微課7-2生成式AI與AIGC判別式AI是一種專注于學(xué)習(xí)輸入數(shù)據(jù)與輸出標(biāo)簽之間映射關(guān)系的AI方法。它主要關(guān)注如何從給定的輸入中準(zhǔn)確地預(yù)測或分類輸出。判別式模型直接學(xué)習(xí)從特征到類別的決策邊界，在許多實(shí)際應(yīng)用中表現(xiàn)出色，尤其是在需要高精度和快速響應(yīng)的任務(wù)上。生成式AI是近年來備受矚目的技術(shù)領(lǐng)域，它利用深度學(xué)習(xí)和大數(shù)據(jù)等技術(shù)，自主生成全新的、具有創(chuàng)新性的內(nèi)容。這些新數(shù)據(jù)或內(nèi)容與訓(xùn)練數(shù)據(jù)具有相似的特征，但并非完全相同，可以是文本、圖像、音頻等形式。微課7-2生成式AI與AIGC基于機(jī)器學(xué)習(xí)方法的生成式AI是AI的一個(gè)分支，它專注于學(xué)習(xí)現(xiàn)有數(shù)據(jù)集的模式，并基于這些模式創(chuàng)造新的、之前未存在的內(nèi)容。生成式模型通過深度學(xué)習(xí)網(wǎng)絡(luò)，如變分自編碼器（VAE）、生成對抗網(wǎng)絡(luò)（GAN）或Transformer模型（如ChatGPT）等來實(shí)現(xiàn)生成與原始數(shù)據(jù)相似的全新內(nèi)容。這種技術(shù)可以應(yīng)用于NLP、圖像生成、音頻合成等多個(gè)領(lǐng)域。為了更全面地了解生成式AI領(lǐng)域，分析該技術(shù)的價(jià)值鏈，考慮將其分為4個(gè)相互關(guān)聯(lián)的層，即應(yīng)用層、平臺(tái)層、模型層和基礎(chǔ)設(shè)施層。每一層在整個(gè)過程中都發(fā)揮著獨(dú)特作用，共同創(chuàng)造新的內(nèi)容。7.2.1生成式AI的定義（1）應(yīng)用層。由通用、特定領(lǐng)域和集成三個(gè)子程序組成。通過動(dòng)態(tài)創(chuàng)建內(nèi)容的專門算法簡化人類與AI的交互。用戶無須直接訪問底層基礎(chǔ)模型。（2）平臺(tái)層。通過托管服務(wù)提供對LLM的訪問，簡化了通用預(yù)訓(xùn)練基礎(chǔ)模型的微調(diào)和定制過程。微調(diào)可以顯著提升LLM的能力。（3）模型層?；A(chǔ)模型，通常使用Transformer算法對未標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練。訓(xùn)練和微調(diào)過程使基礎(chǔ)模型成為一種多功能工具。（4）基礎(chǔ)設(shè)施層。包含大規(guī)?；A(chǔ)模型。這一過程涉及的關(guān)鍵資源是半導(dǎo)體、網(wǎng)絡(luò)、存儲(chǔ)、數(shù)據(jù)庫和云服務(wù)。7.2.1生成式AI的定義生成式AI模型通過以下兩個(gè)主要階段發(fā)揮作用。（1）訓(xùn)練階段：這是學(xué)習(xí)發(fā)生的階段，通常在云數(shù)據(jù)中心的加速計(jì)算集群中進(jìn)行。LLM從給定的數(shù)據(jù)集中學(xué)習(xí)，其中詞元是模型處理文本的個(gè)體部分，1個(gè)詞元相當(dāng)于1.33個(gè)單詞，主要來自互聯(lián)網(wǎng)百科、書籍和文章。（2）推斷階段：這是使用經(jīng)過訓(xùn)練的AI模型生成用戶響應(yīng)的過程。新的文本輸入被標(biāo)記為單獨(dú)的單位，模型解釋詞元并生成相應(yīng)的輸出。生成式AI的準(zhǔn)確性取決于LLM的規(guī)模和使用的訓(xùn)練數(shù)據(jù)量。這些因素反過來需要一個(gè)由半導(dǎo)體、網(wǎng)絡(luò)、存儲(chǔ)、數(shù)據(jù)庫和云服務(wù)組成的強(qiáng)大基礎(chǔ)設(shè)施。