第十章AIGC技術人工智能通識基礎1目錄第十章AIGC技術AIGC技術概述01AIGC模型02AIGC的應用03AIGC的影響、挑戰(zhàn)與趨勢042AIGC技術概述0131.1AIGC“破圈”與定義41.AIGC技術概述1.1AIGC“破圈”與定義——案例案例1：AI繪畫作品《太空歌劇院》案例2：AI創(chuàng)作詩集圖片來源：新浪網(wǎng)51.AIGC技術概述AIGC——AI-GeneratedContent，人工智能生成內容指利用人工智能技術，自動生成文本、圖像、音頻、視頻等各類數(shù)字內容AIGC應用1.1AIGC“破圈”與定義——AIGC定義61.AIGC技術概述1.1AIGC“破圈”與定義——AIGC發(fā)展的三大核心要素數(shù)據(jù)質量越高、多樣性越豐富，AI生成內容越優(yōu)質海量數(shù)據(jù)訓練依賴高算力算力不足，算法無法落地大數(shù)據(jù)強大算力先進算法數(shù)據(jù)是基礎，算力是支撐，算法是核心——三者協(xié)同推動AIGC技術持續(xù)突破算法是AIGC技術的核心驅動力突破性算法架構推動AIGC飛躍式發(fā)展71.2AIGC的發(fā)展歷程81.AIGC技術概述1.2AIGC的發(fā)展歷程——萌芽階段（1950年–1990年）ELIZA系統(tǒng)界面，模擬心理咨詢的早期聊天機器人主要依賴預設規(guī)則系統(tǒng)的早期探索。代表性成果：MIT開發(fā)的ELIZA（1966）；特點：

無法真正“理解”語言，僅能進行模板式重組；內容機械、生硬，應用場景非常有限。圖片來源：新浪聞91.AIGC技術概述1.2AIGC的發(fā)展歷程——沉淀積累階段（1990年-2010年）AIGC開始從規(guī)則系統(tǒng)過渡到統(tǒng)計模型特點：內容生成初顯智能雛形，但仍依賴人工模板，質量參差不齊

1990年代，統(tǒng)計語言模型出現(xiàn)，使機器能夠生成更通順的文本2006年深度學習興起，為后續(xù)的內容生成革命埋下了種子IBM的語音識別首次應用隱馬爾可夫模型（HMM）發(fā)展過程：101.AIGC技術概述1.2AIGC的發(fā)展歷程——快速發(fā)展階段（2010年-2021年）IanJ.Goodfellow提出生成對抗網(wǎng)絡GAN“小冰”推出世界首部100%由人工智能創(chuàng)作的詩集《陽光失了玻璃窗》英偉達發(fā)布StyleGAN模型可自動生成高質量圖片，幾個月后發(fā)布了StyleGAN2人工智能生成畫作在佳士得以43.25萬美元成交，成為首個出售的人工智能藝術品DeepMind發(fā)布DVD-GAN模型用以生成連續(xù)視頻2020年，伯克利的PieterAbbeel等人提出去噪擴散概率模型（DDPM）OpenAI推出了GPT-3，擁有超過1750億的訓練參數(shù)量，被譽為“萬能生成器”O(jiān)penAI推出DALL-E，主要應用于文本與圖像交互生成內容，同年將跨模態(tài)深度學習模型CLIP開源事件技術影響快速發(fā)展階段：2010-2021年特點：深度學習算法不斷迭代，人工智能生成內容百花齊放，效果逐漸逼真至難以分辨被廣泛應用在圖像生成、語音生成等場景中TransFormer架構推動深度學習算法突破發(fā)展，迸發(fā)出大模型在圖像生成方面比GAN更優(yōu)，擴散模型威望大幅提升文本生成迎來重大突破，GPT-3龐大的運行規(guī)模使得它不僅能答題、寫論文和生成代碼等，還能編寫曲譜、寫小說等CLIP模型搜集了大量數(shù)據(jù)，為輸入文本生成圖像、視頻應用的落地奠定了基礎關聯(lián)文字和圖像，并且關聯(lián)特征非常豐富自然語言生成模型GPT-3DDPMDVD-GANDVD-GANStyleGANTransformer架構提出GAN201420172018201920202021時間111.AIGC技術概述1.2AIGC的發(fā)展歷程——井噴式發(fā)展階段（2022年-至今）121.AIGC技術概述1.2AIGC的發(fā)展歷程——井噴式發(fā)展階段（2022年-至今）實現(xiàn)多輪對話、代碼調試、專業(yè)考試通過5天用戶破百萬，引爆全球關注ChatGPT的橫空出世：文生圖質量顯著優(yōu)于傳統(tǒng)GAN擴散模型的革命：多模態(tài)融合突破：支持文字生成圖像，圖像生成文字AI具備“聯(lián)想能力”，類人認知初現(xiàn)圖片來源：砍柴網(wǎng)、騰訊云內容生產范式全面重構：從單一模態(tài)→多模態(tài)協(xié)同創(chuàng)作、從人創(chuàng)為主→向“人機共創(chuàng)”演化13百度·文心一言

