当前位置:AIGC资讯 > AIGC > 正文

【周末闲谈】人工智能热潮下的AIGC到底指的是什么?

生成式人工智能AIGC(Artificial Intelligence Generated Content)是人工智能1.0时代进入2.0时代的重要标志。

个人主页:【?个人主页】
系列专栏:【❤️周末闲谈】

系列目录

✨第一周 二进制VS三进制
✨第二周 文心一言,模仿还是超越?
✨第二周 畅想AR

文章目录

系列目录 前言 ALGC 发展 人工智能的发展历史: AIGC的发展历程: 早期萌芽阶段:1950-1990 沉积积累阶段:1990-2010 快速发展阶段:2010-至今

前言

当我查阅资料时发现明明是火遍全网的话题,在网络上关于AIGC的概念却是模糊不清,甚至在有些对话中关于它的介绍居然是错误的,那么今天就让我来谈谈这个对于我们来说有点陌生的“AIGC”。

ALGC

AIGC是一种新的人工智能技术,它的全称是Artificial Intelligence Generative Content,即人工智能生成内容

这里我们引用中国信通园的概念——AIGC既是从内容生产者视角进行分类的一类内容,又是一种内容生产方式,还是用于内容自动化生成的一类技术集合。
其核心思想是利用人工智能模型,根据给定的主题、关键词、格式、风格等条件,自动生成各种类型的文本、图像、音频、视频等内容。AIGC可以广泛应用于媒体、教育、娱乐、营销、科研等领域,为用户提供高质量、高效率、高个性化的内容服务。

发展

人工智能的发展历史:

#mermaid-svg-xnJvF1H2AjgTo59Q {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-xnJvF1H2AjgTo59Q .error-icon{fill:#552222;}#mermaid-svg-xnJvF1H2AjgTo59Q .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-xnJvF1H2AjgTo59Q .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-xnJvF1H2AjgTo59Q .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-xnJvF1H2AjgTo59Q .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-xnJvF1H2AjgTo59Q .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-xnJvF1H2AjgTo59Q .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-xnJvF1H2AjgTo59Q .marker{fill:#333333;stroke:#333333;}#mermaid-svg-xnJvF1H2AjgTo59Q .marker.cross{stroke:#333333;}#mermaid-svg-xnJvF1H2AjgTo59Q svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-xnJvF1H2AjgTo59Q .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-xnJvF1H2AjgTo59Q .cluster-label text{fill:#333;}#mermaid-svg-xnJvF1H2AjgTo59Q .cluster-label span{color:#333;}#mermaid-svg-xnJvF1H2AjgTo59Q .label text,#mermaid-svg-xnJvF1H2AjgTo59Q span{fill:#333;color:#333;}#mermaid-svg-xnJvF1H2AjgTo59Q .node rect,#mermaid-svg-xnJvF1H2AjgTo59Q .node circle,#mermaid-svg-xnJvF1H2AjgTo59Q .node ellipse,#mermaid-svg-xnJvF1H2AjgTo59Q .node polygon,#mermaid-svg-xnJvF1H2AjgTo59Q .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-xnJvF1H2AjgTo59Q .node .label{text-align:center;}#mermaid-svg-xnJvF1H2AjgTo59Q .node.clickable{cursor:pointer;}#mermaid-svg-xnJvF1H2AjgTo59Q .arrowheadPath{fill:#333333;}#mermaid-svg-xnJvF1H2AjgTo59Q .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-xnJvF1H2AjgTo59Q .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-xnJvF1H2AjgTo59Q .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-xnJvF1H2AjgTo59Q .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-xnJvF1H2AjgTo59Q .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-xnJvF1H2AjgTo59Q .cluster text{fill:#333;}#mermaid-svg-xnJvF1H2AjgTo59Q .cluster span{color:#333;}#mermaid-svg-xnJvF1H2AjgTo59Q div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-xnJvF1H2AjgTo59Q :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}

1950 -1974

1974-1980

1980-1987

1987-1993

人工智能概念的出现

神经网络遇冷研究经费减少

专家系统流行并商用

专家系统溃败研究经费大减

深度学习理论和工程突破

AIGC的发展历程:

早期萌芽阶段:1950-1990

受限于科技水平,AIGC仅限于小范围实验。1957年,莱杰伦·希勒(Lejaren Hiller)和伦纳德·艾萨克森(Leonard Isaacson)通过将计算机程序中的控制变量改为音符,完成了历史上第一部由计算机创作的音乐作品——弦乐四重奏《依利亚克组曲(Illiac Suite)》。1966年,约瑟夫·韦岑鲍姆(JosephWeizenbaum)和肯尼斯·科尔比(Kenneth Colbv)共同开发了世界上第一个机器人“伊莉莎(Eliza)”,其通过关键字扫描和重组来完成交互式任务。80年代中期,IBM基于隐马尔可夫链模型创造了语音控制打字机“坦戈拉(Tangora)”,能够处理两万个单词。

沉积积累阶段:1990-2010

AIGC从实验性向实用性逐渐转变,深度学习算法、图形处理单元(GPU)、张量处理器(TPU)和训练数据规模等都取得了重大突破,受到算法瓶颈的限制,效果有待提升。2007年,纽约大学人工智能研究员罗斯·古德温(Ross Goodwin)装配的人工智能系统通过对公路旅行中的所见所闻进行记录和感知,撰写出世界上第一部完全由人工智能创作的小说《1 The Road》。2012年,微软公开展示了一个全自动同声传译系统,通过深度神经网络(DNN)可以自动将英文演讲者的内容通过语音识别、语言翻译、语音合成等技术生成中文语音。

快速发展阶段:2010-至今

深度学习模型不断迭代,AIGC取得突破性进展。尤其在2022年,算法获得井喷式发展,底层技术的突破也使得AIGC商业落地成为可能。其中主要集中在AI绘画领域:2014年6月,生成式对抗网络(Generative Adversarial Network,GAN)被提出。2021年2月,OpenAI推出了CLIP(Contrastive Language-Image Pre-Training)多模态预训练模型。2022年,扩散模型Diffusion Model逐渐替代GAN。


(文章部分内容来源于中国信通院人工智能生成内容(AIGC)白皮书(2022年))

更新时间 2024-01-15