【周末闲谈】人工智能热潮下的AIGC到底指的是什么？

柔光的暖阳◎ 2024-04-14 11:55 59阅读 0赞

*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。*![在这里插入图片描述][cb92708569c2448f8083684b0e799056.png_pic_center]

> 个人主页：[【?个人主页】][Link 1]  
> 系列专栏：[【❤️周末闲谈】][Link 2]

## 系列目录 ##

✨第一周 [二进制VS三进制][VS]  
✨第二周 [文心一言，模仿还是超越？][Link 3]  
✨第二周 [畅想AR][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”。  
![在这里插入图片描述][70100f2ee98247eb91425d46ed13f34f.png]  
![在这里插入图片描述][2b2227b1de164c55b4af2131998f7890.png]

## 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。

![在这里插入图片描述][0d7cb1af460c4498b2e45f5be10f74f5.png_pic_center]

## 发展 ##

### 人工智能的发展历史: ###

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。

![在这里插入图片描述][cba4babc87e74321ae536faa68df4952.png_pic_center]

#### 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。

![在这里插入图片描述][ba129f1b74d24f848fbdb78dca8939c1.png_pic_center]  
![在这里插入图片描述][67b9b9a4a6e9416ca63fc97545560733.gif_pic_center]

（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）][AIGC_2022]）

[cb92708569c2448f8083684b0e799056.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/1ddbc1968fa14fd2887a44730e3cd1a6.png
[Link 1]: https://blog.csdn.net/weixin_73602725?type=blog
[Link 2]: https://blog.csdn.net/weixin_73602725/category_12243391.html?spm=1001.2014.3001.5482
[VS]: https://blog.csdn.net/weixin_73602725/article/details/129475790?spm=1001.2014.3001.5502
[Link 3]: https://blog.csdn.net/weixin_73602725/article/details/129637544
[AR]: https://blog.csdn.net/weixin_73602725/article/details/129767777
[70100f2ee98247eb91425d46ed13f34f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/d600434c668149ba9326f4a3c7a6bbb4.png
[2b2227b1de164c55b4af2131998f7890.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/1834a9544f4a423e8d14a4076d5ad254.png
[0d7cb1af460c4498b2e45f5be10f74f5.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/4e537156babe40c9a1c09a252b65211e.png
[cba4babc87e74321ae536faa68df4952.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/cbb122820fb94873bf67939dd228681b.png
[ba129f1b74d24f848fbdb78dca8939c1.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/fa9901ea8c0f4bb796c8c9db13cb35d8.png
[67b9b9a4a6e9416ca63fc97545560733.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/11/e63e6ff94fa94ee1a7cecc2eea41fb75.gif
[AIGC_2022]: http://www.caict.ac.cn/sytj/202209/t20220913_408835.htm