→基于“文心”大模型，融合知識圖譜與語言模型

→率先面向公眾開放，落地搜索、辦公、教育等場景1.AIGC技術概述1.2AIGC的發(fā)展歷程——中國AIGC技術的崛起與戰(zhàn)略突破中國力量在AIGC領域的快速崛起體現(xiàn)了科技創(chuàng)新中的文化自信與制度優(yōu)勢……阿里云·通義千問

→依托達摩院，強調中文理解與多模態(tài)對話能力

→支持代碼生成、圖文問答，體現(xiàn)算力算法綜合實力深度求索·DeepSeek-R1

→開源大模型，訓練成本低、性能對標GPT-4

→成為國產大模型“出海”標桿，獲得國際認可……14AIGC模型02152.1變分自編碼器（VAE）162.AIGC模型2.1變分自編碼器（VAE）——引例：藝術家的記憶創(chuàng)作貓的關鍵形態(tài)學特征:一位畫家坐在野外對著一只黑貓寫生，畫架上畫的是黑貓的簡化輪廓線條。再創(chuàng)作作品回到畫室畫家畫了一只橘貓，姿態(tài)為站立。色彩與姿態(tài)變了，但仍然有貓的形態(tài)學特征。圓頭、三角耳、卷尾這一藝術創(chuàng)作過程完美詮釋了變分自編碼器的核心思想：提取事物的本質特征，再在此基礎上進行有創(chuàng)意的生成。172.AIGC模型2.1變分自編碼器（VAE）——VAE的基本原理VAE核心是一個“觀察-記憶-再現(xiàn)”的智能系統(tǒng)。通過編碼器和解碼器的協(xié)同作用，實現(xiàn)了智能表征學習與創(chuàng)造性數(shù)據(jù)生成。182.AIGC模型2.1變分自編碼器（VAE）——編碼器：關鍵特征提取與記憶

192.AIGC模型2.1變分自編碼器（VAE）——解碼器：創(chuàng)造性再現(xiàn)

202.AIGC模型2.1變分自編碼器（VAE）——VAE工作步驟輸入圖像x通過神經(jīng)網(wǎng)絡提取特征。輸出潛在空間的兩個參數(shù)：??Step1編碼階段（Encoder）??Step2采樣階段（Sampling）??Step3解碼階段（Decoder）

