蜜臀无码久久AV|男人操女人免费看|日韩 无码 高清 久久|秋霞精品视频日本三级黄色|快射视频网站国产精品久久曰|婷婷五月 亚洲无码|久久久久久久亚洲人妻|一区二区午夜男人在线影视|大鸡吧久久久久久久久久久|欧美大片区一区二区三

        AIGC，也就是人工智能生成內(nèi)容（Artificial Intelligence Generated Content）是人工智能1.0時(shí)代進(jìn)入2.0時(shí)代的重要標(biāo)志。

GAN、CLIP、Transformer、Diffusion、預(yù)訓(xùn)練模型、多模態(tài)技術(shù)、生成算法等技術(shù)的累積融合，催生了AIGC的爆發(fā)。算法不斷迭代創(chuàng)新、預(yù)訓(xùn)練模型引發(fā)AIGC技術(shù)能力質(zhì)變，多模態(tài)推動(dòng)AIGC內(nèi)容多邊形，使得AIGC具有更通用和更強(qiáng)的基礎(chǔ)能力。

從計(jì)算智能、感知智能再到認(rèn)知智能的進(jìn)階發(fā)展來看，AIGC已經(jīng)為人類社會(huì)打開了認(rèn)知智能的大門。通過單個(gè)大規(guī)模數(shù)據(jù)的學(xué)習(xí)訓(xùn)練，令A(yù)I具備了多個(gè)不同領(lǐng)域的知識(shí)，只需要對(duì)模型進(jìn)行適當(dāng)?shù)恼{(diào)整修正，就能完成真實(shí)場(chǎng)景的任務(wù)。

AIGC對(duì)于人類社會(huì)、人工智能的意義是里程碑式的。短期來看AIGC改變了基礎(chǔ)的生產(chǎn)力工具，中期來看會(huì)改變社會(huì)的生產(chǎn)關(guān)系，長(zhǎng)期來看促使整個(gè)社會(huì)生產(chǎn)力發(fā)生質(zhì)的突破，在這樣的生產(chǎn)力工具、生產(chǎn)關(guān)系、生產(chǎn)力變革中，生產(chǎn)要素——數(shù)據(jù)價(jià)值被極度放大。

AIGC把數(shù)據(jù)要素提到時(shí)代核心資源的位置，在一定程度上加快了整個(gè)社會(huì)的數(shù)字化轉(zhuǎn)型進(jìn)程。

生成式人工智能——AIGC（Artificial Intelligence Generated Content），是指基于生成對(duì)抗網(wǎng)絡(luò)、大型預(yù)訓(xùn)練模型等人工智能的技術(shù)方法，通過已有數(shù)據(jù)的學(xué)習(xí)和識(shí)別，以適當(dāng)?shù)姆夯芰ι上嚓P(guān)內(nèi)容的技術(shù)。

AIGC技術(shù)的核心思想是利用人工智能算法生成具有一定創(chuàng)意和質(zhì)量的內(nèi)容。通過訓(xùn)練模型和大量數(shù)據(jù)的學(xué)習(xí)，AIGC可以根據(jù)輸入的條件或指導(dǎo)，生成與之相關(guān)的內(nèi)容。例如，通過輸入關(guān)鍵詞、描述或樣本，AIGC可以生成與之相匹配的文章、圖像、音頻等。

麥肯錫的定義：生成式人工智能旨在通過以一種接近人類行為，（與人類）進(jìn)行交互式協(xié)作。

Gartner的定義：生成式人工智能是一種顛覆性的技術(shù)，它可以生成以前依賴于人類的工件，在沒有人類經(jīng)驗(yàn)和思維過程偏見的情況下提供創(chuàng)新的結(jié)果。

BCG的定義：生成式AI是一種突破性的人工智能形式，它使用對(duì)抗網(wǎng)絡(luò)(GANs)的深度學(xué)習(xí)技術(shù)來創(chuàng)建新穎的內(nèi)容。

TE智庫(kù)的定義：生成式人工智能，將徹底改變?nèi)藱C(jī)交互的關(guān)系，并創(chuàng)造新的產(chǎn)能輸出結(jié)構(gòu)。它將在第四維度實(shí)現(xiàn)與人的思維同調(diào)，類似移動(dòng)設(shè)備以人類外器官形態(tài)存在，AIGC將以外腦的形式存在于人類認(rèn)知中。

南京大學(xué)數(shù)據(jù)智能與交叉創(chuàng)新實(shí)驗(yàn)室：為伴隨著網(wǎng)絡(luò)形態(tài)演化和人工智能技術(shù)變革產(chǎn)生的一種新的生成式網(wǎng)絡(luò)信息內(nèi)容。

信通院的定義：AIGC既是從內(nèi)容生產(chǎn)者視角進(jìn)行分類的一類內(nèi)容，又是一種內(nèi)容生產(chǎn)方式，還是用于內(nèi)容自動(dòng)化生成的一類技術(shù)集合。

