时效性和准确性；在文学创作中协助作家快速生成故事框架、角色设定。文娱行业：生成式AI在文娱行业的应用主要体现在内容创作自动化、互动体验升级、个性化内容推荐及虚拟角色开发等方面。例如，字节跳动推出的AI视频生成工具“剪映AI”，能够通过自然语言指令自动生成短视频脚本、匹配画面素材并完成剪辑，大幅降低创作门槛。教育与医疗教育领域：在教育领域的应用主要体现在教学资源生成、个性化学习路径规划、智能辅导答疑、虚拟课堂互动等方面。例如，科大讯飞推出的AI学习机，能够根据学生的学习情况提供个性化的学习路径规划，智能推荐学习资源。医疗领域：生成式AI不仅能够提升医疗效率，还可以在诊断、健康教育、病人沟通和个性化治疗中发挥重要作用。例如，借助医学影像分析系统自动识别肿瘤边界，生成3D重建模型辅助手术规划；通过AI药物研发平台生成分子结构预测化合物活性，缩短新药研发周期。金融与工业金融领域：生成式AI在金融领域的应用包括风险评估、智能投顾、客户服务等。例如，蚂蚁金服推出的智能投顾服务，能够根据用户的投资偏好和风险承受能力，生成个性化理财方案，提升金融服务效率，降低运营成本。工业与制造业：生成式AI在工业与制造业中的应用主要集中在生产流程优化、工业设计辅助、设备故障预测等方面。例如，中化信息与百度合作探索人工智能在化工行业的应用，基于千帆AppBuilder打造“化小易”知识助手，能够基于自然语言提问，快速检索并回答分子特性、分子合成路线等专业知识，替代了传统的人工查询方式，极大提高了研发效率。政务与无障碍政务服务：生成式AI在工业与制造业中的应用主要集中在生产流程优化、工业设计辅助、设备故障预测等方面。例如，中化信息与百度合作探索人工智能在化工行业的应用，基于千帆AppBuilder打造“化小易”知识助手，能够基于自然语言提问，快速检索并回答分子特性、分子合成路线等专业知识，替代了传统的人工查询方式，极大提高了研发效率。无障碍沟通支持：生成式AI通过多模态转换技术，为听障与视障群体构建无障碍交互环境。例如，腾讯AI手语生成系统可将实时语音转化为高精度手语动画，支持新闻播报、在线课程等场景的实时翻译；微软SeeingAI通过图像描述生成技术，为视障用户提供环境感知服务，在用户拍摄照片后，AI生成自然语言描述，向视障者描述画面中的人类、文字和物体，并用声音提示引导用户与这些目标互动。03生成式人工智能核心技术主要模型架构变分自编码器（VAE）编码器压缩数据，解码器重构数据，通过重建损失与KL散度优化生成效果。扩散模型通过加噪与去噪过程生成数据，图像质量高，训练稳定但生成速度较慢。生成对抗网络（GAN）生成器与判别器对抗训练，生成逼真样本，适用于图像合成等任务。Transformer架构基于自注意力机制，高效处理长序列，广泛应用于文本与多模态生成。变分自编码器变分自编码器（VAE）是一种基于概率建模的生成式模型，包括编码器和解码器两个核心组件，主要应用于图像生成与修复、数据压缩与降维、半监督学习。