均值μ（代表特征的中心）標準差σ（代表特征的波動范圍212.AIGC模型2.1變分自編碼器（VAE）——

VAE具有生成能力的關鍵模型類型比喻行為生成結果自編碼器（AE）精于臨摹的畫家一筆不差地復制他所看到的黑貓VAE富有想象力的藝術家記住黑貓的關鍵特征，自由創(chuàng)作但整體看上去仍然是一只貓VAE的生成能力來自哪里？學習數(shù)據(jù)的本質特征用概率分布表達特征變化采樣機制使其具備“想象”新樣本的能力222.2生成對抗網(wǎng)絡（GAN）232.AIGC模型2.2生成對抗網(wǎng)絡（GAN）——引例：藝術界的“貓鼠游戲”贗品畫家苦練技巧，逐步改進作品；鑒賞家也不斷提升辨?zhèn)文芰λ麄冮_啟了一場你追我趕、相互促進的“貓鼠游戲”贗品畫家癡迷于模仿梵高的《星空》，試圖以假亂真鑒賞家以揪出假畫為己任，識破第一幅粗糙贗品242.AIGC模型2.2生成對抗網(wǎng)絡（GAN）——引例：藝術界的“貓鼠游戲”畫家通過反復練習掌握短促筆觸與色彩疊加；鑒賞家也在不斷精進自己的辨?zhèn)渭记?；畫作已有神韻，但仍被識破為贗品。進步明顯博弈升級完美復值畫家技藝越發(fā)精妙；鑒賞家眼力愈發(fā)敏銳；一場“你追我趕”的藝術博弈正式展開。最新作品令鑒賞家陷入猶豫——真假難辨，終以平局收場。拙劣模仿畫家模仿《星空》，筆觸混亂，顏色失控；鑒賞家譏諷其為“孩子的涂鴉”?！?52.AIGC模型2.2生成對抗網(wǎng)絡（GAN）——GAN的基本原理角色GAN對應組件功能簡述畫家Generator生成器偽造“真實感”圖像（如贗品畫）鑒賞家Discriminator判別器判斷樣本是真實還是偽造26生成器提升細節(jié)表現(xiàn)，仿作逐漸逼真判別器也同步提升識別技巧，追蹤微小破綻…對抗訓練階段收斂平衡階段生成器以假亂真，判別器也難以分辨真假判別準確率接近50%，系統(tǒng)達成“平衡”初始階段生成器生成粗糙圖像（如失敗的“星空”仿作）判別器輕松識別為假…2.AIGC模型2.2生成對抗網(wǎng)絡（GAN）——GAN的基本原理272.AIGC模型2.2生成對抗網(wǎng)絡（GAN）——GAN工作步驟初始化生成器和判別器是兩個未訓練的神經(jīng)網(wǎng)絡??Step1初始化“對手”博弈：設立生成器與判別器??Step2對抗訓練：生成器嘗試欺騙，判別器努力識破??Step3收斂平衡：達到以假亂真的結果生成器從“隨機噪聲”中生成假圖像；通過優(yōu)化目標：讓假圖像以假亂真；判別器接收真假圖像，輸出真假概率；優(yōu)化目標：正確識別真假；；二者交替優(yōu)化，構成“貓鼠游戲”。多輪訓練后，生成器能生成幾可亂真的圖像；判別器的準確率接近50%——再也無法分辨；??達成“以假亂真”的平衡，GAN訓練完成??生成器：任務是偽造數(shù)據(jù)（如仿造《星空》）???判別器：任務是分辨數(shù)據(jù)真?zhèn)危ㄏ耔b賞家鑒定畫作）初期兩者都很弱，像新手畫家和業(yè)余鑒賞家28（1）對抗性交替訓練機制生成器與判別器交替訓練常用策略：生成器訓練k次，判別器訓練1次目的：2.AIGC模型2.2生成對抗網(wǎng)絡（GAN）——GAN訓練機制中的兩個關鍵問題保證判別器具有足夠的判別能力來提供有意義的梯度信號防止生成器被壓制，導致訓練停滯或失?。?）