1950年，艾倫?圖靈（Alan Turing）在其論文《計(jì)算機(jī)器與智能（Computing Machinery and Intelligence ）》13中提出了著名的“圖靈測(cè)試”，給出了判定機(jī)器是否具有“智能”的試驗(yàn)方法，即機(jī)器是否能夠模仿人類的思維方式來“生成”內(nèi)容繼而與人交互。

某種程度上來說，人工智能從那時(shí)起就被寄予了用于內(nèi)容創(chuàng)造的期許。經(jīng)過半個(gè)多世紀(jì)的發(fā)展，隨著數(shù)據(jù)快速積累、算力性能提升和算法效力增強(qiáng)，今天的人工智能不僅能夠與人類進(jìn)行互動(dòng)，還可以進(jìn)行寫作、編曲、繪畫、視頻制作等創(chuàng)意工作。

2018年，人工智能生成的畫作在佳士得拍賣行以43.25萬美元成交，成為世界上首個(gè)出售的人工智能藝術(shù)品，引發(fā)各界關(guān)注。隨著人工智能越來越多地被應(yīng)用于內(nèi)容創(chuàng)作，人工智能生成內(nèi)容 (Artificial Intelligence Generated Content,簡(jiǎn)稱AIGC)的概念悄然興起。

人工智能的發(fā)展歷史大致可以被劃分為5個(gè)階段。（1950~1974）人工智能概念的出現(xiàn)；（1974~1980）神經(jīng)網(wǎng)絡(luò)遇冷，研究經(jīng)費(fèi)減少；（1980~1987）專家系統(tǒng)流行并商用；（1987~1993）專家系統(tǒng)潰敗，研究經(jīng)費(fèi)大減；（1993~至今）深度學(xué)習(xí)理論和工程突破。

使用計(jì)算機(jī)生成內(nèi)容的想法自上個(gè)世紀(jì)五十年代就已經(jīng)出現(xiàn)，早期的嘗試側(cè)重于通過讓計(jì)算機(jī)生成照片和音樂來模仿人類的創(chuàng)造力，生成的內(nèi)容也無法達(dá)到高水平的真實(shí)感。結(jié)合人工智能的演進(jìn)改革，AIGC的發(fā)展可以大致分為以下三個(gè)階段：

早期萌芽階段：1950-1990

受限于科技水平，AIGC僅限于小范圍實(shí)驗(yàn)。1957年，萊杰倫·希勒(Lejaren Hiller)和倫納德·艾薩克森（Leonard Isaacson）通過將計(jì)算機(jī)程序中的控制變量改為音符，完成了歷史上第一部由計(jì)算機(jī)創(chuàng)作的音樂作品——弦樂四重奏《依利亞克組曲（Illiac Suite）》。1966年，約瑟夫·韋岑鮑姆(JosephWeizenbaum)和肯尼斯·科爾比(Kenneth Colbv)共同開發(fā)了世界上第一個(gè)機(jī)器人“伊莉莎(Eliza)”，其通過關(guān)鍵字掃描和重組來完成交互式任務(wù)。80年代中期，IBM基于隱馬爾可夫鏈模型創(chuàng)造了語(yǔ)音控制打字機(jī)“坦戈拉（Tangora）”，能夠處理兩萬個(gè)單詞。

沉積積累階段：1990-2010

AIGC從實(shí)驗(yàn)性向?qū)嵱眯灾饾u轉(zhuǎn)變，深度學(xué)習(xí)算法、圖形處理單元(GPU)、張量處理器(TPU)和訓(xùn)練數(shù)據(jù)規(guī)模等都取得了重大突破，受到算法瓶頸的限制，效果有待提升。2007年，紐約大學(xué)人工智能研究員羅斯·古德溫（Ross Goodwin）裝配的人工智能系統(tǒng)通過對(duì)公路旅行中的所見所聞進(jìn)行記錄和感知，撰寫出世界上第一部完全由人工智能創(chuàng)作的小說《1 The Road》。2012年，微軟公開展示了一個(gè)全自動(dòng)同聲傳譯系統(tǒng)，通過深度神經(jīng)網(wǎng)絡(luò)（DNN）可以自動(dòng)將英文演講者的內(nèi)容通過語(yǔ)音識(shí)別、語(yǔ)言翻譯、語(yǔ)音合成等技術(shù)生成中文語(yǔ)音。

快速發(fā)展階段：2010至今

深度學(xué)習(xí)模型不斷迭代，AIGC取得突破性進(jìn)展。尤其在2022年，算法獲得井噴式發(fā)展，底層技術(shù)的突破也使得AIGC商業(yè)落地成為可能。其中主要集中在AI繪畫領(lǐng)域：2014年6月，生成式對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）被提出。2021年2月，OpenAI推出了CLIP（Contrastive Language-Image Pre-Training）多模態(tài)預(yù)訓(xùn)練模型。2022年，擴(kuò)散模型Diffusion Model逐漸替代GAN。