7.2.1生成式AI的定義從用戶生成內(nèi)容（UGC）到專業(yè)生成內(nèi)容（PGC），再到現(xiàn)在的AIGC（AI生成內(nèi)容），可以看到內(nèi)容創(chuàng)作方式的巨大變革和進(jìn)步。AIGC代表了AI在創(chuàng)意生產(chǎn)和內(nèi)容生成領(lǐng)域的應(yīng)用，能夠自動(dòng)化或半自動(dòng)化地生產(chǎn)高質(zhì)量、個(gè)性化的內(nèi)容。應(yīng)用AIGC的關(guān)鍵步驟一般包括：數(shù)據(jù)收集、模型訓(xùn)練、內(nèi)容生成和后期優(yōu)化。通過這些過程，AI系統(tǒng)能夠理解特定主題、風(fēng)格或用戶偏好，進(jìn)而生成符合要求的內(nèi)容。7.2.2

AIGC的定義定義：AIGC是指利用AI技術(shù)，特別是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法自動(dòng)生成各種形式（如文字、圖像、音頻、視頻等）的內(nèi)容。這些內(nèi)容可以是創(chuàng)意性的，比如藝術(shù)作品、音樂、文章；也可以是實(shí)用性的，比如新聞報(bào)道、產(chǎn)品描述、個(gè)性化推薦信息等。AIGC的核心優(yōu)勢在于能夠基于大量的數(shù)據(jù)學(xué)習(xí)模式自動(dòng)創(chuàng)作新的內(nèi)容，在很大程度上提高了內(nèi)容生成的效率和個(gè)性化程度。AIGC的應(yīng)用場景廣泛，從媒體和娛樂行業(yè)到教育、廣告、電商、個(gè)人助理等多個(gè)領(lǐng)域，都在探索如何利用這一技術(shù)來提升用戶體驗(yàn)、創(chuàng)造新價(jià)值。7.2.2

AIGC的定義生成式AI與AIGC這兩個(gè)概念緊密相關(guān)。AIGC是生成式AI的一個(gè)具體應(yīng)用方向。生成式AI的核心能力在于創(chuàng)造、預(yù)測、轉(zhuǎn)換和補(bǔ)全信息，而AIGC則更側(cè)重描述由生成式AI技術(shù)所產(chǎn)出的實(shí)際成果，即由AI自動(dòng)生成、具體創(chuàng)造出來的作品內(nèi)容本身，包括文本創(chuàng)作、圖像合成以及音樂生成、視頻剪輯等。因此，生成式AI是底層的技術(shù)框架和方法，而AIGC是這些技術(shù)應(yīng)用的結(jié)果，體現(xiàn)了技術(shù)在實(shí)際場景中的應(yīng)用價(jià)值和社會(huì)影響。兩者之間存在一種從技術(shù)到產(chǎn)品的邏輯聯(lián)系，生成式AI的發(fā)展推動(dòng)了AIGC的多樣化和普及化。7.2.3生成式AI與AIGC的關(guān)系生成式AI（AIGC）技術(shù)具有強(qiáng)大的創(chuàng)造性和自動(dòng)化能力，其應(yīng)用場景廣泛且多樣，典型應(yīng)用場景可以分為5個(gè)方面。（1）文字生成：根據(jù)使用場景，基于NLP，分為非交互式與交互式文本生成。AIGC能夠根據(jù)特定主題或情境生成文本內(nèi)容，提高內(nèi)容創(chuàng)造效率。（2）圖像生成：根據(jù)用戶的描述或輸入的關(guān)鍵詞生成符合要求的圖像，如各種風(fēng)格的藝術(shù)作品、插圖、設(shè)計(jì)圖樣。根據(jù)使用場景，可分為圖像編輯修改與圖像自主生成。7.2.4生成式AI的應(yīng)用場景（3）音頻生成：在音樂和音頻制作領(lǐng)域的相關(guān)技術(shù)較為成熟。AIGC可以生成音樂作品、音效、播客內(nèi)容，用于音樂創(chuàng)作軟件和自動(dòng)配音工具，甚至合成逼真的人聲，如語音克隆，將人聲1替換為人聲2。（4）視頻生成：主要分為視頻編輯與視頻自主生成。視頻編輯可應(yīng)用于視頻畫質(zhì)增強(qiáng)，視頻修復(fù)，視頻畫面剪輯。視頻自主生成可應(yīng)用于圖