模式崩潰理想目標：GAN達到“納什均衡”，生成器生成的樣本分布≈真實數(shù)據(jù)分布，判別器無法區(qū)分真假然而這種微妙的動態(tài)平衡極為脆弱，常常導致模式崩潰模式崩潰是GAN訓練中最具挑戰(zhàn)性的核心難題292.AIGC模型2.2生成對抗網(wǎng)絡（GAN）——GAN的應用302.3擴散模型312.AIGC模型2.3擴散模型——引例：大理石中的雕像雕刻的本質：不是“構造”，而是“顯現(xiàn)”每一次鑿擊，都是去除非本質的信息終將隱藏其中的美，從石中顯露“塑像本來就在石頭里，我只是把不需要的部分去掉?！薄组_朗基羅雕塑《大衛(wèi)》圖片來源：百度、Mlito322.AIGC模型2.3擴散模型——擴散模型的基本原理擴散模型認為：目標圖像本就在隨機噪聲中類似雕塑家不斷鑿去雜質，擴散模型生成圖片即為一步步“去噪”過程：擴散模型從純噪聲出發(fā)經(jīng)過多輪去噪操作最終顯現(xiàn)出清晰、逼真的圖像332.AIGC模型2.3擴散模型——擴散模型的基本原理：（1）漸進式破壞（前向擴散）前向擴散關鍵原理：從一張清晰圖像開始（如一只貓）；每一步加一點點“噪聲”；重復上百次，圖像最終變成類似“電視雪花屏”的全噪聲。類比理解：就像往照片上不斷撒鹽、灑雪花，最后什么都看不清了。342.AIGC模型2.3擴散模型——擴散模型的基本原理：（2）訓練”修復大師”（反向去噪）最終成果：一個訓練好的“圖像修復大師”，能夠從純隨機噪聲中恢復出高質量圖像。如果能讓清晰圖像變成噪聲，能否反過來讓噪聲變成圖像？反向去噪關鍵原理：用神經(jīng)網(wǎng)絡（如U-Net）來學會一步步去除噪聲。輸入：被加了不同程度噪聲的圖像輸出：盡可能還原成原始圖像訓練方法：猜對了→強化！猜錯了→調整參數(shù)，下一次猜得更準！352.AIGC模型2.3擴散模型——擴散模型的基本原理：（3）生成新圖片（魔法時刻）采樣生成關鍵原理：從完全隨機噪聲出發(fā)；讓“修復大師”一層層清除噪聲；每一步細節(jié)漸現(xiàn)，最后誕生一張從未存在過的圖像。舉例：同樣的模型，不同的初始噪聲可生成一只橘貓，一只黑貓，甚至一只戴墨鏡的貓。隨機種子不一樣，魔法結果也不同！362.AIGC模型2.3擴散模型——擴散模型的獨特優(yōu)勢穩(wěn)定性強：按部就班逐步去噪，結果可靠。細節(jié)逼真：因”精雕細琢”的特性，生成的毛發(fā)、紋理等細節(jié)尤為細膩。創(chuàng)意無限：只需改變初始噪聲，就能生成風格迥異的圖像。擴散模型生成的貓咪，胡須根根分明372.4混合模型382.AIGC模型2.4混合模型在AIGC的發(fā)展中，單一模型難以同時滿足質量、效率與穩(wěn)定性?；旌夏Ｐ蛻\而生，旨在融合各類模型的優(yōu)點，取得更好的平衡表現(xiàn)。39392.AIGC模型2.4混合模型結合了VAE的結構穩(wěn)定性與GAN的圖像精細度；支持將文本或圖像內容高質量重構為圖像融合擴散模型的漸進優(yōu)化與GAN的高效生成機制；在提高生成效率的同時保持圖像的細節(jié)表現(xiàn)力。論文[1]：Tamingtransformersforhigh-resolutionimagesynthesis；