数据从左向右正向流动，原始输入数据通过编码器压缩为潜在特征，再由解码器重构数据；损失函数同时计算重建损失（衡量重构数据与原始数据的差异）和KL散度（约束潜在空间分布接近正态分布），二者共同指导模型优化。图中关键的反向传播优化弯曲箭头，体现了损失梯度通过解码器、编码器反向传递的过程，驱动模型调整参数以最小化总损失。整个流程循环迭代，既保证数据重建精度，又维持潜在空间规范性，是生成模型实现特征学习与数据重建的核心机制。生成对抗网络生成对抗网络（GAN）是一种基于对抗学习的深度生成模型。在GAN的整体框架中，用于训练的模型由两个神经网络组成：生成模型（Generator）和判别模型（Discriminator），主要应用于图像合成、数据增强。左侧的“随机噪声z”通过“生成模型G(z)”转化为合成数据（如假图片）；右侧的“真实数据x”代表训练所用的真实样本（如真实图片）。生成数据和真实数据同时输入“判别模型D”进行对抗博弈：判别器像鉴伪专家，通过“真/伪？”输出判断数据来源；生成器则像造假者，不断改进以生成更逼真的数据欺骗判别器。两者的对抗训练形成动态平衡（类似“猫鼠游戏”），最终使生成数据达到以假乱真的效果。扩散模型扩散模型（DiffusionModels）是一种对样本逐步添加噪声再逐步去噪的生成模型，其训练过程包括：前向扩散过程、反向生成过程，主要应用于高逼真图像生成、视频生成、医学影像合成。从右至左的水平序列中，右侧清晰的原始人脸图像通过前向扩散过程（标注为向右箭头）逐步被添加高斯噪声，经历到等中间状态，最终退化为完全模糊的噪声图像；而左侧的反向生成过程（标注为向左箭头）则展示了模型通过迭代学习噪声分布规律，逐步从中剥离噪声，重建出原始图像的能力。整个过程揭示了扩散模型的核心思想：先通过系统化加噪破坏数据分布（前向扩散），再训练神经网络逆向恢复数据（反向生成），最终使模型掌握从随机噪声生成逼真图像的技术路径。Transformer架构Transformer模型是一种基于自注意力机制（Self-Attention）的模型架构，能够高效地处理长距离依赖关系。Transformer模型主要由输入部分、编码组件、解码组件以及输出部分组成，Transformer架构在自然语言处理领域和计算机视觉领域都发挥着重要作用。同时，Transformer架构在多模态生成任务中也展现出其潜力。Transformer架构的核心在于自注意力机制。在自注意力机制中，模型通过计算输入序列中各个元素之间的注意力权重，来决定每个元素在生成输出时对其他元素的关注程度。这种机制使得Transformer能够并行处理序列数据，大大提高了计算效率技术挑战0201算力与伦理问题模型训练与推理需大量算力；同时面临版权、隐私、算法偏见等伦理挑战。事实性校验与多模态对齐存在“幻觉”现象——即生成看似合理但实际错误的信息；需引入RAG等技术提升准确性，确保多模态内容语义一致。04提示词工程的开发与优化提示词工程定义输入设计通过词汇选择、句式构造和上下文整合，明确任务目标，如生成文本、分析数据或创作图像。01模型适配根据不同生成式AI模型的特点调整提示词设计，确保模型能准确理解用户意图。02迭代优化基于用户反馈和生成结果，持续改进提示词设计，以提升输出质量。03提示词工程的重要性010203提升模型输出质量通过明确指令和上下文设置，生成更加符合用户需求的内容。提升效率与降低成本扩展模型应用范围优化提示词能快速获得理想结果，避免反复调试模型参数或重新训练。通过调整和优化提示词，可以使模型在不同的领域和场景中发挥作用。提示词设计原则

01明确性与具体些提示词需清晰表达用户需求，避免模糊或歧义表述，通过限定条件缩小模型的理解范围。02可扩展性高频使用模型解决某类问题时，需要注意提示词设计的可扩展性，使其能适应新增需求或变化，无需完全重构。03伦理合规性根据用户使用需求，可在提示词中预设伦理边界，防范生成有害、偏见或违法内容。提示词设计原则

01明确性与具体性提示词需清晰表达用户需求，避免模糊或歧义表述，通过限定条件缩小模型的理解范围。范例：明确指令优化提示词。模糊提示：请推荐一些商业管理类的书籍。优化后：请推荐5本2021年至2025年间出版的商业管理类书籍，列出书名、作者、出版年、20字内书籍简介。提示词设计原则

02可扩展性高频使用模型解决某类问题时，需要注意提示词设计的可扩展性，使其能适应新增需求或变化，无需完全重构。范例：增加提示词的可扩展性。如果你是一名_____（角色），需要完成_______（任务），特别注意______（关键点），回答风格_____（要求）。如果回答风格为精简，则回答字数不超过200字；如果回答风格为正常，则字数不设限制。

提示词设计原则

03伦理合规性根据用户使用需求，可在提示词中预设伦理边界，防范生成有害、偏见或违法内容。前置约束方式直接添加声明，如“推荐符合可持续发展原则的方案”“拒绝回答涉及暴力、歧视或隐私的问题”“避免涉及种族、性别刻板印象”等，或者采用后置检验的方式，让模型在输出前进行伦理风险评估。

提示词工程的分类

提示词工程分类方式多种多样，若按照技术方法进行分类，可分为：基础提示、结构化提示、高级提示。基础提示指的是采用单轮指令，无复杂结构。主要代表为：零样本（Zero-shot）方式，直接进行提问；少样本（Few-shot）方式，给出示例引导。结构化提示是一种使用分隔符将输入内容分为不同部分，以清晰、有条理的方式指导AI模型理解并生成期望输出的提示方式。核心技术为思维链（Chain-of-Thought）、角色-任务-约束框架、多步骤推理模板等。高级提示主要指采用自洽性提示、动态生成提示、递归提示等方式，来高效引导AI模型生成高质量输出的提示设计方式。提示词设计方法