AIGC是建立在多模態(tài)之上的人工智能技術(shù)，即單個(gè)模型可以同時(shí)理解語(yǔ)言、圖像、視頻、音頻等，并能夠完成單模態(tài)模型無法完成的任務(wù)，比如給視頻添加文字描述、結(jié)合語(yǔ)義語(yǔ)境生成圖片等。

現(xiàn)階段國(guó)內(nèi)AIGC多以單模型應(yīng)用的形式出現(xiàn)，主要分為文本生成、圖像生成、視頻生成、音頻生成，其中文本生成成為其他內(nèi)容生成的基礎(chǔ)。

文本生成

文本生成（AI Text Generation），人工智能文本生成是使用人工智能(AI)算法和模型來生成模仿人類書寫內(nèi)容的文本。它涉及在現(xiàn)有文本的大型數(shù)據(jù)集上訓(xùn)練機(jī)器學(xué)習(xí)模型，以生成在風(fēng)格、語(yǔ)氣和內(nèi)容上與輸入數(shù)據(jù)相似的新文本。

圖像生成

圖像生成（AI Image Generation），人工智能(AI)可用于生成非人類藝術(shù)家作品的圖像。這種類型的圖像被稱為“人工智能生成的圖像”。人工智能圖像可以是現(xiàn)實(shí)的或抽象的，也可以傳達(dá)特定的主題或信息。

語(yǔ)音生成

語(yǔ)音生成（AI Audio Generation），AIGC的音頻生成技術(shù)可以分為兩類，分別是文本到語(yǔ)音合成和語(yǔ)音克隆。文本到語(yǔ)音合成需要輸入文本并輸出特定說話者的語(yǔ)音，主要用于機(jī)器人和語(yǔ)音播報(bào)任務(wù)。到目前為止，文本轉(zhuǎn)語(yǔ)音任務(wù)已經(jīng)相對(duì)成熟，語(yǔ)音質(zhì)量已達(dá)到自然標(biāo)準(zhǔn)，未來將向更具情感的語(yǔ)音合成和小樣本語(yǔ)音學(xué)習(xí)方向發(fā)展；語(yǔ)音克隆以給定的目標(biāo)語(yǔ)音作為輸入，然后將輸入語(yǔ)音或文本轉(zhuǎn)換為目標(biāo)說話人的語(yǔ)音。此類任務(wù)用于智能配音等類似場(chǎng)景，合成特定說話人的語(yǔ)音。

視頻生成

視頻生成（AI Video Generation），AIGC已被用于視頻剪輯處理以生成預(yù)告片和宣傳視頻。工作流程類似于圖像生成，視頻的每一幀都在幀級(jí)別進(jìn)行處理，然后利用 AI 算法檢測(cè)視頻片段。AIGC生成引人入勝且高效的宣傳視頻的能力是通過結(jié)合不同的AI算法實(shí)現(xiàn)的。憑借其先進(jìn)的功能和日益普及，AIGC可能會(huì)繼續(xù)革新視頻內(nèi)容的創(chuàng)建和營(yíng)銷方式。 

AI產(chǎn)業(yè)鏈主要由基礎(chǔ)層、技術(shù)層、應(yīng)用層三大層構(gòu)成。其中基礎(chǔ)層側(cè)重于基礎(chǔ)支撐平臺(tái)的搭建，包含傳感器、AI芯片、數(shù)據(jù)服務(wù)和計(jì)算平臺(tái)；技術(shù)層側(cè)重核心技術(shù)的研發(fā)，主要包括算法模型、基礎(chǔ)框架、通用技術(shù)；應(yīng)用層注重產(chǎn)業(yè)應(yīng)用發(fā)展主要包含行業(yè)解決方案服務(wù)、硬件產(chǎn)品和軟件產(chǎn)品。

調(diào)研歸納發(fā)現(xiàn)，國(guó)內(nèi)AIGC產(chǎn)業(yè)鏈結(jié)構(gòu)主要由基礎(chǔ)大模型、行業(yè)/場(chǎng)景中模型、業(yè)務(wù)/領(lǐng)域小模型，AI基礎(chǔ)設(shè)施、AIGC配套服務(wù)五部分構(gòu)成，并且已經(jīng)形成了豐富的產(chǎn)業(yè)鏈。

基礎(chǔ)大模型

通過大量無標(biāo)簽或通用公開數(shù)據(jù)集，在數(shù)百萬或數(shù)十億參數(shù)量下，訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型。這種模型經(jīng)過專門的訓(xùn)練過程，能夠?qū)Υ笠?guī)模數(shù)據(jù)進(jìn)行復(fù)雜的處理和任務(wù)處理。大模型需要占用大量的計(jì)算資源、存儲(chǔ)空間、時(shí)間和電力等資源來保證它的訓(xùn)練和部署。