論文[2]：Diffusion-gan:Trainingganswithdiffusion.VQGAN[1]DiffusionGAN[2]40AIGC的應用03413.AIGC的應用AIGC正在成為：??設計師的靈感來源??作家的寫作搭檔?????程序員的代碼助手……42引言3.AIGC的應用引言——AIGC工具導航433.1文本生成443.AIGC的應用3.1文本生成文本生成技術，作為AIGC領域最成熟、最廣泛應用的分支，正逐漸改變人類對“寫作”的定義。圖片來源：新浪網(wǎng)文本生成技術的飛躍——三大核心能力：上下文理解：可記憶對話歷史，支持連續(xù)、自然的交流；常識運用：內含大量事實知識，如能準確表達“北京是中國的首都”；長文創(chuàng)作與邏輯自洽：支持千字以上文本生成；能編排結構、組織邏輯，有因有果。453.AIGC的應用3.1文本生成——非交互式文本生成：結構化寫作文本生成主要分為非交互式文本生成和交互式文本生成非交互式文本生成不需要人機實時互動，常見于結構化和非結構化寫作。結構化寫作關鍵特點：無需人機實時交互，系統(tǒng)可自動完成文本撰寫任務結構化寫作：格式明確、內容規(guī)范、信息清晰典型應用場景：財務分析報告、天氣播報、比賽戰(zhàn)報、簡訊生成463.AIGC的應用3.1文本生成——結構化寫作示例LogicBalls新聞撰寫示例473.AIGC的應用3.1文本生成——結構化寫作優(yōu)勢與局限結構化寫作優(yōu)勢局限?高效生成?缺乏創(chuàng)造力?成本低、出錯率低?難以勝任復雜/文學性寫作任務?可批量處理重復性任務?風格刻板，內容單一48人工智能寫作公司NarrativeScience曾大膽預測：“到2030年，90%的新聞內容將由AI生成。”3.AIGC的應用3.1文本生成——非交互式文本生成：非結構化寫作非結構化寫作：指故事續(xù)寫、廣告文案、品牌推文等無固定模板、強依賴創(chuàng)意的寫作任務。創(chuàng)作特點：不僅要語言通順，更要“有想法”；強調創(chuàng)造性、情感性與個性化。493.AIGC的應用3.1文本生成——非結構化寫作示例彩云小夢故事續(xù)寫示例503.AIGC的應用3.1文本生成——非結構化寫作能力與挑戰(zhàn)能力挑戰(zhàn)可自動生成故事、文案、短句等長文本連貫性仍待提升可提供多種創(chuàng)意發(fā)展方向風格控制與邏輯一致性仍是難點已能激發(fā)靈感、輔助創(chuàng)作需要更多人類參與實現(xiàn)高質量內容513.AIGC的應用3.1文本生成——交互式文本生成什么是交互式文本生成？不止寫句子，更要能對話理解語境、記住對話歷史感知語氣、情緒與潛臺詞示例：用戶問“量子糾纏”，AI可層層深入，思路連貫523.AIGC的應用3.1文本生成——交互式文本生成典型應用場景智能寫作助手：提供思路、潤色、對話式創(chuàng)作游戲角色個性生成：NPC會“說話”、會“理解”情感陪伴與心理疏導：虛擬朋友、輔助心理健康教育助手：仿老師風格回答問題、引導學習代表系統(tǒng)國際代表：ChatGPT國內平臺：DeepSeek、通義千問、文心一言、豆包AI助手等533.AIGC的應用3.1文本生成——交互式文本生成：AIGC的“幻覺現(xiàn)象”與理性使用AIGC本質上是基于統(tǒng)計概率的語言模型。缺乏真正的常識與事實判斷能力，可能會生成“看似真實但并不存在”的內容，稱為“幻覺現(xiàn)象”。正確認知與使用建議：AI生成內容≠事實真相須謹慎核查，尤其對信息準確性要求極高的領域把AI當作高效助手，而不是權威替代者?！盎糜X現(xiàn)象”舉例543.2音頻生成553.AIGC的應用3.2音頻生成音頻生成正逐漸成為AIGC技術中最具潛力與“溫度”的發(fā)展方向之一。主流應用：???文本轉語音（Text-to-Speech,TTS）???語音克隆??樂曲/歌曲生成你是否在聽小說、刷短視頻或使用語音助手時，好奇這些聲音背后是不是“真人”？其實，它們很可能來自AI的“嗓音”！56TTS（Text-to-Speech）技術可將任意文本轉化為自然語音應用廣泛：語音助手、智能客服、有聲讀物、導航播報等深度學習模型如WaveNet、Tacotron顯著提升語音自然度與情感表現(xiàn)力3.AIGC的應用3.2音頻生成——TTS：文字轉語音技術的普及應用實例：AI新聞主播：