思维链（CoT）是一种改进的提示策略，用于提高模型在复杂推理任务中的性能，如算术推理、常识推理和符号推理。思维链方式按照角色设定、任务描述、输出要求、约束条件四层结构设计提示词提升模型理解能力。结构化提示词利用LLM自动生成与评估提示词，实现提示词的智能迭代优化。自动优化提示提示词设计原则

01结构化提示词按照角色设定、任务描述、输出要求、约束条件四层结构设计提示词。角色设定除设置专业身份外，还可对角色增设条件。任务描述则需对任务完成过程进行分解，可设置步骤化的指令便于模型理解。输出要求需明确格式规范、风格控制等。约束条件一般指法律、安全、文化等方面的设定，例如遵守隐私条款、符合安全标准。。提示词设计原则

02思维链方式其是在模型的提示中添加少量样例来引导模型在生成回答之前首先进行思维链推理。之后提出的zero-shotCoT则不需要在模型的提示中给出任何演示样例，使用者只需在原输入问题之后加上“让我们一步一步来解决问题”，模型即可自己生成思维链，引导模型推理出正确答案。提示词设计原则

03自动优化提示自动提示词工程（AutomaticPromptEngineering，APE）是指利用大型语言模型（LLM）自动生成和优化文本提示词Prompt的过程.下面介绍基础的APE设计思路，通常包括以下几个步骤：①生成候选提示词：利用LLM自身的能力，根据任务需求生成多个候选提示词。②评估候选提示词：在训练集上评估候选提示词的效果，选择得分最高的提示词。③优化提示词：在得分最高的提示词附近进行试探性搜索，生成语义相似的提示词，并再次评估，以寻找效果更好的提示词。这一过程可以迭代进行，直到提示词的效果无法再显著提升。05生成式人工智能案例设计文本生成案例案例背景：为开封清明上河园创作一篇兼具文化底蕴和实用性的旅游攻略，需涵盖景点介绍、一日游玩路线、周边美食等内容，要求语言生动、结构清晰，适合社交媒体传播。步骤：明确目标：用户需生成一篇旅游攻略，属于文本生成类任务。攻略要求包含景点介绍、一日游路线规划和周边美食介绍，字数500字左右。除此之外，根据攻略需具备实用性和文化底蕴，适合社交媒体传播的要求，可在提示词设计中增加相应要求，例如“在景点介绍中融入诗词典故”。选用模型：选用DeepSeek-R1，该模型的中长文本生成能力突出。设计提示词模型输出迭代优化图像生成案例案例背景：某小学要开展保护视力宣传教育专项活动，提升学生的爱眼护眼意识，有效预防近视。现要针对此活动，设计一款宣传海报。步骤：明确目标：该任务目标为设计一款宣传海报，属于图像生成任务。海报主题主要围绕小学生爱眼护眼进行设计，风格需要富有童趣且具有教育意义。选用模型：本案例选用百度文心大模型4.0Turbo。设计提示词模型输出迭代优化代码生成案例案例背景：现在想要通过Python语言编写一段代码快速生成100组数据，每组数据包含4个随机整数，这些数据需满足以下条件：①第一个随机数大于0，小于100；②第二个随机数大于5，小于31；③第三个随机数大于15，小于43；④第四个随机数大于0，小于29；⑤第一个随机数等于后三个随机数的和。步骤：明确目标：用户想要通过代码实现自动生成随机数，属于代码生成类任务。编程语言指定为Python语言。假设将其生成的四个随机数分别命名为：sum、a、b、c，对应的条件为：0<sum<100，5<a<31，15<b<43，0<c<29，且a+b+c=sum。为了方便用户使用，生成的数据可以存放在CSV文件中，每类随机数为一列。选用模型：本案例选用阿里云的通义千问。设计提示词模型输出迭代优化视频生成案例案例背景：假设你是一名短视频创作者，现在想要生成一个海浪拍打礁岩的视频，画面为俯拍镜头，比例16：9，要求呈现出来壮阔磅礴的气势。步骤：明确目标：本案例属于视频生成类任务，视频画面为海浪拍打礁岩，视角为俯拍，比例16：9，要求气势磅礴。选用模型：本案例选用可灵AI（KlingAI）作为视频生成模型。设计提示词模型输出迭代优化音频生成案例案例背景：假设要为上一小节生成的视频，增加一段配音，文字描述为“海浪从远处翻涌而来，拍打着礁石”，要求包含背景音乐。步骤：明确目标：本案例属于音频生成类任务，且已经明确音频内容。选用模型：本案例选用具有AI配音功能的腾讯智影作为生成模型。设计提示词模型输出迭代优化06AIGC智能办公应用价值效率提升与数据可视化工作效率提升。例如，自动化处理文档生成、数据整理、会议纪要等重复性任务，显著缩短工作时间。智能数据分析与可视化，智能洞察，辅助风险预判、资源优化等战略决策。多模态协作与创新驱动多模态协作。打通文本、图像、音视频等媒介的智能转换。创新驱动。生成创意提案、设计模板，激发组织创新活力。应用场景WPSAI实现合同、文案生成与排版优化，提升文档质量与制作效率。1.智能文档处理通过自然语言指令完成数据清洗、分析与图表生成，降低技术门槛。2.数据分析与可视化实现语音转写、纪要生成、任务分配，提升会议效率与执行力。4.智能会议与协作WPSAI可以实现文档的词句或者是段落的润色优化，提高文档的可读性。3.文字文档润色智能文档处理步骤：打开WPS中的PPT，点击“AI生成PPT”输入生成的PPT主题单击“开始生成”按钮挑选模版单击“创建幻灯片”按钮，即可创建成功PPT数据分析与可视化步骤：用WPS打开所需要处理的excel，按照图中所示的“1”“2”顺序进行单击操作使用AI帮助完成一些列复杂操作，例如,输入“帮我计算这些手机的总销量”输出结果文字文档润色步骤：打开需要处理的Word文档，选中需要修改的段落或句子，右击后在弹出的快捷菜单中选择“润色”→“快速润色”命令润色生成后，单击“替换”按钮输出结果智能会议与协作步骤：打开通义听悟官网，单击“上传音视频”按钮单击“上传本地音视频文件”按钮进行上传根据自己需要进行选择，然后单击“开始转写”按钮输出结果智能办公优势智能办公工具减少手动操作，显著缩短任务完成时间。跨团队信息共享更加便捷，协作透明度显著提高。提升效率增强协作智能办公工具覆盖文档处理、数据分析、会议协作等多种场景。适应多样化需求07AIGC赋能科研应用价值AIGC技术的引入为科研流程提供了创新解决方案。通过智能文献解析与多语言检索功能，快速定位关键研究成果；利用生成式模型辅助形成研究假设并优化实验方案；借助自动化代码生成与数据可视化工具，降低技术实现难度，使非计算机专业研究者也能高效完成复杂分析；同时构建跨学科知识图谱，促进不同领域研究者的深度协作。AIGC技术的应用显著提升了科研效率，促进了知识融合，推动科研模式向更高效、更智能的方向转型。应用场景010203文献综述与数据分析自动解析论文、生成可视化分析，提升研究效率与洞察力。实验设计与结果预测论文撰写与发表辅助生成学术内容、优化语言表达、匹配期刊格式，提升发表效率。模拟实验参数、预测结果，减少试错成本，加速科研进程。应用场景01文献综述与数据分析自动解析论文、生成可视化分析，提升研究效率与洞察力，例如，使用智谱清言AI阅读可自动解析文章内容并标注关键引用，助力研究者快速定位领域前沿。应用场景02实验设计与结果预测模拟实验参数、预测结果，减少试错成本，加速科研进程。典型案例：小米与国家级材料重点实验室合作，基于多元材料AI仿真系统研发出高强高韧免热处理环保压铸材料“泰坦合金”，成为国内首家拥有自研合金材料的汽车厂商。该系统深度融合材料专家知识与人工智能算法，构建了覆盖“成分-组织-性能”的多尺度关联模型。系统在超1000万种配方组合中高效筛选出最优解，最终锁定满足小米轻量化、环保需求的泰坦合金配方。该技术不仅应用于汽车零部件制造，还可拓展至手机、智能硬件等领域的材料创新。除此之外，中国钢研科技集团6个月内设计开发出世界上强度最高的高性能抗氢厚板材料；北京科学智能研究院引入AI分子表示学习模型，设计出不含贵重金属的新一代OLED发光材料。一批AI赋能的新材料标杆性成果正在不断涌现。应用场景03论文撰写与发表辅助生成学术内容、优化语言表达、匹配期刊格式，提升发表效率，例如，使用Kimi推荐论文发表的相关期刊。应用成效AIGC显著提升科研效率，文献综述时间缩短，实验试错次数减少。

效率提升01AIGC降低技术门槛，使非计算机专业研究者也能完成复杂数据分析。创新加速01AIGC降低技术门槛，使非计算机专业研究者也能完成复杂数据分析。门槛降低0108智能体与数字人智能体定义智能体（Agent）：是指能够感知环境、自主决策并执行动作以实现特定目标的实体或系统。它可以是软件形式，如聊天机器人、虚拟助手等；也可以是硬件形式，如自动驾驶汽车、服务机器人等。智能体特征自主性：无需全程干预，独立运行自主性指智能体无需人类全程干预，能基于预设规则或学习算法独立运行，如扫地机器人自主规划清洁路径。适应性：优化行为适应环境适应性指智能体可通过算法优化行为，适应动态变化的环境，如智能客服系统通过历史对话数据