“倒映有聲”ד云聽”App——全天候播報，聲音自然流暢，富有表現(xiàn)力新媒體創(chuàng)作利器：

AI配音工具支持多風格生成（性別、年齡、情緒、方言）常見工具：剪映、九錘配音、加音、XAudioPro云聽剪映573.AIGC的應用3.2音頻生成——語音克隆語音克?。和ㄟ^學習某人的語音樣本，模仿其音色、語調，說出原本從未講過的新內容。應用案例：親情陪伴：父母“AI化”講故事，增強陪伴感影視復刻：AI合成已故演員聲音，完成遺作配音文化傳承：喜馬拉雅平臺“復活”評書大師單田芳，為經(jīng)典賦予“新聲”倫理與風險：聲音偽造與詐騙風險強調知情授權、需搭配防偽技術與使用限制583.AIGC的應用3.2音頻生成——樂曲/歌曲生成自動作曲：AI根據(jù)旋律或情緒生成新的旋律段落自動編曲：為主旋律加入節(jié)奏、和聲與鼓點，快速生成完整音樂作品AI唱歌：利用語音合成技術模仿歌手音色與風格，虛擬歌手如“洛天依”2023年，Suno橫空出世，一鍵生成“歌詞+人聲+樂器”的完整歌曲，被譽為“音樂界的ChatGPT時刻”Suno海綿音樂593.3圖像生成603.AIGC的應用3.3圖像生成圖像生成是AIGC中最具視覺沖擊力的技術分支之一典型應用場景：圖像屬性編輯圖像局部生成與修改端到端圖像生成小問題：你能分辨出一幅畫是由人還是AI創(chuàng)作的嗎？如果AI根據(jù)你的草圖繪制出一幅精美的風景畫，這幅作品屬于你，還是屬于它？圖片來源：百度、BeArt613.AIGC的應用3.3圖像生成——圖像屬性編輯圖像屬性編輯：“AI簡化版的Photoshop”，普通用戶也能擁有專業(yè)圖像處理能力！核心功能亮點（重點關鍵詞展示）：基礎修圖：自動去除瑕疵/水印、智能調整光影參數(shù)、超分辨率復原模糊圖像風格化處理：一鍵風格化（油畫…）或將一幅作品的視覺風格遷移給另一幅圖像輸入內容輸入風格輸出圖像風格化圖片來源：論文《NeuralStyleTransfer:AReview》老照片修復623.AIGC的應用3.3圖像生成——圖像局部生成及更改局部生成與更改技術對圖像中的局部元素進行替換、重建或風格轉換，是圖像合成的重要環(huán)節(jié)。典型技術與示例：CycleGAN：夏日森林?冬季雪地、斑馬?馬（風格跨域遷移）Metaphysics：微調人物面部情緒、年齡、表情Deepfake：面部自然融合，實現(xiàn)“圖像換臉”效果應用場景：廣告制作、虛擬主播、個性化角色定制AI換臉CycleGAN633.AIGC的應用3.3圖像生成——端到端的圖像生成端到端的圖像生成——跳過傳統(tǒng)圖像編輯流程；直接從草圖、文字、圖像屬性等輸入，生成完整圖像；推薦使用AI工具如即夢AI、DALL·E、Midjourney或AdobeFirefly生成示圖。圖片來源：即夢AI、機器之心多圖融合→創(chuàng)新設計草圖→寫實圖像（提示詞：一只狗在玩滑板）文本→圖像合成643.4視頻生成653.AIGC的應用3.4視頻生成小問題：視頻是由一幀幀圖像構成的，AI已經(jīng)能夠生成圖像，它是否也能“動起來”，生成完整的視頻呢？視頻生成涉及時間維度的信息建模，技術難度更高。視頻生成技術主要包括三個方向：視頻屬性編輯視頻自動剪輯視頻局部生成雪地追逐的小狐貍663.AIGC的應用3.4視頻生成——視頻屬性編輯常見功能包括：畫質修復與增強刪除特定主體自動特效與添加內容美顏處理圖片來源：Wink、萬興喵影應用領域：短視頻平臺、直播、美妝和廣告等畫質增強美顏處理673.AIGC的應用3.4視頻生成——視頻自動剪輯通過理解畫面、聲音、節(jié)奏、情緒等多模態(tài)信息，識別出符合特定語義需求的片段；并輸出風格匹配、邏輯完整的視頻內容；廣泛應用于：電影預告片、Vlog、宣傳片等。683.AIGC的應用3.4視頻生成——視頻局部生成關注對現(xiàn)有視頻內容的精細化編輯；或基于靜態(tài)圖像、文本語音合成出新的動態(tài)視頻核心